엔트로피와 무작위성 검정의 복잡도 측정 비교

초록

본 논문은 시계열 복잡도 평가에 널리 사용되는 엔트로피 계열 측정값과 전통적인 무작위성 검정(런스 검정, 순열 검정)의 결과를 비교한다. 실험을 통해 두 검정 통계량이 샘플 엔트로피, 퍼뮤테이션 엔트로피, 다중 스케일 엔트로피와 높은 상관관계를 보이며, 무작위성 검정이 복잡도 정보를 보완할 수 있음을 제시한다.

상세 분석

논문은 먼저 엔트로피 기반 복잡도 지표가 “정보 획득 속도” 혹은 “규칙성 정도”를 정량화한다는 점을 강조한다. 샘플 엔트로피(SampEn)는 데이터 길이에 민감하지 않으며, 퍼뮤테이션 엔트로피(PermEn)는 순서 패턴의 다양성을, 다중 스케일 엔트로피(MSE)는 다양한 시간 스케일에서의 구조를 포착한다. 그러나 이러한 지표들은 높은 값이 무작위 혹은 혼돈을 의미하고, 낮은 값이 규칙성을 의미한다는 해석에 머물러, 실제로 데이터가 완전한 무작위 과정인지, 아니면 복잡한 결정론적 구조를 가지고 있는지를 구분하지 못한다는 한계가 있다.

이에 저자들은 전통적인 무작위성 검정인 런스 검정과 순열 검정을 도입한다. 런스 검정은 연속된 상승·하강 구간(런)의 수와 길이를 이용해 시계열이 독립적인 동일분포(i.i.d.)인지 평가한다. 순열 검정은 데이터의 순열을 무작위 재배열하여 원본 시계열의 통계량이 기대값에서 벗어나는지를 검증한다. 두 검정 모두 귀무가설을 “완전 무작위”로 설정하므로, 엔트로피와는 다른 관점에서 복잡도를 탐색한다.

실험에서는 인공적으로 생성한 잡음, 로지스틱 맵의 혼돈 시계열, 그리고 실제 심전도(ECG) 데이터 등을 대상으로 엔트로피와 검정 통계량을 동시에 계산하였다. 결과는 런스 검정의 Z‑값과 PermEn, SampEn, MSE 사이에 Pearson 상관계수가 0.78~0.92에 달함을 보여준다. 특히, 복잡도가 높은 혼돈 구간에서는 엔트로피와 런스 검정 모두 높은 값을 기록했지만, 심전도와 같이 일정한 주기성을 가진 생리 신호에서는 엔트로피가 중간 수준을 보이면서도 런스 검정은 낮은 Z‑값을 나타내어 두 지표가 서로 보완적인 정보를 제공함을 확인하였다.

또한, 저자들은 무작위성 검정이 샘플 크기에 민감하게 반응한다는 점을 지적한다. 작은 데이터 구간에서는 런스 검정이 과도하게 무작위성을 판단할 위험이 있으므로, 다중 스케일 접근과 결합해 스케일별 검정 결과를 종합하는 것이 바람직하다. 이러한 통합 프레임워크는 기존 엔트로피만으로는 포착하기 어려운 미세 구조(예: 비선형 상호작용, 변동성 클러스터링)를 드러낼 수 있다.

결론적으로, 논문은 엔트로피와 무작위성 검정이 동일한 현상을 다른 통계적 관점에서 측정한다는 점을 강조하고, 두 접근법을 결합함으로써 시계열 복잡도 평가의 해상도와 신뢰성을 크게 향상시킬 수 있음을 제시한다. 향후 연구에서는 더 다양한 검정(예: 차분 엔트로피, 복합 무작위성 검정)과 머신러닝 기반 메타 모델을 도입해 복합 지표를 자동으로 최적화하는 방향을 제안한다.