다변량 원미스 분포의 오염된 토러스 데이터 강인 추정

초록

본 논문은 토러스(다차원 원형) 상의 이상치(오염) 데이터가 다변량 원미스(von Mises) 분포의 파라미터 추정에 미치는 악영향을 완화하기 위해 가중가능도(weighted likelihood) 방법을 제안한다. 핵심은 다변량 원형 데이터를 위한 비모수 커널 밀도 추정과 Pearson 잔차 기반 가중치 함수를 이용한 가중가능도 추정 방정식(WLEE)이다. 이론적 성질을 논의하고, 몬테카를로 시뮬레이션과 실제 데이터 적용을 통해 제안 방법의 유효성을 검증한다.

상세 분석

이 논문은 토러스(다변량 원형) 공간에서 관측되는 데이터가 종종 특정 방향으로 집중되거나 숨겨진 군집을 형성하는 경우가 많아, 전통적인 최대가능도(MLE) 추정이 이상치에 매우 민감하다는 점을 지적한다. 이를 해결하기 위해 저자들은 가중가능도(weighted likelihood) 프레임워크를 도입한다. 가중가능도는 두 단계로 구성된다. 첫 번째 단계는 실제 데이터의 비모수 밀도 f̂ₙ(θ)를 원형 커널, 특히 각 차원별 von Mises 커널을 이용해 추정한다. 여기서 핵심 파라미터는 커널 농도 k이며, k가 클수록 커널이 좁아져 이상치에 대한 민감도가 높아지고, 작을수록 과도한 평활화로 이상치를 숨길 수 있다. 두 번째 단계는 Pearson 잔차 δ(θ)=f̂ₙ(θ)/m(θ;τ)−1을 계산하고, 이를 기반으로 가중치 w(δ)=min{1,