함수형 공간 데이터의 효과적 표본 크기 정의와 적용

초록

본 논문은 공간적 상관을 고려한 함수형 데이터의 효과적 표본 크기(ESS)를 새롭게 정의한다. 트레이스-공변량을 이용해 상관을 하나의 스칼라값으로 요약하고, 이를 통해 함수형 ESS가 직관적인 경계(1 ≤ ESS ≤ n)를 만족함을 보인다. 이론적 성질, 추정 방법, 함수형 AR(1) 모델을 통한 시뮬레이션, 그리고 태평양 지역의 기상 수직 속도 데이터에 대한 실제 적용 사례를 제시한다.

상세 분석

논문은 먼저 전통적인 스칼라 공간 랜덤필드에서의 ESS 정의를 복습하고, 그 핵심이 “표본 평균의 분산 팽창 계수”임을 강조한다. 이를 함수형 데이터에 그대로 옮기기 위해 저자들은 Hilbert 공간 (L^{2}