극값 통계

1. 개요[편집]

극값 통계(extreme value statistics)는 확률변수의 평균이 아니라 최댓값·최솟값 같은 극단값의 분포를 다루는 통계학의 한 분야다. “100년에 한 번 오는 홍수”, “설계 수명 동안 구조물이 견뎌야 할 최대 하중”, “금융 자산의 최악의 손실” 처럼, 관심사가 평균이 아니라 꼬리(tail)에 있는 문제를 다룬다. 핵심 정리는 극값 정리(extreme value theorem, Fisher–Tippett–Gnedenko 정리)로, “독립 표본의 최댓값을 적절히 정규화하면, 원분포가 무엇이든 그 극한 분포는 딱 세 종류 중 하나로 수렴한다”는 강력한 보편성 주장이다.¹

일반 통계가 중심극한정리로 “평균은 정규분포로 간다”고 말한다면, 극값 통계는 “최댓값은 GEV 분포로 간다”고 말한다. 무대의 주인공이 중심에서 꼬리로 바뀌는 것.

2. 왜 평균이 아니라 극값인가[편집]

공학에서 파국은 평균이 아니라 극단에서 온다. 방파제는 평균 파고가 아니라 수십 년에 한 번 오는 최대 파고에 무너지고, 교량은 일상 하중이 아니라 극한 하중에 붕괴한다. 그런데 극단값은 데이터가 태생적으로 희소하다 — 정의상 자주 안 일어나니까. 관측 30년치로 500년 재현주기 하중을 추정해야 하는 외삽 문제가 숙명적으로 따라온다.²

이때 “평균과 표준편차만 알면 정규분포로 근사하면 되지”라는 순진한 접근은 위험하다. 정규분포는 꼬리가 지수보다 빠르게 죽어서 극단 사건을 과소평가하기 때문이다. 극값의 세계는 평균이 아니라 꼬리의 두께가 지배하며, 꼬리가 두꺼운 분포(fat tail)에서는 “평균적으로 안전”이 전혀 위로가 되지 않는다.

표본을 많이 뽑아 그중 최댓값이 어떻게 분포하는지 감을 잡으려면 확률적 표본추출이 직관적이다.

3. 세 가지 극값 분포 (GEV)[편집]

Fisher–Tippett–Gnedenko 정리에 따르면 정규화된 블록 최댓값의 극한 분포는 형상모수 $\xi$ 하나로 세 유형이 통합된다. 이것이 일반화 극값 분포(Generalized Extreme Value, GEV)다.

$$G(x) = \exp\!\left\{-\left[1 + \xi\left(\frac{x-\mu}{\sigma}\right)\right]^{-1/\xi}\right\}$$

여기서 $\mu$는 위치, $\sigma>0$는 척도, $\xi$는 꼬리를 결정하는 형상모수다. $\xi$의 부호에 따라 세 가지로 갈린다.

• 굼벨(Gumbel), $\xi = 0$: 꼬리가 지수적으로 감소. 원분포가 정규·지수처럼 꼬리가 가벼운 경우. 극한에서 $G(x)=\exp(-e^{-(x-\mu)/\sigma})$.
• 프레셰(Fréchet), $\xi > 0$: 꼬리가 거듭제곱으로 느리게 감소(fat tail). 원분포가 두꺼운 꼬리(파레토 등)일 때. 금융 손실, 지진 규모처럼 “가끔 어마어마하게 큰 값”이 나오는 세계.
• 바이불(Weibull), $\xi < 0$: 꼬리에 상한이 있는 경우. 재료 파괴 강도처럼 물리적 한계가 존재하는 최솟값 문제에서 자주 등장한다.³

$\xi$ 하나로 세 얼굴을 오가는 이 통합이 GEV의 우아함이다. 실무에서는 데이터에서 $\xi$를 추정해 어느 유형인지 자동으로 결정하게 둔다.

4. 두 가지 접근법 — 블록 최댓값과 POT[편집]

극값 데이터를 뽑아내는 방법은 크게 둘이다.

블록 최댓값(Block Maxima): 데이터를 블록(예: 1년)으로 나누고 각 블록의 최댓값만 모아 GEV를 적합한다. 연 최대 강수량, 연 최대 풍속처럼 “연 최댓값” 시계열을 쓰는 고전적 방법. 직관적이지만 블록 안의 두 번째로 큰 값(그것도 극단일 수 있는)을 버린다는 낭비가 있다.

