베이지안 가능도비율의 사후분포와 빈도주의 p값의 통합적 재조명

서론에서는 가설 검정의 전통적 프레임을 소개하고, 단순 대 복합 가설에서 빈도주의와 베이지안 접근이 서로 충돌하는 Lindley 역설을 언급한다 특히 베이지안 증거인 Bayes Factor는 사전분포가 비정규일 경우 상수 곱 문제와 Lindley 역설에 취약함을 지적한다 이러한 배경에서 Dempster가 제안한 Posterior distribution of the Likelihood Ratio(PLR)를 도입하고, PLR이 사후분포에서 직접 가능도비율을 샘플링해 누적분포를 형성한다는 점을 강조한다 다음으로 기존 연구인 Dempster와 Aitkin이 PLR과 빈도주의 p값이 동일함을 보여준 사례(정규 평균 검정, 균등 사전)를 정리한다 이때 PLR의 내부 임계값 ζ=1이 p값과 일치한다는 사실은 단순 가설에 한정된 것이었으며, 논문은 이를 유한 표본에서도 성립하도록 일반화한다 이를 위해 Stein 정리와 유사한 프레임을 구축한다. 즉, 신뢰구간(confidence interval)과 신뢰도 영역(credible region)이 동일한 경우, 두 영역을 정의하는 기준 함수가 동일하면 PLR과 p값이 일치한다는 수학적 증명을 제시한다 제2절에서는 이 일반화된 일치 결과를 구체적인 예시와 함께 설명한다. 첫 번째 예시는 정규 모델에서 사전이 충분히 확산된 경우이며, 두 번째 예시는 지수 가족 전반에 걸친 비대칭 사전에서도 일치가 유지됨을 보인다. 또한, 이 결과가 기존의 신뢰구간‑신뢰도 영역 일치 연구와 어떻게 연결되는지를 논의한다. 제3절에서는 PLR을 복합 대 복합 가설 검정으로 확장한다. 첫 번째 확장은 사전이 비정규이더라도 사후분포가 정규이면 PLR을 정의할 수 있게 하는데, 이를 위해 두 가설의 파라미터 공간에 대한 결합 측도와 사후분포를 이용한다. 수식적으로는 PLR₀(x,ζ)=Pr_{π₀(θ|x)}