• 응용통계연구
• /
• 제25권2호
• /
• pp.311-319
• /
• 2012

수명시간 분석에서 가장 간단하고 또한 자주 이용되는 분포는 지수분포이다. Koziol과 Green (1976)은 Cram$\acute{e}$r-von Mises 통계량을 Kaplan-Meier의 product limit 경험분포함수를 이용하여 임의중도절단자료에 대해서 일반화하였다. 그러나 이 통계량은 모수의 값이 주어진 단순귀무가설을 가정하고 있으므로 실제 자료에 적용하기에는 어려운 점이 있다. 본 논문에서는 척도모수가 미지인 지수분포의 적합도 검정에 모수를 추정하여 Koziol-Green 통계량을 적용하였다. 그리고 같은 방법으로, 전통적인 Kolmogorov-Smirnov 검정통계량을 일반화하고 두 가지 통계량의 검정력을 모의실험을 통하여 비교하였다. 그 결과 전반적으로 일반화된 Koziol-Green 통계량이 Kolmogorov-Smirnov 통계량보다 지수분포의 검정에 있어서는 좀 더 좋은 검정력을 보여주었다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.883-891
• /
• 2011

수명시간에 대한 모형으로 로그정규분포가 자주 사용되며, 이는 자료의 변환에 의하여 정규성 검정과 동일한 문제로 생각할 수 있다. 따라서 자료의 로그정규성 검정을 위하여, 정규성 검정에 자주 이용되는 Shapiro-Wilk 형태의 검정통계량을 Kaplan-Meier의 product limit 경험분포함수를 이용하여 임의중도절단자료로 일반화한다. Cram er von Mises 통계량을 임의중도절단자료로 일반화한 Koziol과 Green (1976)의 통계량과 비교하였으며 이를 위하여 단순귀무가설을 가정하였다. 중도절단분포에 대한 모형으로는 Koziol과 Green (1976)에서 제시한 모형과 이와 유사한 다른 모형 두 가지를 고려하였다. 검정력 비교 결과 제시한 통계량이 로그정규성 또는 정규성 검정에 더 좋은 검정력을 보여주었으며 검정력은 중도절단분포 모형보다는 자료의 중도절단비율에 영향을 받는다는 것을 볼 수 있었다.

• 한국통신학회논문지
• /
• 제30권9C호
• /
• pp.955-963
• /
• 2005

이 논문에서는 순차 방법을 쓰는 비동위상 부호획득 문제를 다루었다. 먼저, 비동위상 수신기 출력은 귀무가설 에서 거의 중심카이제곱 분포를 따름을 보이고, 이를 바탕으로 베셀함수를 어림하여 간단한 부호획득 기법을 얻는다. 이제까지의 부호획득 방법을 쓸 때와 간단하게 만든 부호획득 방법을 쓸 때의 성능을 덧셈꼴 흰빛 정규잡음 채널과 느리게 바뀌는 감쇄채널에서 견주어 보았다. 간단하게 만든 방법들은 이제까지의 방법들과 성능이 비슷하다는 것을 모의실험에서 알 수 있었다.

