계층화된 평균 추정의 순차적 보수 검정

초록

본 논문은 계층화 표본추출 환경에서 유한 구간에 제한된 모집단 평균에 대한 보수적인 순차 검정을 제안한다. 전역 귀무가설을 “교차‑교집합” 형태로 분해하고, 각 교집합에 대해 독립적인 검정 초과마팅(Martingale)들을 곱으로 결합한다. 최적의 층 선택 규칙과 베팅 전략을 설계해 기대 정지시간을 최소화함으로써 기존 방법보다 표본 크기를 크게 절감한다.

상세 분석

이 연구는 두 가지 핵심 아이디어를 결합한다. 첫째, 전역 평균 가설 H₀: μ≤η₀ 를 “교차‑교집합”(union‑of‑intersections) 형태로 전개한다. 즉, 모든 가능한 층별 평균 벡터 η∈E₀(η₀) 에 대해 μ≤η 라는 교집합 가설을 만든 뒤, 이들 각각을 독립적으로 검정한다. 둘째, 각 교집합 가설에 대해 테스트 초과마팅(TSM)을 구축하고, 층별 TSM을 곱하여 전역 TSM을 만든다. Vile’s 불평등에 의해 TSM의 역수는 순차적으로 유효한 p‑값이 되며, 교집합 가설들의 p‑값 중 최댓값을 전역 p‑값으로 채택한다.

층 선택 규칙 pₖ(t)=P(Sₜ=k|Fₜ₋₁) 은 현재까지 관측된 데이터와 선택된 교집합 가설에 따라 동적으로 조정된다. 저자들은 “오라클” 베팅 전략을 정의하고, 이를 근사하는 실용적인 베팅 함수들을 제시한다. 오라클 전략은 특정 대안(μ>η₀) 하에서 기대 정지시간을 최소화하지만, 실제로는 계산 복잡도가 급격히 증가한다. 따라서 저자는 (1) 두 층만 있는 경우 정확한 최적 베팅을 계산하는 방법, (2) 중간 규모(수십 개 층)에서는 근사 최적화를 통한 샘플링 비율을 구하는 휴리스틱, (3) 무한히 많은 층에 대해선 단순히 층별 평균 경계값을 이용한 보수적 베팅을 적용하는 세 가지 전략을 제안한다.

이러한 설계는 기존의 계층화 t‑검정이나 Wright의 보수적 교차‑교집합 방법보다 훨씬 적은 표본을 요구한다. 특히, 표본이 강하게 비대칭(예: 선거 감시에서 오류가 드물게 발생)하고 각 층의 분포가 서로 다를 때, 기대 정지시간이 30~50% 정도 감소하는 것이 시뮬레이션을 통해 입증된다. 또한, 선택 규칙이 “옵션 스톱핑”을 허용하므로 감사 담당자는 실시간으로 결과를 확인하고 필요 시 즉시 종료할 수 있다.

통계적 타당성은 두 단계에서 보장된다. 첫째, 각 층별 TSM은 해당 층의 조건부 분포 하에서 초과마팅 성질을 만족한다. 둘째, 독립적인 층별 TSM을 곱한 전역 TSM 역시 초과마팅이므로, Vile’s 부등식에 의해 전역 p‑값은 언제든지 유효하다. 따라서 “anytime valid” 라는 강력한 순차적 유효성을 확보한다.

마지막으로, 저자들은 구현 코드를 공개하고, 실제 선거 데이터와 금융 감사 시나리오에 적용한 사례를 제시한다. 코드 베이스는 Python 기반이며, 층 선택과 베팅 전략을 모듈화해 사용자가 손쉽게 다른 결합 함수(예: Fisher’s, Stouffer’s)와 교체할 수 있게 설계되었다.