대립당 선택을 위한 최적 양자화 메커니즘

본 논문은 “대표성”이라는 목표를 정량화하고, 두 대립 당사자가 서로 반대되는 순위 선호를 갖는 상황에서 작은 표본(k개)을 어떻게 선택할 것인가를 연구한다. 먼저 인구를 n개의 아이템으로 모델링하고, 두 당이 동일한 순위 정보를 관찰하지만 한 당은 상위 아이템을, 다른 당은 하위 아이템을 선호한다는 가정을 설정한다. 이때 선택 규칙은 사전에 정해져야 하며, 실제 선호가 드러난 후에도 양 당이 자신의 선호를 완전히 알 수 있는 ‘완전 정보’ 상황을 가정한다. 대표성 평가는 전체 모집단의 누적분포함수(CDF)와 선택된 표본의 CDF 사이의 거리로 측정한다. 구체적으로 Kolmogorov‑Smirnov(KS) 거리, L1 거리, Cramér‑von Mises(CvM) 통계량을 사용한다. 이 세 척도는 각각 최대 편차, 평균 절대 편차, 제곱 편차를 반영하므로, 메커니즘이 어느 하나라도 최적이면 다른 두 척도에서도 좋은 성능을 기대할 수 있다. 저자들은 고전적인 cake‑cutting의 cut‑and‑choose 아이디어를 차용해 ‘Quantile 메커니즘’을 제안한다. 한 당이 인구를 k개의 불연속 집합으로 파티션하고, 다른 당이 각 집합에서 하나씩 선택한다. 파티션을 담당하는 당은 상대가 각 집합에서 가장 낮은 순위(또는 가장 높은 순위) 아이템을 선택할 것을 예상하고, 따라서 자신의 선호에 따라 가장 높은 순위 아이템을 가장 작은 집합에, 그 다음 높은 순위 아이템을 두 번째 작은 집합에 배치한다. 이렇게 하면 최종적으로 선택된 표본은 전체 순위의 1/k, 2/k, …, (k‑1)/k, 1에 해당하는 ‘양자점’들로 구성된다. 주요 정리에서는 모든 가능한 메커니즘 중 Quantile 메커니즘이 KS, L1, CvM 거리 모두에서 최소값을 달성한다는 것을 증명한다. 증명은 (1) 파티션 후 상대가 선택할 수 있는 최악의 아이템이 각 집합의 최소값이라는 사실을 이용하고, (2) 어떤 다른 메커니즘이라도 최소 하나의 집합에서 이 최소값보다 높은 순위 아이템을 남겨두면 전체 CDF와의 편차가 커진다는 점을 보인다. 따라서 Quantile 메커니즘은 ‘대표성 최적’이라는 의미에서 지배적이다. 또한, 현재 배심원 선정에서 사용되는 ‘strike‑out’ 메커니즘, 무작위 샘플링, 그리고 직접 보고 메커니즘(direct mechanism)과 비교했을 때, Quantile 메커니즘이 항상 동일하거나 더 작은 거리 값을 갖는다는 실증적 결과를 제시한다. 직접 메커니즘은 두 당이 서로 거짓 보고를 할 유인이 있어 Nash 균형이 무작위 선택에 머무르지만, Quantile 메커니즘은 전략적 왜곡이 없으며, 파티션을 수행하는 당이 누구든 동일한 양자점을 산출한다는 대칭성을 가진다. 논문은 세 가지 실제 적용 사례를 상세히 논의한다. 첫째, 배심원 선정에서는 현재 ‘peremptory challenge’와 ‘strike‑and‑replace’ 절차가 소수 집단을 과소대표하는 문제가 알려져 있다. Quantile 메커니즘을 적용하면 각 양자점에 해당하는 인구 비율을 정확히 반영한 배심원 풀을 구성할 수 있어, 소수 집단의 대표성을 크게 향상시킬 수 있다. 둘째, 다중소송(MDL)에서 ‘bellwether’ 사건을 선택할 때, 기존의 당‑주도 선택이나 단순 무작위 선택은 사건 특성(예: 손해액, 청구 유형)의 분포를 왜곡한다. 양자점 기반 선택은 전체 사건 풀의 분포를 보존하므로, 판결 예측과 합의 협상에 더 신뢰할 수 있는 정보를 제공한다. 셋째, 독립 재구획 위원회 구성에서는 정당 비율과 인구·인구통계적 다양성을 동시에 만족시켜야 하는 복합 제약이 있다. 양자화 메커니즘은 각 양자점에 해당하는 인구 집단을 균등하게 추출함으로써, 기존의 다단계 vetting 절차보다 간단하면서도 대표성을 보장한다. 추가적인 확장 결과로는 (i) 임의의 양자점 집합도 적절한 cut‑and‑choose 형태로 구현 가능함을 보이며, (ii) 두 당의 선호가 완전히 반대되지 않을 경우에도 Quantile 메커니즘이 근사 최적임을, (iii) 단일 당(협력적 상황)에서도 동일 메커니즘이 대표성 최적을 달성한다는 점을 제시한다. 모든 증명은 부록에 자세히 기술되어 있다. 결론적으로, 이 논문은 대립당 선택이라는 제로섬 게임 구조 안에서 통계적 대표성을 극대화하는 메커니즘을 이론적으로 완전히 규정하고, 법·정치 현장의 구체적 문제에 적용함으로써 학문적 기여와 실무적 파급 효과를 동시에 제공한다.