연속사상정리 (Continuous Mapping Theorem)

한 줄 정의: 어떤 확률변수가 특정 값이나 분포로 수렴할 때, 그 확률변수에 연속함수를 적용한 결과도 그 함수를 적용한 극한값이나 극한분포로 수렴한다는 정리.

쉽게 풀면

표본평균이 모평균으로 수렴한다는 것을 알고 있을 때, '표본평균의 제곱'은 어디로 수렴할까? 연속사상정리는 원래의 극한값에 같은 함수(제곱)를 적용하기만 하면 답을 얻을 수 있다는 편리한 규칙을 제공한다. 즉 연속함수는 수렴이라는 성질을 그대로 '통과'시켜준다는 원리로, 여러 통계량의 극한분포를 유도할 때 반복적으로 활용되는 기초적인 도구다.

왜 중요한가

실증 연구에서 다루는 통계량은 대부분 표본평균처럼 단순한 형태가 아니라, 여러 통계량을 사칙연산이나 함수로 조합한 형태를 띤다. 연속사상정리는 이런 조합된 통계량의 극한 성질을 처음부터 다시 유도하지 않고, 이미 알려진 극한 결과에 함수를 씌우는 것만으로 얻어낼 수 있게 해준다. 그래서 점근이론을 다루는 계량경제학, 통계학 논문에서 검정통계량이나 추정량의 점근분포를 유도하는 거의 모든 증명 과정에 배경 도구로 등장한다. 슬러츠키 정리, 델타법 등과 함께 점근적 결과를 조립하는 표준 부품 역할을 한다고 볼 수 있다.

논문에서는 이렇게 쓰입니다

"연속사상정리를 적용하여 표본분산의 제곱근인 표본표준편차의 극한분포를 유도하였다."

복잡한 통계량의 극한분포를 더 간단한 통계량의 극한분포로부터 유도할 때 사용되는 기본적인 이론 도구다.

"두 추정량의 비율로 정의된 검정통계량은 연속사상정리에 의해 각 추정량의 결합 극한분포로부터 그 극한분포가 도출된다."

계량경제학에서 회귀계수 추정량 간의 비율이나 함수로 구성된 검정통계량의 점근분포를 구할 때 흔히 등장하는 서술 방식이다.

"몬테카를로 시뮬레이션의 수렴성은 연속사상정리와 대수의 법칙을 결합하여 정당화되었다."

시뮬레이션 기반 방법론 논문에서 추정량의 함수 형태로 정의된 시뮬레이션 결과가 참값으로 수렴함을 보일 때 함께 인용되는 방식이다.

조금 더 깊게 보면

연속사상정리는 확률수렴, 분포수렴, 거의 확실한 수렴 등 여러 형태의 수렴에 대해 각각 성립하며, 어떤 수렴 개념을 다루는지에 따라 결론도 그에 대응하는 형태로 나온다. 함수가 전 구간에서 연속일 필요는 없고, 수렴하는 값이 놓이는 지점들의 집합에서만 연속이면 충분하다는 점도 실제 증명에서 자주 활용되는 완화된 조건이다. 흔히 함께 등장하는 슬러츠키 정리는 연속사상정리의 특수한 활용 사례로 볼 수 있고, 델타법은 연속사상정리에 미분 가능성 조건을 더해 극한분포의 형태(주로 정규분포)까지 구체적으로 특정하는 확장된 도구라고 이해하면 관계가 정리된다.

주의할 점

이 정리는 함수가 연속이어야 한다는 조건이 필요하며, 불연속점을 포함하는 함수에는 일반적으로 적용할 수 없다.