임계값 초과(Peaks Over Threshold, POT): 높은 임계값 $u$를 넘는 모든 값을 모은다. 이렇게 모은 초과분은 일반화 파레토 분포(Generalized Pareto Distribution, GPD)를 따르며, 데이터를 더 알뜰하게 쓴다. 대신 임계값 $u$를 얼마로 잡느냐가 예술의 영역이라 편향-분산 줄타기가 필요하다.⁴ 두 접근은 이론적으로 짝을 이루며, GEV의 $\xi$와 GPD의 형상모수가 일치한다.

5. 재현주기와 설계값[편집]

극값 통계의 실전 출력물은 재현주기(return period)와 그에 대응하는 재현수준(return level)이다. 재현주기 $T$년은 “평균적으로 $T$년에 한 번 초과되는 사건”을 뜻하며, 초과확률 $p=1/T$에 해당한다. GEV를 적합했다면 재현수준 $x_T$는 분위수 함수로

$$x_T = \mu - \frac{\sigma}{\xi}\left[1 - \left(-\ln\left(1 - \tfrac{1}{T}\right)\right)^{-\xi}\right]$$

로 계산한다. “50년 빈도 홍수위”, “475년 재현주기 지진(내진설계 기준)” 같은 설계값이 모두 이 계산의 산물이다. 흔한 오해 하나 — 100년 빈도 홍수가 “100년에 딱 한 번”을 보장하진 않는다. 매년 독립적으로 1% 확률이라, 100년 안에 한 번도 안 올 확률이 약 37%나 된다. 재현주기는 확정 스케줄이 아니라 확률의 이름표다.⁵

6. 응용 분야[편집]

• 수문·기상: 홍수 방어, 극한 강수·풍속, 폭염 설계 기준.
• 구조·토목: 극한 하중 산정, 내진·내풍 설계. 관측 못 한 미래 하중을 외삽으로 세운다.
• 재료·신뢰성: 최약 링크(weakest-link) 모델. 재료 파괴 강도는 최소 극값 문제로, 바이불 분포가 정석이다.
• 금융·보험: VaR·CVaR 같은 리스크 지표, 대재해 보험 요율 산정. 여기선 프레셰의 두꺼운 꼬리가 악명 높다.
• 시뮬레이션 후처리: 몬테카를로 방법이나 자료동화 앙상블에서 극단 시나리오의 확률을 추정할 때, 표본 꼬리에 GEV/GPD를 적합한다.

극값 통계의 매력이자 위험은, 관측 범위 밖으로 자신 있게 외삽한다는 점이다. 보편성 정리가 그 외삽에 이론적 근거를 주지만, 데이터가 희소하고 $\xi$ 추정이 불안정하면 신뢰구간이 무섭게 넓어진다. “500년 하중을 30년 데이터로 추정한다”는 건 언제나 겸손을 요구하는 작업이다.

7. 관련 문서[편집]

• 통계
• 몬테카를로 방법
• 불확실성 정량화
• 자료동화
• 피로 해석
• 소볼 수열
• 베이지안 최적화

8. Footnotes[편집]

1. Fisher & Tippett (1928), Gnedenko (1943)가 확립. “원분포가 뭐든 상관없다”는 보편성이 중심극한정리와 판박이다. 그래서 극값 이론을 “꼬리를 위한 중심극한정리”라고 부르기도 한다. ↩

2. 데이터가 희소한 게 극값 통계의 근본 딜레마다. 자주 일어나면 극단이 아니고, 극단이면 데이터가 적다. “충분한 데이터가 있으면 극값 통계가 필요 없고, 극값 통계가 필요하면 데이터가 부족하다”는 자조 섞인 격언이 있다. ↩

3. 재료 강도는 “가장 약한 결함이 전체를 결정한다”는 최약 링크 논리라, 최댓값이 아니라 최솟값 극값 문제다. 최솟값은 부호만 뒤집으면 최댓값 이론이 그대로 적용된다. 바이불이 신뢰성 공학의 국민 분포가 된 이유. ↩

4. 임계값을 낮추면 데이터는 많아지지만 “극값이 아닌 것”이 섞여 편향이 커지고, 높이면 순수하지만 표본이 적어 분산이 커진다. 평균 초과 그래프(mean residual life plot)를 눈으로 보며 감으로 정하는 경우가 많아, POT는 “예술”이라는 소리를 듣는다. ↩

5. “100년 빈도인데 왜 작년에도 올해도 오냐”는 민원의 통계적 답이 바로 이것. 매년 독립 1% 시행이라 연달아 터지는 것도 얼마든지 가능하다. 재현주기는 기억이 없다(memoryless). ↩