• The Korean Journal of Applied Statistics
• /
• v.23 no.2
• /
• pp.375-382
• /
• 2010

In this study, we propose a robust estimator of the multivariate location parameter by means of the spatial median based on data trimming which extending trimmed mean in the univariate setup. The trimming quantity of this estimator is determined by the bootstrap method, and its covariance matrix is estimated by using the double bootstrap method. This extends the work of Jhun et al. (1993) to the multivariate case. Monte Carlo study shows that the proposed trimmed spatial median estimator yields better efficiency than a spatial median, while its covariance matrix based on double bootstrap overcomes the under-estimating problem occurred on single bootstrap method.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.294-294
• /
• 2012

홍수위험도 추정에 있어서 불확실성은 수리, 수문, 구조, 환경 및 사회경제적인 불확실성과 관련 있으며, 수리 수문학적 불확실성은 주로 수리 수문학적 현상과 그 과정에 대한 불완전한 지식, 그리고 그 과정에 포함된 매개변수들에 대한 불완전한 지식과 관련이 있다. 이러한 여러 가지 불확실성은 홍수위험도 추정에 있어서의 불확실성에 중요한 요인으로 작용하므로 불확실성을 설명하기 위한 통계적 정보는 신뢰성 있는 홍수위험도 추정에 있어서 선행조건이라 할 수 있다. 이러한 불확실성 요인중 강우의 공간분포에 대한 신뢰성 있는 추정은 수자원 해석 및 설계에 있어서 필수적인 요소이다. 강우장의 공간변동성에 대한 고해상도 추정은 홍수, 특히 돌발홍수의 원인이 되는 국지성 호우의 확인 및 분석에 있어서 중요하다. 또한 강우의 공간 변동성에 대한 고려는 면적평균강우량 추정의 정확도를 향상시키는데 있어서 중요하며, 강우-유출모델의 모의결과에 대한 신뢰도를 향상시키는데 큰 영향을 미친다. 최근 공간자료에 대한 공간분포예측에 있어서 공간상관성을 고려할 수 있는 공간통계학적 기법의 적용이 증가하고 있으며, 이러한 공간통계학적 기법의 적용에 있어서 신뢰성 있는 모델 매개변수의 추정 및 불확실성 평가는 공간분포 예측결과에 대한 신뢰성을 향상시키는데 중요한 역할을 한다. 외국의 경우 공간분포예측 및 모의, 매개변수의 불확실성 평가 등과 관련하여 활발한 연구가 이루어지고 있는 반면 국내 수자원 분야에서는 아직까지 활발한 연구가 이루어지고 있지 않은 실정이다. 국내의 수문설계실무에서와 같이 확률홍수량을 강우빈도분석과 강우-유출모델을 이용하여 추정할 경우 확률홍수량 추정에 있어서 확률강우량 및 공간분포에 대한 불확실성과 강우-유출모델에서의 불확실성이 확률홍수량 추정에서의 불확실성에 영향을 미치며, 이후 연피해기대치 추정과 같은 홍수위험도 추정의 불확실성에도 영향을 미치게 된다. 따라서 본 연구에서는 강우공간분포의 불확실성을 고려한 홍수량 추정을 위하여 공간추계모의 기법인 CEM을 적용하여 강우공간분포의 불확실성을 정량화하고 강우-유출모델의 입력 강우량에 대한 확률분포를 추정하였다. 강우-유출해석의 경우 유효우량 및 홍수수문곡선 산정을 위하여 국내 수자원 실무에서 가장 많이 적용되고 있는 NRCS CN 기법, Clark 및 Muskingum 모델을 적용하였다. 이로부터 강우공간분포의 불확실성 추정, 소유역별 입력 강우량에 대한 확률분포의 추정 및 재현기간별 확률홍수량의 불확실성 정량화 방안을 제시하였다. 이러한 결과들은 풍수해저감대책, 유역종합치수대책 등 각종 수자원 계획 및 설계실무에서 확률홍수량 및 홍수 또는 재해위험도 추정의 신뢰성을 향상시킬 수 있는 방법론적 대안으로 활용될 수 있을 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.35 no.5
• /
• pp.657-666
• /
• 2022

An informative predictor subspace is useful to estimate the central subspace, when conditions required in usual suffcient dimension reduction methods fail. Recently, for multivariate regression, Ko and Yoo (2022) newly defined a projective-resampling informative predictor subspace, instead of the informative predictor subspace, by the adopting projective-resampling method (Li et al. 2008). The new space is contained in the informative predictor subspace but contains the central subspace. In this paper, a method directly to estimate the informative predictor subspace is proposed, and it is compapred with the method by Ko and Yoo (2022) through theoretical aspects and numerical studies. The numerical studies confirm that the Ko-Yoo method is better in the estimation of the central subspace than the proposed method and is more efficient in sense that the former has less variation in the estimation.

• Communications for Statistical Applications and Methods
• /
• v.16 no.2
• /
• pp.265-275
• /
• 2009

This paper considers a linear regression model with a spatial autoregressive disturbance with ill-posed data and proposes the generalized maximum entropy(GME) estimator of regression coefficients. The performance of this estimator is investigated via Monte Carlo experiments. The results show that the GME estimator provides efficient and robust estimate for the unknown parameter.

