차원에 구애받지 않는 위치 검정: 고차원 및 다변량 데이터용 통합 방법

초록

본 논문은 차원(p)의 크기에 관계없이 적용 가능한 두 표본 위치 동등성 검정을 제안한다. 저자들은 “uniform‑over‑p” 수렴 개념을 도입하고, 이를 기반으로 차원에 무관한 중심극한정리를 증명한다. 제안된 검정은 기존 고차원 검정과 전통적인 Hotelling T² 검정보다 실험 및 실제 데이터에서 더 안정적인 크기와 높은 검정력을 보인다.

상세 분석

이 연구의 핵심은 “uniform‑over‑p” 수렴이라는 새로운 확률론적 프레임워크이다. 기존 고차원 검정은 보통 p→∞와 n→∞ 사이에 특정 성장 관계(p=o(n^α) 등)를 가정한다. 그러나 실제 데이터에서는 p와 n이 고정된 한 쌍으로 주어지기 때문에 이러한 가정을 검증하기 어렵다. 저자들은 정의 1·2를 통해 임의의 차원 p에 대해 확률측도와 확률변수의 수렴을 “supₚ” 연산을 이용해 균일하게 정의하고, 이를 바탕으로 Lév​y 연속성 정리와 Lindberg‑Feller 형태의 중앙극한정리(정리 7)를 일반화하였다. 특히, 정리 7은 각 차원 p마다 공분산 행렬 Σₚ가 존재하고, 일정한 4차 모멘트 조건(C2)과 Lyapunov‑type 조건(C)만 만족하면 Sₙ,ₚ=∑ₖXₙ,ₚ,ₖ가 N(0,Σₚ)로 균일하게 수렴함을 보인다.

이론적 결과를 두 표본 위치 검정에 적용한다. 두 표본 Xₚ,·와 Yₚ,·에 대해 대칭 커널 hₚ(·,·)를 정의하고, δₚ=E