데이터 기반 소브레프 검정의 패리티 맹점 해결

본 논문은 구면(또는 고차원 구면) 위에서 관측값이 균등하게 분포했는지를 검정하는 소브레프 검정의 데이터‑드리븐 버전에 대한 심층적인 이론적 분석을 수행한다. 소브레프 검정은 무한 차원의 정규 직교 기저 {h_k} 와 가중치 v_k 을 이용해 통계량 S_v = n^{-1}\sum_{i,j}\sum_{k}v_k^2 h_k(x_i^\top x_j) 을 정의한다. 기존 연구에서는 v_k 의 선택이 검정의 민감도에 큰 영향을 미친다고 알려져 있었으며, Jupp(2008)은 B_S(K)=S_K−p_K\log n 이라는 페널티를 도입해 데이터에 의해 최적 차수 \hat k 를 자동 선택하는 방법을 제안하였다. 이 방식은 \hat k→1 (즉, Rayleigh 검정)으로 수렴하는 경우가 많아 계산이 간단해지는 장점이 있다. 하지만 최근 García‑Portugués 등(2025)의 결과에 따르면, 가중치 v_k 가 한쪽 패리티(짝수 혹은 홀수)만을 포함하고, 대안 분포의 각도 함수 g 의 해당 패리티 차수에 대한 도함수가 0에서 사라지는 경우(예: g^{(odd)}(0)=0) 검정 통계량의 제한분포가 귀무가설과 동일해지는 ‘패리티 맹점(parity‑blindness)’이 발생한다. 이는 원 검정이 특정 연속 대안에 대해 전혀 검정력을 발휘하지 못함을 의미한다. 논문은 먼저 연속 대안 P_{\kappa_n,g} (κ_n=n^{-1/(2q)}τ) 에 대해 \hat k=1 이 되는 확률이 1에 수렴함을 보이며, 따라서 원 검정은 홀수 차수 도함수가 0인 대안에 대해 완전히 무감각함을 증명한다(정리 4.1, Lemma 4.1). 이를 극복하기 위해 저자는 \hat k^*=\max\{\hat k,2\} 이라는 간단한 수정안을 제안한다. 즉, 차수 k=2 (짝수 차수)를 최소로 허용함으로써 검정이 반드시 하나의 짝수 차수를 포함하도록 강제한다. 이 수정은 다음과 같은 이론적 특성을 가진다. 1. 귀무가설 하에서 \hat k^* 는 2에 확률적으로 수렴한다(정리 4.1). 2. 수정된 통계량 S_{\hat k^*} 는 χ^2_{d_1+d_2} 분포로 수렴한다(정리 4.2). 여기서 d_1, d_2 는 각각 k=1,2 에 대응하는 자유도이다. 3. 고정 대안에 대해서는 검정이 일관적이며, 표본 크기가 커질수록 거부 확률이 1에 수렴한다(정리 4.3). 4. 연속 대안 P_{\kappa_n,g} 에 대해, k^* (첫 번째 비제로 도함수 차수)가 존재하면 비중심 파라미터 ξ_{k^*,k^*}(τ) 를 갖는 비중심 카이제곱 분포로 수렴한다(정리 4.4). 이는 원 검정이 ‘맹점’이던 경우에도 검정력이 0이 아님을 의미한다. 시뮬레이션에서는 3차원 공간에서 von Mises‑Fisher(g(s)=e^{s})와 Watson(g(s)=e^{s^2}) 대안을 사용하였다. 표본 크기 n∈{200,500,1500} 와 수렴 속도 ℓ∈{2,4,6} (κ_n=n^{-1/ℓ}τ) 를 다양하게 설정하고, 각각 5,000번의 반복 실험을 수행했다. 결과는 다음과 같다. - ℓ=2(연속 대안)에서는 원 검정이 \hat k=1 이므로 Rayleigh 검정과 동일해 높은 검정력을 보였으며, 수정 검정은 \hat k^*=2 이므로 Rayleigh+ Bingham 결합 형태가 되어 약간 낮은 검정력을 보였다. 이는 Rayleigh 검정이 해당 대안에 대해 최적임을 확인시켜준다. - ℓ=4(Watson 연속 대안)에서는 원 검정이 \hat k=1 에 머물러 완전히 맹점이 나타났으며, 표본 크기가 커질수록 거부 비율이 감소했다. 반면 수정 검정은 \hat k^*=2 를 사용해 비중심 카이제곱 비율이 나타나며, 실질적인 검정력을 확보했다. 그래프에 회색으로 표시된 Bingham 검정의 비대칭 검정력과 비교해도, 데이터‑드리븐 검정이 손실을 감수하면서도 충분히 좋은 성능을 보임을 확인할 수 있다. 결론적으로, 데이터‑드리븐 소브레프 검정이 패리티 맹점에 취약함을 명확히 규명하고, 최소 차수를 2로 제한하는 간단한 수정만으로도 연속 대안에 대한 비자명한 검정력을 회복할 수 있음을 보였다. 다만, 특정 대안(특히 Rayleigh 검정이 최적인 경우)에서는 약간의 검정력 손실이 발생한다는 트레이드오프가 존재한다. 향후 연구에서는 다중 스파이크 대안, 혼합 모델, 그리고 다른 데이터‑드리븐 차수 선택 기준을 탐구할 여지가 있다.