📂확률론

평균과 분산의 또 다른 정의

정의

유클리드 공간 $\mathbb{R}$ ¹

확률변수 $X :\Omega \to \mathbb{R}$ 에 대해서 편차제곱의 기대값의 인피멈 $\sigma^{2} (X) \in \mathbb{R}$ 을 $X$ 의 분산^variance이라 정의한다. $$\sigma^{2} \left( X \right) := \inf_{a \in \mathbb{R}} E \left[ \left( X - a \right)^{2} \right]$$ 편차제곱의 기대값을 최소화하는 값 $\mu (X) \in \mathbb{R}$ 를 평균^mean이라 정의한다. $$\mu \left( X \right) := \argmin_{a \in \mathbb{R}} E \left[ \left( X - a \right)^{2} \right]$$

일반적인 공간 $\mathcal{R}$

확률원소 $X : \Omega \to \mathcal{R}$ 에 대해서 편차제곱의 기대값의 인피멈 $\sigma^{2} (X) \in \mathbb{R}$ 을 $X$ 의 분산이라 정의하고, 편차제곱의 기대값을 최소화하는 $\mu (X) \in \mathcal{R}$ 을 평균이라 정의한다.

설명

원래 보편적인 확률론에서는 퍼스트 모먼트로써 평균을 정의한 뒤 평균과의 편차제곱합으로써 분산을 정의한다. 우연의 일치인지 어떤지는 몰라도 평균은 편차제곱합을 최소화하는 성질을 가지고 있고, 실제로 증명할 수도 있다. 그러나 이 포스트에서는 분산을 먼저 정의하고 편차제곱의 기대값을 최소화하는 것을 평균이라 정의하는데, $\mathbb{R}^{n}$ 이 아닌 매니폴드 등을 상정하면 오히려 이 쪽이 최소제곱이라는 센스에서 더 자연스럽다.

$X : \Omega \to \mathcal{R}$ 에 대한 분산과 평균의 정의에 따르면 평균은 더 이상 유일하지 않을 수도 있다. 예를 들어 구면 $S^{2}$ 위에서의 확률분포인 피셔 분포를 생각해보자. 구면 상에서의 어떤 점 $\mu$ 의 정반대에 위치한 점을 $- \mu$ 라 나타낸다면, $X \sim \text{vMF}_{3} \left( \mu , \kappa \right)$ 이고 $Y \sim \text{vMF}_{3} \left( -\mu , \kappa \right)$ 이라 할 때 $X + Y$ 는 $\mu$ 와 $-\mu$ 둘 다를 평균으로써 가져도 전혀 문제 없다.

앞선 예시에서 흥미로운 점은 ‘평균’이라는 단어 자체의 의미가 이미 퇴색되어 있다는 것이다. $\mathbb{R}$ 외의 세상에서 평균은 그냥 평균이 아니라 평균 벡터, 평균 행렬, 평균 그래프 등의 여러가지 표현이 있을지도 모른다. 그러나 분산은 확률원소가 어떤 $\mathcal{R}$ 에서 정의되더라도 여전히 흩어짐^dispersion을 나타내는 개념으로써 항상 실수 값을 가질 것이다. 이러한 관점에서 본다면 분산이야말로 본질적이며 핵심적인 개념이고, 평균보다 앞서서 정의되는 것이 당연하다.