동시적 순서통계 집중과 새로운 Glivenko‑Cantelli 정밀화

본 논문은 확률론과 통계학에서 가장 기본적인 수렴 정리 중 하나인 Glivenko‑Cantelli 정리를 새로운 관점에서 재조명한다. 전통적인 정리는 경험분포함수 Fₙ이 모집단 누적분포함수 F에 대해 거의 확실히 균등 수렴한다는 사실만을 보장한다. 이는 “거시적” 구조, 즉 전체 표본이 전체 분포를 어떻게 근사하는가에 대한 정보를 제공하지만, 개별 관측값이 정확히 어느 위치에 놓이는가에 대해서는 전혀 제어하지 못한다. 실제 데이터 분석에서는 순서통계량, 즉 정렬된 표본 X_{(1)}≤…≤X_{(n)}의 위치가 중요한 경우가 많다. 예를 들어, 분위수 추정, 신뢰구간 구성, 혹은 순위 기반 검정에서는 각 X_{(i)}가 이론적 분위수 F^{-1}(i/n)와 얼마나 가깝게 위치하는지가 핵심이다. 저자들은 이러한 “미세구조”를 정량화하기 위해, 모든 순서통계량이 동시에 목표 분위수 근처에 집중한다는 강력한 결과를 제시한다. 논문의 흐름은 다음과 같다. 1. **문제 설정 및 기존 한계** i.i.d. 표본 (x_i)_{i=1}^n을 가정하고, 경험분포함수 Fₙ와 누적분포함수 F를 정의한다. Glivenko‑Cantelli 정리는 sup_x|Fₙ(x)-F(x)|→0 a.s.를 보이지만, 이는 “o(n)개의 점을 자유롭게 움직여도” 수렴에 영향을 주지 않는다. 따라서 순서통계량에 대한 동시적 제어가 필요하다. 2. **주요 가정** - F는 연속이고 미분가능하며, 밀도 f는 구간