약한 의존성 하에서 다중 검정의 점진적 정확성

**1. 서론** 대규모 유전체 연구 등에서 수천에서 수만 개의 가설을 동시에 검정할 때, 검정 통계량 간의 약한 상관이 일반적이다. 기존 연구는 주로 FDR 제어에 초점을 맞추었으며, FWER에 대한 정확한 asymptotic 결과는 부족했다. 저자들은 이러한 공백을 메우기 위해 약한 의존성(ρ_m = o(1/ log m))을 가정하고, 고전적인 Bonferroni와 Sidak 절차를 조정해 FWER가 정확히 α에 수렴함을 보이고자 한다. **2. 사전 정의 및 가정** - 관측값 X_i ~ N(μ_i,1), 공분산 행렬 Σ_n 의 원소 ρ_{ij} ∈(−1,1). - 약한 의존성 조건 (식 1): ρ_m = sup_i |ρ_{i,i+m}| = o(1/ log m) for 1≤m≤n. - I₀, I₁ 은 각각 진 영가설과 거짓 영가설 인덱스 집합, n₀=|I₀|, n₁=n−n₀. **3. 주요 정리** - **Theorem 3.1**: 약한 의존성을 만족하는 표준 정규열에서 k번째 큰 값의 극한 분포는 τ = lim n d_n(1−Φ(u_n)) 에 따라 e^{−τ}·τ^{k−1}/(k−1)! 로 수렴한다. - **Theorem 3.2**: 조정된 Bonferroni 임계값 c_{Bon}(n,α)=Φ⁻¹(1−(−log(1−α))/n) 와 Sidak 임계값 c_{Sidak}(n,α)=Φ⁻¹((1−α)^{1/n}) 를 사용하면, n₀/n→1 일 때 FWER → α. - **Remark 1**: n₀/n = p₀ <1 인 경우, 임계값을 Φ⁻¹(1−(−log(1−α))/(np₀)) 로 조정하면 동일한 수렴을 얻는다. - **Remark 2**: 수렴 속도는 R_n = max{ n^{−(1+ν)/(1+γ)}(log n)^{1/(1+γ)}, … } 로 제시되며, γ = sup_n ρ_n <1, ν>0 임을 강조한다. **4. 검정력(AnyPwr) 분석** - **Theorem 4.1**: n₁→∞, n₁/n→p₁>0, 그리고 μ_{max}=max_{i∈I₁} μ_i 가 √(2 log n₁) 보다 작으면 AnyPwr → 1. - **Proposition 1** 및 **Theorem 4.2**: 모든 비영가설 평균이 일정한 양수 하한 μ>0 을 갖고, n₁·e^{−μ²/2}·(log n)^{½}→∞이면 AnyPwr → 1. 이는 조정된 Bonferroni와 Sidak 모두에 적용된다. **5. 양측 검정 확장** - 절대값 |X_i| 를 사용하고, 임계값을 c_{Bon}(2n,α), c_{Sidak}(2n,α) 로 두어 **Theorem 5.2** 가 FWER → α 를 보인다. - Lehmann‑Romano 절차에 대한 k‑FWER도 τ = Φ⁻¹(1−kα/(2n)) 로 대체하면 e^{−kα}·(kα)^{k−1}/(k−1)! 로 수렴한다. **6. 시뮬레이션** - 제품 상관 구조 ρ_{ij}=λ_i λ_j (λ_i = λ·i^{−(1+δ)}) 를 사용해 약한 의존성을 구현. - 식 (9), (10) 로 FWER를 정확히 계산하고, 10 000번 반복 실험을 수행. - 결과: 조정된 Bonferroni와 Sidak 모두 α=0.05 에 대해 평균 FWER ≈0.05 를 보이며, ρ가 0.3~0.7 사이에서도 안정적이다. - 또한, n₀/n이 0.9, 0.8 등으로 감소할 경우에도 p₀ 보정 임계값을 사용하면 목표 수준을 유지한다는 추가 실험 결과가 제시된다. **7. 결론 및 향후 연구** 본 논문은 약한 의존성 하에서 단일 단계 Bonferroni와 Sidak 절차가 asymptotically exact FWER 제어를 제공한다는 중요한 이론적 기여를 한다. 이는 기존에 등상관 혹은 독립 가정에 의존하던 다중 검정 방법을 일반화한다. 제한점으로는 n₀/n→1이라는 가정이 필요하고, 실제 데이터에서 이 비율이 낮을 경우 보정이 필요함을 언급한다. 향후 연구는 비정규분포, 고차원 비선형 의존성, 그리고 FDR와의 통합 제어 방안을 탐구할 여지를 남긴다.