네이만-피어슨 보조정리 (Neyman-Pearson Lemma)
쉽게 풀면
가설검정을 설계할 때 '거짓을 참이라고 잘못 판단할 위험(제1종 오류)'을 일정 수준으로 억제하면서 동시에 '참을 참이라고 제대로 판단할 확률(검정력)'을 최대한 높이고 싶다. 네이만-피어슨 보조정리는 이런 상황에서 가장 좋은 검정 방법이 바로 두 가설 하의 우도(가능성) 비율을 비교하는 방법임을 수학적으로 증명한 정리다. 이는 가설검정 이론 전체의 출발점이 되는 결과로, 이후의 모든 검정 이론이 이 원리를 확장한 것이다.
왜 중요한가
네이만-피어슨 보조정리는 "어떤 검정이 가장 좋은 검정인가"라는 질문에 수학적으로 답을 제시한 최초의 결과이기 때문에, 현대 통계적 가설검정 이론 전체의 기초로 다뤄집니다. t검정, 카이제곱검정 등 실제로 널리 쓰이는 여러 검정 방법들이 특정 조건 하에서 이 보조정리가 제시하는 우도비 검정과 동일하거나 유사한 형태로 유도될 수 있어, 검정 방법의 이론적 정당성을 설명할 때 자주 인용됩니다. 또한 복합가설로 확장되는 균일최강력검정, 신호탐지이론의 최적 판별 규칙 등 후속 이론들의 출발점이 된다는 점에서도 중요하게 다뤄집니다.
논문에서는 이렇게 쓰입니다
가설검정 이론에서 가장 우수한 검정 절차를 이론적으로 도출하는 근거로 언급된다.
신호처리·통신공학에서 오탐지율을 제한하면서 탐지율을 최대화하는 판별 규칙을 설계할 때 이 보조정리가 이론적 근거로 쓰이는 사례입니다.
생물통계학에서 두 경쟁 모델을 비교하는 근거로 우도비 검정을 사용하는 예시입니다.
조금 더 깊게 보면
이 보조정리의 핵심은 우도비(두 가설 하에서의 우도의 비율)가 특정 임계값보다 큰 영역을 기각역으로 설정하는 검정이, 주어진 제1종 오류 수준에서 검정력을 최대화하는 유일한 형태라는 것입니다. 실제 적용에서는 관심 있는 두 가설이 모두 단일한 모수값으로 특정되는 단순가설인 경우는 드물고, 모수의 범위를 다루는 복합가설이 대부분이라, 이 경우에는 우도비 검정이 항상 최강력검정이 되는 것은 아니며 균일최강력검정이 존재하는지 별도로 검토해야 합니다. 그럼에도 불구하고 우도비 자체는 여전히 유용한 검정통계량으로 남아, 점근적 우도비 검정이나 정보량 기준(AIC, BIC 등)과 연결되는 방식으로 폭넓게 응용됩니다.
주의할 점
이 보조정리는 단순가설 대 단순가설의 비교에서만 최적성을 보장하며, 복합가설이 개입되면 균일최강력검정이 항상 존재하지는 않는다.