베르누이 시험을 통한 인증·검증의 베이지안 접근과 사전분포 설계

초록

본 논문은 성공만 관찰된 다수의 베르누이 시행을 기반으로 제품·시스템 인증이나 자연법칙 검증이 가능한지를 베이지안 프레임워크에서 탐구한다. 사전분포 선택이 결과 확률에 미치는 영향을 분석하고, 베이즈‑라플라스 균등 사전, 제프리스·베르나르도·포트먼테우 사전 등 네 가지 클래스를 비교한다. 또한 교환가능성 이론을 통해 ‘propensity’ 개념을 도입하고, 베타 사전의 형태와 변형을 제시한다. 결론적으로 “데이터만으로 법칙을 증명할 수 있는가”는 초기 사전 가정에 전적으로 달려 있음을 강조한다.

상세 분석

논문은 먼저 베르누이 시행을 “거의 동일한 조건” 하에 무한히 반복한다는 가정에서 출발한다. 실제 실험에서는 전체 N번을 수행할 수 없으므로, 무작위 표본 n을 선택해 모두 성공했을 때 전체 성공 확률 P(R=N|T=n)을 추정한다. 여기서 R은 전체 성공 횟수, T는 표본 성공 횟수이다. 베이즈 정리를 적용하면 사전분포 P(R=r)만 알면 사후 확률을 계산할 수 있다.

첫 번째 사전인 베이즈‑라플라스 균등 사전은 “이성 없는 이유” 원칙에 따라 R의 모든 값에 동일한 확률을 부여한다. 이 경우 P(R=N|T=n) = (n+1)/(N+1) 로, N→∞이면 0이 된다. 즉, 아무리 많은 성공 표본을 관찰해도 전체 성공을 확신할 수 없으며, 실험 과학자들의 직관과 크게 충돌한다.

두 번째는 제프리스 사전이다. 여기서는 R=0과 R=N에 큰 질량을 두고 나머지 값에 균등하게 배분한다. 파라미터 k에 따라 수렴 속도가 달라지며, k=1/4이면 P(R=N|T=n)≈(n+1)/(n+3) 로 n이 커질수록 1에 접근한다. 이는 실무적 직관에 부합하지만 사전이 인위적으로 설계된 점이 비판받는다.

세 번째는 베르나르도 사전으로, R=N에만 질량을 집중한다. 이 경우 P(R=N|T=n)≈(n+1)/(n+2) 로 제프리스보다 빠르게 1에 수렴한다. 정보이론적 근거를 제시함으로써 사전 선택의 정당성을 강화한다.

네 번째는 포트먼테우 사전이다. 이 사전은 R=0과 R=N에 각각 파라미터 λ에 의해 조절되는 질량을 두고, 나머지 값에 지수적 감소 형태를 적용한다. 파라미터 q와 k가 감소·회복 속도를 제어한다. 결과적으로 매우 적은 성공 표본만으로도 높은 비실패 확률을 제공하며, 사전이 실제 인증 상황(예: 사전 검증된 소프트웨어)과 잘 맞는다.

교환가능성 이론을 도입해 ‘propensity’ 개념을 정형화한다. 무한 교환가능한 베르누이 시퀀스 X₁,X₂,…에 대해 de Finetti 정리는 관측된 데이터가 어떤 잠재적 확률 p(=propensity)에서 독립적으로 추출된 것이라고 본다. 이 p에 대한 사전 Π(p)를 베타 분포로 모델링하면, α,β 파라미터를 통해 사전의 형태(대칭, 좌·우편향, L·J·U형 등)를 자유롭게 조정할 수 있다. 특히 α<1, β=1인 경우 p=1에 질량을 두어 “완전 성공” 가능성을 강조한다.

논문은 사전 선택이 결국 “데이터만으로 법칙을 증명할 수 있는가”라는 질문에 대한 답을 결정한다는 점을 강조한다. 사전이 과도하게 보수적이면(균등 사전) 결론은 부정적이며, 사전이 성공을 전제로 설계되면(베르나르도·포트먼테우) 결론은 긍정적이다. 따라서 인증·검증 과정에서 사전 가정의 명시와 정당화가 필수적이며, 베이지안 프레임워크가 이를 체계적으로 다룰 수 있는 도구임을 보여준다.