레만-셰페 정리 (Lehmann-Scheffé Theorem)
쉽게 풀면
라오-블랙웰 정리가 '충분통계량을 이용하면 추정량을 개선할 수 있다'고 말해준다면, 레만-셰페 정리는 한 걸음 더 나아가 '완비성'이라는 추가 조건까지 만족하는 충분통계량을 이용하면 그렇게 얻은 추정량이 이론적으로 가능한 가장 좋은(분산이 가장 작은) 불편추정량임을 확정적으로 보장해준다. 이는 어떤 추정 문제에서 더 이상 개선할 수 없는 최선의 추정량을 찾았다는 것을 수학적으로 증명하는 강력한 결과다. 정규분포의 표본평균이 모평균의 UMVUE라는 사실도 이 정리로 증명된다.
왜 중요한가
레만-셰페 정리는 어떤 추정량이 '더 나은 추정량이 존재하지 않음'을 이론적으로 확정해주기 때문에, 새로운 추정 절차를 제안하는 통계이론 논문에서 최적성을 입증하는 핵심 근거로 쓰입니다. 지수족 분포처럼 완비충분통계량이 알려진 모형에서 표준적인 추정량이 최선임을 정당화할 때 자주 인용되며, 최대우도추정이나 모멘트법 등 다른 추정법과의 비교 기준으로도 활용됩니다.
논문에서는 이렇게 쓰입니다
특정 추정량이 이론적으로 더 이상 개선 불가능한 최적의 불편추정량임을 증명하는 데 사용된다.
이산확률분포를 다루는 생물통계 응용에서 최적 추정량을 유도하는 절차를 설명하는 문장이다.
제안 추정량의 이론적 한계를 논의할 때 쓰이는 문장이다.
조금 더 깊게 보면
레만-셰페 정리를 적용하려면 통계량이 충분성뿐 아니라 완비성(completeness)까지 만족해야 하는데, 완비성은 '그 통계량의 함수로 만든 기댓값이 항상 0이 되는 함수는 오직 0함수뿐'이라는 성질로, 직관적으로 확인하기 쉽지 않아 지수족 분포 등 특정 모형군에서 이미 알려진 결과를 이용하는 경우가 많습니다. 실제 응용에서는 완비충분통계량의 존재 여부 자체가 불확실한 모형도 있어, 이런 경우 UMVUE의 존재를 보장할 수 없고 대신 점근적 효율성 같은 다른 기준으로 추정량을 평가합니다.
주의할 점
이 정리를 적용하려면 충분통계량이 단순히 충분한 것을 넘어 완비성이라는 더 강한 조건까지 만족해야 하는데, 이 조건은 모든 분포에서 성립하는 것은 아니다.