분포 차이 시각화와 그래픽 n표본 검정

초록

본 논문은 전통적인 두표본 Kolmogorov‑Smirnov 검정의 그래픽 해석을 유지하면서, 전역 봉투(global envelope) 프레임워크를 이용해 검정력을 높인 새로운 비모수적 n표본 검정 방법을 제안한다. 제안된 검정은 순위 기반 퍼뮤테이션을 활용해 다중 비교 문제를 해결하고, 그래픽으로 차이의 위치와 형태를 직관적으로 보여준다. 시뮬레이션 결과는 기존 KS 검정보다 전반적으로 높은 검정력을 보이며, 실제 데이터(성별 키, 붓꽃 꽃받침 길이, 환율 잔차)에도 적용되어 유용성을 입증한다.

상세 분석

이 논문은 기존의 Kolmogorov‑Smirnov(KS) 검정이 제공하는 그래픽 해석의 장점을 보존하면서, 검정력(power)과 적용 범위를 확대하는 새로운 방법론을 제시한다. 핵심 아이디어는 전역 봉투(global envelope) 테스트 프레임워크를 퍼뮤테이션 기반 순위 통계와 결합하는 것이다. 전역 봉투는 다변량 혹은 함수형 통계량에 대해 가족 오류율(FWER)을 제어하면서, 각 지점별로 허용 구간을 시각화한다. 이를 위해 먼저 관측된 통계량 T₀를 정의하고, 귀무가설 하에서 퍼뮤테이션을 통해 s개의 모의 통계량 T₁,…,T_s를 생성한다. 이후 극단 순위 길이(ERL), 연속 순위(continuous rank) 등 적절한 순위 측정 E를 선택해 T₀와 모의 통계량을 비교한다. 순위가 α(s+1) 이하인 경우를 임계값 E(α)로 설정하고, 해당 순위에 대응하는 최소·최대값을 각각 T_low(α), T_upp(α)로 정의한다. 결과적으로 100(1‑α)% 전역 봉투는 (T_low(α), T_upp(α)) 구간으로 표현되며, T₀가 이 구간을 벗어나면 귀무가설을 기각한다.

제안된 검정은 다음과 같은 장점을 가진다. 첫째, 퍼뮤테이션을 이용하므로 표본 크기가 작거나 이산형 데이터에도 적용 가능하다. 둘째, 순위 기반이므로 통계량의 분포 가정이 필요 없으며, 다양한 형태의 통계량(ECDF 차이, 커널 밀도 차이, 분위수 차이 등)을 자유롭게 선택할 수 있다. 셋째, n≥2개의 표본을 동시에 비교할 수 있어 다중 비교 문제를 자연스럽게 해결한다. 넷째, 그래픽 결과가 직관적이다; 전역 봉투를 그림으로 나타내면 어느 구간에서 차이가 크게 나타나는지 시각적으로 파악할 수 있다.

시뮬레이션에서는 두표본 상황을 중심으로 KS 검정, 퍼뮤테이션 KS 검정, 그리고 제안된 전역 봉투 검정을 다양한 대안(위치 이동, 스케일 변화, 꼬리 차이 등)에서 비교하였다. 결과는 전역 봉투 검정이 특히 꼬리 영역에서의 차이를 탐지하는 데 뛰어난 검정력을 보였으며, 전통 KS 검정은 중앙부에 민감하지만 꼬리에서는 약한 경향을 확인했다. 또한, 다표본 시나리오에서도 전역 봉투 검정은 전체적인 차이를 효과적으로 탐지하면서도 개별 표본 간 차이의 위치를 명확히 제시했다.

실제 데이터 적용 사례는 세 가지로 구성된다. (1) 연령별 남·녀 키 분포 비교에서는 전역 봉투가 특정 연령대에서 키 차이가 크게 나타나는 구간을 시각화했다. (2) 붓꽃(Iris) 종별 꽃받침 길이 비교에서는 종 간 평균 차이뿐 아니라 분포 형태(꼬리·산점) 차이도 명확히 드러났다. (3) 환율 잔차의 시간적 분포 비교에서는 서로 다른 환율 코스 간 잔차 분포가 특정 시점에서 크게 달라지는 것을 포착했다. 이러한 사례는 제안된 검정이 실제 연구에서 어떻게 활용될 수 있는지를 보여준다.

전체적으로 이 논문은 전역 봉투 테스트와 퍼뮤테이션 순위 통계를 결합함으로써, 그래픽 해석 가능성을 유지하면서도 검정력을 크게 향상시킨 새로운 n표본 비모수 검정 프레임워크를 제공한다. 이는 통계학 및 데이터 과학 분야에서 분포 차이를 시각적으로 탐색하고, 다중 표본 간 차이를 정량적으로 검정하려는 연구자들에게 실용적인 도구가 될 것이다.