데이터 기반 효율적 점수 검정으로 풀어보는 디컨볼루션 문제

본 논문은 관측값에 잡음이 섞인 디컨볼루션 모델에서 신호 밀도에 대한 가설 검정을 위한 새로운 통계적 방법론을 제시한다. 전통적인 거리 기반 검정이 제한된 대안 방향에만 최적이라는 한계를 지적하고, 무한 차원의 대안에 대해 중간 효율성을 제공하는 점수 검정(score test) 접근법을 채택한다. 1. **문제 설정** - 관측값 Y_i = X_i + ε_i 로 표현되며, ε_i는 알려진 밀도 h(·)를 가진 독립 잡음이다. - 신호 X_i 의 밀도 f 가 알려진 가설 f_0 와 동일한지 검정한다. 2. **파라메트릭 점수 검정** - 신호 밀도 f 를 파라메트릭 가족 {f_θ} 로 모델링하고, 관측 Y 의 밀도 q(y;θ)=∫f_θ(s)h(y−s)ds 를 정의한다. - 정규성 가정(hB1‑hB3)을 만족하면 점수 함수 ˙l(y;θ)=∂_θ log q(y;θ)와 Fisher 정보 I(θ)를 명시적으로 계산할 수 있다. - 귀무가설 θ=0 에서 효율 점수 l*(y)=˙l(y;0) 를 도출하고, 이를 이용해 검정 통계량 U_k = (1/√n Σ l*(Y_j))^T L (1/√n Σ l*(Y_j)) 를 만든다. 여기서 L은 E_0