상관 정보가 없는 데이터의 가설 검정과 파라미터 추정

초록

본 논문은 공분산 행렬이 부분적으로만 알려진 경우에도 보수적인 가설 검정과 모델 파라미터 추정을 수행할 수 있는 새로운 통계량과 그 적용 방법을 제시한다. 블록별 공분산은 알려져 있으나 블록 간 상관은 미지인 상황을 가정하고, “fitted” 테스트 통계량을 블록별 Mahalanobis 거리의 최댓값으로 정의한다. 또한 파라미터 추정 시 필요한 분산 팽창 계수를 계산하는 알고리즘을 제시하고, 이를 실제 중성미자 상호작용 데이터에 적용해 검증한다.

상세 분석

이 논문은 실험 물리학·천문학 등에서 흔히 마주치는 “공분산 행렬이 완전하게 제공되지 않는다”는 문제를 체계적으로 해결한다는 점에서 큰 의의를 가진다. 저자는 먼저 기존 연구