불확실 데이터에서 중앙값과 강건 추정량의 분포 근사

본 논문은 위치 불확실성을 가진 데이터에 대해 강건 통계량, 특히 중앙값과 그 고차원 일반화(기하학적 중앙값, 터키 중앙값)의 확률분포를 효율적으로 근사하는 방법을 제시한다. 전통적인 통계에서는 데이터가 i.i.d.라고 가정하고 평균·분산 등 단일값을 구하지만, 실제 센서 데이터, GPS 추정치 등은 각 관측치마다 서로 다른 확률분포를 갖는다. 이러한 상황을 “locationally uncertain points”라 부르며, 각 점 Pᵢ는 최대 k개의 가능한 위치 pᵢ,ⱼ와 해당 확률(동일 가정)으로 표현된다. 문제 정의는 다음과 같다. 모든 가능한 트래버설 Q={q₁,…,qₙ} (각 qᵢ∈Pᵢ) 에 대해 비용 함수 cost(x,Q)= (1/n)∑‖x−qᵢ‖를 정의하고, 중앙값 m_Q는 cost를 최소화하면서 좌·우에 절반씩 점이 배치되는 점이다. 불확실성 때문에 m_Q 자체가 확률분포를 이루며, 이 분포를 정확히 구하려면 kⁿ개의 트래버설을 모두 검사해야 하므로 비현실적이다. 따라서 저자들은 “ε‑support”라는 근사 개념을 도입한다. ε‑support T는 모든 가능한 중앙값 m_Q에 대해 어떤 x∈T가 ‖x−m_Q‖ ≤ ε·cost(m_Q,Q) 를 만족하도록 만든다. 1차원(R¹)에서는 Lᵢ(x), Rᵢ(x)라는 두 보조 함수를 정의한다. Lᵢ(x)는 Pᵢ의 가능한 위치 중 x보다 왼쪽에 가장 가까운 점까지의 거리, Rᵢ(x)는 오른쪽에 가장 가까운 점까지의 거리이다. 차이 Dᵢ(x)=Lᵢ(x)−Rᵢ(x) 를 이용해 “어떤 점을 왼쪽에, 어떤 점을 오른쪽에 배치할지”를 결정한다. Dᵢ 값이 작을수록 해당 점을 왼쪽에, 크게 하면 오른쪽에 배치한다. 이렇게 정렬된 순서대로 절반을 왼쪽, 절반을 오른쪽에 할당하면 비용이 최소가 된다. Lᵢ와 Rᵢ는 각 pᵢ,ⱼ에서 절댓값 거리의 최소값을 반환하는 piecewise‑linear 함수이며, Dᵢ는 기울기 2인 piecewise‑linear 함수이다. 모든 Dᵢ를 정렬하고 누적합을 구하면, 임의 x에 대한 최소 비용 cost(x) 를 O(n) 시간에 계산할 수 있다. ε‑support T를 구성하기 위해서는 cost(x) 가 ε·cost(median) 이하인 후보들을 골라야 한다. 저자들은 이러한 후보가 O(k/ε) 개로 충분함을 증명하고, 전체 후보 집합을 O(nk log(nk)) 시간에 정렬·스캔하여 T를 얻는다. 이후 각 후보에 대한 정확한 확률을 구하려면 모든 트래버설을 고려해야 하므로 O(n²k) 시간이 필요하지만, 이는 1차원에서는 여전히 실용적인 수준이다. 고차원(Rᵈ)으로 확장하면 기하학적 중앙값과 터키 중앙값을 다루게 된다. 기하학적 중앙값은 cost(x,Q)를 최소화하는 점이며, 터키 중앙값은 깊이(depth)를 최대화하는 점이다. 여기서는 VC 차원이 제한된 범위(예: 반평면, 구, 하이퍼플레인)에서 ε‑net 이론을 적용한다. Lᵢ, Rᵢ, Dᵢ의 정의는 차원에 따라 동일하게 유지되지만, 후보 집합의 크기가 O(kᵈ/εᵈ) 로 급증한다. 저자들은 이를 효율적으로 생성하기 위해 다차원 스위핑과 정렬 기법을 사용하고, 전체 복잡도는 O(nkᵈ log(nkᵈ)) 정도가 된다. 확률 할당 단계는 정확히 계산하면 O(n²k) 정도가 소요되지만, 고차원에서는 샘플링 기반 근사(O(1/ε²) 시간)를 적용해 실용성을 확보한다. 또한, 논문은 일반적인 강건 추정량에 대한 프레임워크를 제시한다. 범위 집합이 유한 VC 차원을 갖는 경우, ε‑support 를 구성하고 확률을 할당하는 절차가 동일하게 적용될 수 있다. 이를 통해 고차원 회귀에서 사용되는 Siegel 추정량까지 효율적으로 근사할 수 있음을 보인다. Siegel 추정량은 회귀 잔차의 절반 이상을 포함하는 직선을 찾는 강건 회귀 방법으로, 이 역시 “범위 = 직선”이라는 VC 차원 2의 범위에 해당한다. 마지막으로, 단일점 요약(예: “median of medians”)이 확률 가중치의 미세한 변동에 매우 민감함을 이론적으로 증명한다. 1차원 예시에서는 두 가능한 중앙값이 각각 0과 Δ에 위치하고, 각각 확률 ½을 갖는 경우를 들었다. 이때 가중 평균은 0이지만, 확률이 ε만큼 변하면 최종 단일점이 Δ로 완전히 이동한다. 따라서 전체 분포 자체를 제공하는 것이 데이터의 불확실성을 올바르게 표현하고, 후속 분석(예: 신뢰구간, 의사결정)에서도 더 안정적이다. 결론적으로, 이 논문은 위치 불확실 데이터에 대한 강건 통계량의 확률분포를 근사하는 최초의 체계적인 방법을 제시하며, 1차원에서는 거의 최적에 가까운 O(k/ε) 지원 집합을, 고차원에서는 VC 차원 기반의 ε‑net 기법을 통해 실용적인 알고리즘을 제공한다. 또한, 단일점 요약이 불안정함을 지적하고, 전체 분포를 유지하는 것이 더 바람직함을 강조한다.