분위수 변형 EM 알고리즘과 구간 데이터 추정에의 응용

초록

이 논문은 기대값-최대화(EM) 알고리즘의 분위수 변형(QEM) 버전을 제안하고, 이를 통해 구간 데이터를 포함하는 모델의 매개변수 추정 문제에 더 빠르고 안정적인 수렴성을 제공한다. QEM은 MCEM(Monte Carlo EM)과 비교하여 $O(1/K^2)$의 정확도를 보여주며, 이는 MCEM의 $O_p(1/\sqrt{K})$보다 우수하다.

상세 분석

이 논문에서는 기존 EM 알고리즘의 한계점인 E-step에서 로그가능도 함수의 적분을 피하기 위해 제안된 Monte Carlo EM(MCEM) 알고리즘의 문제점을 해결하고자 분위수 변형 EM(QEM) 알고리즘을 도입한다. MCEM은 각 E-step에서 무작위 샘플을 사용하여 적분을 추정하므로 수렴 속도가 느리고 불안정한 문제가 있다. 이에 반해 QEM은 $O(1/K^2)$의 정확도를 보여주며, 이를 통해 MCEM보다 빠르고 안정적인 수렴성을 제공한다. 논문에서는 이러한 성능 개선을 수치적 연구를 통해 입증하고 있으며, 구간 검열 데이터 문제에 대한 실제 예제들을 제시하여 QEM의 활용 가능성을 보여주고 있다.