계층베이지안 모델 깁스 샘플러 안정성 분석

본 논문은 계층베이지안 모델에서 널리 사용되는 깁스 샘플러의 수렴 특성을 오류분포의 꼬리 형태와 파라미터화 방식에 따라 체계적으로 분류한다. 1장 서론에서는 계층 모델이 복잡한 실제 데이터 분석에 어떻게 활용되는지를 소개하고, 기존 연구가 주로 가우시안 오류에 국한되어 있음을 지적한다. 저자는 비가우시안, 특히 꼬리가 무거운 대칭 분포를 포함하는 일반적인 오류 구조를 고려함으로써, 기존 이론의 한계를 극복하고자 한다. 2장에서는 모델 설정과 파라미터화 개념을 명확히 한다. 기본 모델은 Y_i = C_i X_i + Z_{1i}, X_i = D Θ + Z_{2i} 로, Z₁, Z₂는 각각 대칭 연속 밀도 f₁, f₂ 를 가진다. 파라미터화는 (X,Θ) 를 그대로 사용하는 중심화 파라미터화 P₀와, X를 Θ와 선형 변환한 ˜X = X−DΘ 로 대체하는 비중심화 파라미터화 P₁ 로 구분한다. 두 파라미터화는 각각 조건부 독립성 구조가 다르며, 이는 깁스 샘플러의 전이 커널에 직접적인 영향을 미친다. 3장에서는 수렴 이론의 핵심을 제시한다. 먼저, 전체 체인의 수렴을 평가하기 위해 총 변동(total variation) 거리와 기하학적 수렴 정의를 도입한다. Gaussian 경우(3.1절)에는 기존 결과를 재정리하고, 상관계수 ρ = Corr(U,Θ|Y) 로 수렴률 r = ρ² 를 표현한다. 이는 파라미터화 선택에 따라 ρ가 달라져 수렴 속도가 크게 변함을 보여준다. 3.2절에서는 비가우시안 오류를 갖는 일반 선형 계층 모델에 대한 새로운 정리를 제시한다. 핵심 가정은 f₁, f₂ 가 연속이고 양의 하한을 가지며, 꼬리 비율 τ = lim_{|z|→∞} f₁(z)/f₂(z) 가 0,∞,또는 양의 유한값 중 하나에 해당한다는 것이다. - τ = 0 (Z₁ 꼬리가 가벼움) → P₀ 파라미터화에서 서브기하학적 수렴, P₁에서는 균일 기하학적 수렴. - τ = ∞ (Z₁ 꼬리가 무거움) → 반대로 P₁이 서브기하학적, P₀가 균일 기하학적. - τ ∈ (0,∞) → 두 파라미터화 모두 기하학적 수렴, 하지만 ρ에 따라 속도가 달라진다. 정리 3.3‑3.5는 위와 같은 꼬리 비율에 기반한 수렴 구분을 엄밀히 증명한다. 증명은 (i) Lyapunov 함수 V(x,θ)=|x|^p+|θ|^p 로부터 드리프트 조건 E