• Journal of Korean Society of Transportation
• /
• v.35 no.3
• /
• pp.220-233
• /
• 2017

Traffic volumes are fundamental data widely used in various traffic analysis, such as origin-and-destination establishment, total traveled kilometer distance calculation, congestion evaluation, and so on. The low number of links collecting the traffic-volume data in a large urban highway network has weakened the quality of the analyses in practice. This study proposes a method to estimate the traffic volume data on a highway link where no collection device is available by introducing a spatial statistic technique with (1) the traffic-volume data from TOPIS, and National Transport Information Center in the Ministry of Land, Infrastructure, and (2) the navigation data from private navigation. Two different component models were prepared for the interrupted and the uninterrupted flows respectively, due to their different traffic-flow characteristics: the piecewise constant function and the regression kriging. The comparison of the traffic volumes estimated by the proposed method against the ones counted in the field showed that the level of error includes 6.26% in MAPE and 5,410 in RMSE, and thus the prediction error is 20.3% in MAPE.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2019.05a
• /
• pp.375-375
• /
• 2019

충주댐 유역의 미계측유역을 대상으로 공간분포를 고려한 저류함수법 기반의 유출자료를 활용하여 지역최대홍수량의 추정 가능성을 평가하였다. 유출자료의 공간확장 가능성을 보기위해 2008년부터 2017년까지의 홍수 사상 중에 8개를 선정하였으며, 적절한 비교와 NSE 검증을 위해 충주댐, 영월1, 영춘 수위관측소를 검정지점으로 지정하였다. 또한, 선정한 사상 8개의 계측유역 유출자료를 바탕으로 공간확장방법을 활용하여 미계측유역의 유출자료를 생성하였다. 생성한 유출자료로 충주댐 유역의 홍수 사상과 지역최대홍수량(QRMF) 사이의 상관관계를 분석하여 지역최대홍수량의 발생 가능성과 충주댐 유역의 K값을 추정하였다. NSE 검증결과 유역출구지점인 충주댐에서 0.53으로 만족하여 유출자료 공간확장방법을 활용한 모의유출자료 산정은 적절한 것으로 나타났으며, 모의유출자료의 특성이 실제 유역의 특성과 유사한 것으로 나타났다. 생성한 유출자료와 지역최대 홍수량($Q_{RMF}$)에 대해 피어슨 상관계수와 RMSE를 활용하여 평가한 결과 서로 매우 높은 상관관계를 나타냈으며(Pearson's r> 0.9), 홍수량 산정방법에 있어서 지역최대홍수량($Q_{RMF}$)를 사용하여 산정하는 것이 바람직한 것으로 나타났다(RMSE=1.94). 또한, 충주댐 유역에 대한 지역최대홍수량($Q_{RMF}$)의 K값은 5.298로 산출되었으며, 산출한 K값으로 전체적인 충주댐 유역의 최대홍수량뿐만 아니라 면적이 비교적 작은 소유역의 최대홍수량도 추정할 수 있었다.

• Communications for Statistical Applications and Methods
• /
• v.17 no.1
• /
• pp.9-16
• /
• 2010

The sampling design for the spatial population studies needs a model assumption of a dependent relationship, where the interesting parameters can be the population mean, proportion and area. We know that the study of an interested spatial population, which is stratified by a geographical condition or shape, and the degree of distort of an estimation area is much useful. In light of this, if auxiliary information of the target variable such as wasted area contaminated by some material and the degree of distribution of animal or plants is available, then the spatial estimator might be improved through the calibration procedure. In this research, we propose the calibration procedure for the spatial stratified sampling in which we consider the one and two-dimensional auxiliary information.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.78-80
• /
• 1998

본 논문은 일차원의 시계열 데이터를 입력을 하여 위상공간 재구성 과정을 거쳐 다차원 위상공간상에서 프랙탈 차원을 계산하는 효율적인 방법을 제안한다. 프랙탈 차원의 추정에 소요되는 계산량을 줄이기 위해 로그 연산을 비트 연산으로 대체하고, 거리계산의 순서를 바꿈으로써 위상공간의 차원에 무관한 상수 시간의 계산복잡도를 가지는 알고리즘을 구현하였다. 또한 최소절단자승 추정기법을 적용하여 로그-로그 그래프 상에서의 기울기 추정을 함으로써 프랙탈 차원의 추정치에 대한 정확도를 높였다. 참값이 알려진 시계열 데이터에 대한 차원 추정 실험을 통하여 제안된 방법의 정확성을 보였다.

• The Transactions of the Korea Information Processing Society
• /
• v.3 no.1
• /
• pp.153-159
• /
• 1996

Linear models for spatial data are proposed by example in the paper. This method was introduced to Korea for the first time in the early part of 1990's. The correlation of spatial patterns is computed by Moran Index., and then correlogram is proposed as the method to identify correlation of spatial patterns. Due to computational difficulties with ML, an alternative estimator has been used as an eigenvalue method.

• The Korean Journal of Applied Statistics
• /
• v.20 no.2
• /
• pp.229-244
• /
• 2007

Among the small area estimation methods, it has been known that hierarchical Bayesian(HB) approach is the most reasonable and effective method. However any model based approaches need good explanatory variables and finding them is the key role in the model based approach. As the lacking of explanatory variables, adopting the spatial terms in the model was introduced. Here in this paper, we evaluate the model based methods with/without spatial terms using the diagnostic methods which were introduced by Brown et al. (2001). And Economic Active Population Survey(2005) is used for data analysis.