조건부 밀도 추정을 위한 양자‑코퓰라 기반 비모수 추정기

논문은 조건부 밀도 f(y|x) 추정의 필요성을 서론에서 강조한다. 평균 E(Y|X=x) 뿐 아니라 전체 분포 형태를 파악해야 하는 상황(다중모달, 비대칭, 꼬리 무거운 데이터 등)을 예시로 들며, 기존 방법들의 한계—특히 Rosenblatt‑Nadaraya‑Watson 형태의 비율 추정기가 분모가 0에 가까워질 때 발생하는 불안정성과, 로컬 다항 회귀가 양성 보장·정규화 문제를 갖는 점—을 지적한다. 이를 극복하기 위해 저자는 양자 변환과 코퓰라 이론을 결합한 새로운 추정기를 제안한다. 2절에서는 양자 변환의 이론적 배경을 설명한다. 연속 누적분포함수 F, G에 대해 U=F(X), V=G(Y) 는 균등(0,1) 분포를 갖고, (U,V)의 결합분포는 코퓰라 C(u,v) 로 표현된다. 경험 누적분포함수 F̂_n, Ĝ_n을 이용해 관측값을 (U_i,V_i)≈(F̂_n(X_i), Ĝ_n(Y_i))로 변환한다. 코퓰라 밀도 c(u,v)=∂²C/∂u∂v 는 마진과 독립적인 의존 구조를 포착한다. 3절에서는 추정기의 구체적 구성요소를 정의한다. (i) Y의 주변 밀도 g(y) 는 1차 커널 K₀와 밴드폭 h_n으로 추정: ˆg_n(y)= (1/nh_n)∑K₀((y−Y_i)/h_n). (ii) 코퓰라 밀도 c(u,v) 는 이중 커널 K(u,v)=K₁(u)K₂(v)와 동일 밴드폭 a_n을 사용해 ˆc_n(u,v)= (1/na_n²)∑K₁((u−F̂_n(X_i))/a_n)K₂((v−Ĝ_n(Y_i))/a_n). (iii) 최종 추정식은 ˆf_n(y|x)=ˆg_n(y)·ˆc_n(F̂_n(x), Ĝ_n(y))이다. 이 식은 곱 형태이므로 양수이며, 적분값이 1에 수렴한다는 정규화 특성을 자연스럽게 만족한다. 4절에서는 이론적 분석을 전개한다. 기본 가정으로는 F, G가 연속·단조 증가, g와 c가 두 번 미분 가능하고 유계이며, 커널은 1차, 유한 2차 모멘트, 유한 변동성을 가진다. 정리 3.1은 점별 약일관성을 보여주며, 오차항은 1/√(nh_n)+h_n²+1/(na_n²)+a_n² 이다. 최적 밴드폭 선택 h_n≈n^{-1/5}, a_n≈n^{-1/6} 시 n^{-1/3} 수렴률을 얻는다. 이는 비모수 추정의 최소극대 속도와 일치한다. 정리 3.2는 로그 로그 항을 포함한 거의 확실한 수렴을 제공한다. 증명은 기존 커널 밀도 추정기의 편향·분산 결과와, 경험 누적분포함수와 실제 누적분포함수 사이의 차이를 제어하는 보조 보조정리(lemmas 5.4, 5.5)를 결합한다. 5절에서는 시뮬레이션 연구를 제시한다. 다양한 모형(정규, 혼합, 꼬리 무거운 분포)에서 제안된 추정기와 Rosenblatt‑Nadaraya‑Watson, 로컬 다항 회귀 기반 추정기를 비교한다. 평균 제곱오차(MSE)와 최대 절대오차(MAE) 모두에서 제안 방법이 우수함을 보이며, 특히 X가 밀도가 낮은 구간에서 분모가 작아지는 현상이 사라져 수치적 안정성이 크게 향상된다. 또한, 밴드폭 선택에 대한 민감도 분석을 통해 제안 방법이 비교적 넓은 밴드폭 범위에서도 견고함을 확인한다. 마지막으로 결론에서는 양자‑코퓰라 접근법이 마진과 의존 구조를 명확히 분리함으로써 비모수 조건부 밀도 추정의 이론적·실용적 난제를 해결한다는 점을 강조한다. 향후 연구 방향으로는 다변량 X에 대한 확장, 고차원 코퓰라 추정기의 효율적 구현, 그리고 데이터‑드리븐 밴드폭 선택 방법론 개발을 제시한다.