Equivalence Test-then-pool 확장 연구 — 작업 기록

연구 A — 여러 historical source

여러 과거 대조군을 (i) 위험(risk) 기반 가중치로 결합하거나 (ii) source별 equivalence fusion 후 pooling. 같은 데이터에서 선택한 뒤 검정하는 문제를 permutation 재선택(full reselection)으로 다룸.

연구 B — shrinking radius / vanishing borrowing

원 논문 Remark 3.19의 검정력 사각지대를 반경 $\theta_n$ 또는 borrowing 비중 $b_n$을 사전에 정한 속도로 줄여 해결하는 방법과 그 대가(local power).

원칙

• 최종 귀무가설은 항상 $H_0: Q_c = Q_t$.
• $D$는 MMD(제곱 아님), 검정통계량은 $D^2$.
• 모든 숫자는 실제 실행한 코드에서 나옴. 증명 못 한 것은 conjecture로 표시.
• GPT 초안(2026-10-17)의 아이디어를 쓰는 부분은 출처를 밝힘.

로컬 PC

Windows 11, Intel CPU 16스레드 (worker 15개 병렬), Python 3.12.2, NumPy 2.5.4, SciPy 1.18.1, Matplotlib 3.11.2, TeX Live 2024.

공통 설정

RBF 커널 $k(x,y)=\exp\{-(x-y)^2/2\sigma^2\}$, $\sigma=1$ 고정(재현 실험만 median heuristic), $\alpha=0.05$, permutation $B=199$ ($L=200$), fusion bootstrap $B_f=199$.