불확실성을 잇는 두 이론 불완전 확률 트리의 통합

본 논문은 불완전 확률을 다루는 두 주요 이론, 즉 와일리(Peter Walley)의 행동주의적 불완전 확률 이론과 샤퍼·보프(Shafer & Vovk)의 게임‑이론적 확률 체계를 비교·연계한다. 서론에서는 두 접근법이 각각 램지·데 핀니·윌리엄스 전통과 마팅게일·도박 시스템 전통에 뿌리를 두고 있음을 강조하고, 이들이 겉보기엔 서로 다른 해석적 배경을 갖지만 실제로는 깊은 수학적 연관성을 가진다는 점을 제시한다. 2장에서는 샤퍼·보프의 게임‑이론을 상세히 설명한다. 현실(Reality)은 제한된 깊이와 폭을 가진 이벤트 트리를 따라 움직이며, 각 비단말 노드 t에서 가능한 움직임 집합 Wₜ를 가진다. 회의자(Sceptic)는 각 상황 t에서 선택 가능한 움직임 집합 Sₜ와 이득 함수 λₜ(s,w)를 통해 자본을 누적한다. 전략 P는 비단말 상황에 대한 부분 과정이며, 이에 대응하는 자본 과정 K_P는 마팅게일 성질을 만족한다. 정확 사건(Exact event)과 컷(cut) 개념을 도입해 조건부 확률을 정의하고, ‘정밀한’ 사건만을 대상으로 역방향 재귀가 가능함을 보인다. 3장에서는 와일리의 행동주의적 불완전 확률을 소개한다. 여기서는 하한·상한 사전확률이 주관적 베팅율에 의해 정의되고, 코우르노 원리를 통해 일관성(coherence)이 확보된다. 즉, 어떤 베팅 전략도 확정적인 손실을 초래하지 않아야 한다는 조건이 핵심이다. 4·5장에서 두 이론 사이의 대응 관계를 정립한다. 저자는 와일리의 즉시 예측(Immediate Prediction) 개념을 게임‑이론적 프레임에 매핑함으로써, 하한·상한 사전확률이 회의자의 허용 가능한 자본 증가율과 동등함을 증명한다. 특히, ‘정확 사건’만을 조건부로 사용할 수 있다는 점을 이용해 ‘마진 확장(Marginal Extension)’ 정리를 도출한다. 이 정리는 트리의 각 노드에서 가능한 전이 확률을 하한·상한 형태로 압축하고, 역방향 재귀를 통해 전체 트리의 일관성을 검증한다. 6장에서는 이러한 구조를 이용해 일반화된 약법칙(Weak Law of Large Numbers)을 증명한다. 불완전 확률 트리에서 즉시 예측이 일관된 경우, 평균 과정은 하한·상한 기대값 구간 안으로 수렴한다. 이는 회의자의 자본이 무한히 커질 확률이 0임을 의미하며, 코우르노 원리와 직접 연결된다. 7장에서는 위의 약법칙을 활용해 프리퀀셜(Prequential) 원칙에 부합하는 예측 모델의 점수 체계를 제시한다. 관측이 진행될수록 모델이 제공하는 하한·상한 예측이 실제 관측과 얼마나 일치하는지를 측정함으로써, 불완전 확률 모델의 실용적 평가 방법을 제공한다. 8장에서는 실제 예시와 응용을 통해 이론의 유용성을 보여준다. 두 동전 던지기 예시에서는 전통적인 정확 확률 트리와 달리, 불완전 확률 트리를 사용해 전이 확률을 구간 형태로 표현하고, 동적 프로그래밍을 통해 연산 복잡도를 지수에서 다항 시간으로 감소시킨다. 또한, 신경망 기반 예측 모델에 프리퀀셜 점수를 적용하는 방법을 논의한다. 결론에서는 두 이론의 통합이 불완전 확률 트리와 랜덤 프로세스의 이론적 기반을 확립하고, 계산 효율성 및 통계적 수렴성을 동시에 제공한다는 점을 강조한다. 향후 연구 방향으로는 무한 깊이 트리, 연속 상태 공간, 그리고 강화학습과의 연계가 제시된다.