불일치 전문가 판단을 위한 부정 확률 기반 의사결정

이 논문은 사회과학·경제학 분야에서 종종 나타나는 ‘불일치 정보’를 정량적으로 다루기 위한 새로운 프레임워크를 제시한다. 저자는 먼저 X, Y, Z라는 세 개의 ±1 값을 갖는 이진 확률변수를 설정하고, 각각에 대해 서로 다른 전문가(Alice, Bob, Carlos)가 제공한 상관관계 E_A(XY)=‑1, E_B(XZ)=‑½, E_C(YZ)=0을 제시한다. 이러한 상관관계는 기존의 Kolmogorov 확률론이 요구하는 공동분포 존재 조건을 위배한다. 구체적으로, Suppes‑Zanotti 부등식 −1 ≤ E(XY)+E(YZ)+E(XZ) ≤ 1+2 min{E(XY),E(YZ),E(XZ)} 을 만족하지 않으므로, X, Y, Z에 대한 전통적인 확률공간을 구성할 수 없게 된다. 논문은 이 문제를 해결하기 위해 세 가지 접근법을 차례로 검토한다. 1. **베이지안 접근** 의사결정자 D는 사전적으로 모든 2³=8개의 원자 사건을 균등하게(각 1/16) 할당한다. 이후 각 전문가의 의견을 ‘가능도(likelihood)’로 모델링한다. 예를 들어, Alice가 제시한 E_A(XY)=‑1을 반영하기 위해 D는 XY=+1, −1 조합에 대한 조건부 가능도를 설정한다. 베이지안 정리를 적용하면 사후분포가 업데이트되지만, 전문가마다 서로 다른 가능도 함수를 가정해야 하며, 이는 주관적인 선택에 크게 의존한다. 결과적으로, 사후분포는 각 쌍의 상관관계는 만족하지만, 세 변수의 삼중 기대값 E(XYZ) 에 대한 고유한 값을 제공하지 못한다. 2. **양자‑유사 접근** 저자는 X, Y, Z를 각각 힐베르트 공간의 관측 연산자 \hat X, \hat Y, \hat Z 로 매핑하고, 이들이 서로 교환 가능하다고 가정한다. 교환 가능성은 공동측정이 가능함을 의미하지만, 실제로는 서로 다른 실험 설정(예: |ψ_xy>, |ψ_xz>, |ψ_yz>)을 필요로 한다. 즉, 한 번의 실험에서 모든 상관관계를 동시에 측정할 수 없으며, 각 상관관계마다 별도의 상태벡터를 도입해야 한다. 따라서 양자 모델은 기존의 상관관계를 재현할 수는 있지만, E(XYZ)와 같은 고차 모멘트를 추정하는 메커니즘을 제공하지 못한다. 3. **부정 확률(negative probability) 접근** 부정 확률은 확률값이 음수가 될 수 있는 ‘시그니드 확률분포’를 허용한다. 전체 확률의 합은 1을 유지하면서, 일부 원자 사건에 대해 음의 확률을 부여함으로써 기존의 부정합성을 해소한다. 논문은 다음과 같은 최적화 문제를 설정한다: (i) 모든 원자 사건에 대한 확률 p_i가 실수이며 ∑p_i=1, (ii) 주어진 쌍 상관관계 조건을 만족하도록 제약식 E(XY)=‑1, E(XZ)=‑½, E(YZ)=0을 적용한다, (iii) 가능한 경우 중 ‘음의 확률의 절댓값 합’을 최소화한다. 이 문제를 풀면 유일하게 p_i가 결정되고, 그 결과 E(XYZ)=‑½라는 값이 도출된다. 이 값은 베이지안·양자 모델이 제공하지 못한 명시적 해답이며, 전문가들의 불일치 정보를 일관된 규범적 기준으로 통합한다는 점에서 의미가 크다. 논문은 마지막으로 세 접근법을 비교한다. 베이지안은 사전·가능도 선택에 크게 의존하고, 결과가 주관적이며 삼중 기대값을 제공하지 못한다. 양자‑유사 접근은 물리학적 직관을 차용하지만, 하나의 고정된 상태로는 모든 상관관계를 동시에 설명할 수 없으며, 역시 E(XYZ)를 추정하지 못한다. 반면 부정 확률은 기존 확률론의 제약을 완화하면서도, 최소한의 ‘비정상성’(음의 확률)만을 허용해 일관된 공동분포를 구성한다. 따라서 규범적 의사결정 관점에서 부정 확률이 가장 강력한 도구임을 주장한다. 결론적으로, 이 연구는 불일치 전문가 판단을 다루는 새로운 수학적 틀을 제시하고, 부정 확률이 기존 베이지안·양자‑유사 모델보다 더 나은 규범적 해답을 제공한다는 실증적 증거를 제시한다. 향후 연구에서는 부정 확률을 실제 금융·정책 의사결정에 적용하고, 실험적 검증을 통해 그 효용성을 확장할 필요가 있다.