베이지안 신뢰도 (Bayesian Credibility)
쉽게 풀면
어떤 사람의 사고 위험을 예측할 때, 우리는 처음에는 전체 평균적인 정보(사전 지식)만 갖고 있습니다. 그런데 그 사람의 실제 사고 이력(새로운 데이터)이 쌓이면, 이 두 정보를 합쳐서 더 정확한 예측을 만들 수 있습니다. 베이지안 신뢰도는 바로 이 "기존 지식과 새 정보를 합리적으로 섞는 방법"을 수학적으로 정리한 이론입니다. 관측 데이터가 많아질수록 개인의 실제 경험에 더 큰 비중을 두고, 데이터가 적으면 전체 평균에 더 의존하게 됩니다.
왜 중요한가
베이지안 신뢰도는 뷸만 모형을 포함한 여러 신뢰도 공식들이 왜 특정 형태를 갖는지에 대한 이론적 근거를 제공하기 때문에 신뢰도이론 연구의 근간을 이룹니다. 사전분포 선택과 사후분포 갱신 과정을 명시적으로 다룰 수 있어, 실무에서 사용하는 근사적 신뢰도 공식의 타당성을 검증하는 데도 활용됩니다.
논문에서는 이렇게 쓰입니다
사전에 가정한 분포와 관측된 사고 데이터를 결합해 각 계약자의 예상 사고 빈도를 갱신했다는 뜻입니다.
특정 확률분포 조합에서는 베이지안 방법과 전통적인 선형 신뢰도 공식이 같은 결과를 준다는 이론적 논의입니다.
조금 더 깊게 보면
베이지안 신뢰도는 위험모수에 대한 사전분포를 설정하고, 관측된 손해 데이터를 우도함수로 반영하여 사후분포를 구한 뒤 그 기댓값을 예측치로 사용합니다. 사전분포와 우도함수가 켤레(conjugate) 관계에 있을 경우 계산이 단순해지며, 이런 경우 결과가 전통적인 선형 신뢰도 공식과 같아지는 것으로 알려져 있습니다.
주의할 점
베이지안 신뢰도는 이론적으로 우아하지만 사전분포를 정확히 알기 어려운 실무 상황에서는 적용이 제한적일 수 있습니다. 이런 한계 때문에 실무에서는 사전분포를 데이터로부터 추정하는 경험적 베이즈추정이 대안으로 널리 쓰입니다.