• KDI Journal of Economic Policy
• /
• 제13권4호
• /
• pp.117-140
• /
• 1991

본고(本稿)는 둘 혹은 여러 변수(變數)가 서로 비선형적(非線型的) 인과관계(因果關係)의 특정한 구조를 가질 때 주어진 관측치(觀測値)로부터 인과관계(因果關係)에 관한 올바른 추론(推論)을 유도하기 위한 새로운 이론인 Baek-Brock의 방법(方法)을 소개하고 이것을 통화(通貨), 생산(生産) 및 물가(物價)의 세 변수(變數)에 적용하여 기존의 인과성(因果性) 검정(檢定)과 어떻게 다른 결과를 얻는지 살펴본다. Baek-Brock의 방법(方法)은 일반적으로 두 변수(變數) 사이의 인과관계(因果關係)를 검정(檢定)하는 데 사용될 수 있으나 변수간(變數間)에 내재하는 실제 인과관계(因果關係)가 선형(線型)인 경우 Granger 검정법(檢定法) 등 기존의 방법(方法)이 높은 검정력(檢定力)을 보이므로 여기서는 주로 비선형인과성(非線型因果性) 검정(檢定)에 초점을 맞춘다. 본(本) 검정법(檢定法)은 인과성(因果性) 여부를 조건부확률에 기초하여 정의한 후 개별확률을 상관적분(相關積分) (correlation integral)을 사용하여 추정(推定)토록 하였다. 이 방법(方法)은 변수간(變數間)의 인과관계(因果關係)가 비선형적(非線型的)일 때 유효하다는 장점을 지니나 인과성(因果性)이 없다는 귀무가설하(歸無假說下)에서 표본수에 따른 검정통계량(檢定統計量)의 점근분포(漸近分布), 그릇된 귀무가설(歸無假說)에 대한 최대의 기각력(棄却力)을 창출하는 척도모수(尺度母數)(scale parameter) 등에 관한 이론적 배경이 미흡하다는 단점이 있다. 본고(本稿)에서는 이를 Monte Carlo 시뮬레이션을 실시하여 보완하였다. 통화(通貨), 생산(生産) 및 물가간(物價間)에는 Granger 검정법(檢定法)을 실시했을 경우 통화(通貨)와 생산(生産)만이 서로 인과성(因果性)이 있을 뿐 물가(物價)와 다른 변수간(變數間)의 인과성(因果性) 증거는 희박하였다. 한편 Baek-Brock의 검정법(檢定法)은 이미 벡터자기회귀모형(自己回歸模型)(VAR)을 통해 밝혀진 선형관계(線型關係) 외에 물가(物價)가 생산(生産) 및 통화(通貨)에 미치는 비선형인과성(非線型因果性)에 관한 추가적 정보를 제공해 주고 있으며 구체적으로 그러한 인과관계(因果關係)가 몇 기(期) 후부터 나타나는지 밝혀 준다. 그러나 이를 이용한 구체적인 모형화(模型化)는 추후의 논문을 통해 밝히기로 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제17권3호
• /
• pp.707-716
• /
• 2006

분산함수는 회귀함수와 더불어 회귀모형의 연구에 매우 중요한 함수이며 이 함수가 불연속일 때의 연구는 Delgado and Hidalgo (2000)와 Perron (2001)은 시계열모형에서는 비모수적 추정법에 의해 분산함수의 추정을 연구하였으며 Kang and Huh (2006)은 Perron의 추정법을 회귀모형에 적용하여 분산함수의 불연속점의 추정에 대하여 연구하였고, Huh (2005)는 Kang and Huh의 잔차제곱들을 이용한 분산함수의 불연속점의 추정 대신 이차적률함수를 이용하여 분산함수의 불연속점을 추정하였다. 이는 Kang and Huh의 연구에서 잔차제곱들을 구하기 위하여 회귀함수의 추정이 우선되어야 하기에 전체적인 계산량이 늘어나게 되고, 늘어난 만큼 불연속점 추정의 정도가 떨어지게 됨으로 반응변수의 표본의 제곱을 이용하여 이차적률함수의 추정으로 불연속점을 추정하는 것이 더 용이하기 때문이다. 이러한 연구를 바탕으로 본 연구에서는 Huh의 점프의 크기 추정량의 점근분포를 이용하여 불연속점의 존재 유무에 대한 가설검정법을 제안하였다. 즉, 점프의 크기 추정량의 귀무가설 하의 점근분포가 가지고 있는 장애모수인 불연속점의 위치에서 확률밀도함수와 4차적률함수를 비모수적 방법으로 추정하는 방법을 제안하고 이들의 균일 일치성을 보여 가설검정법을 제안하였다. 불연속점의 추정에 앞서 불연속점의 존재 여부의 가설검정이 우선되어야 하기에 다른 통계적 함수에 대한 불연속점의 연구에서도 이러한 본 논문에서 연구한 방법으로 불연속점의 존재 유무에 대한 가설검정법을 제안 할 수 있을 것이다.

• 생명과학회지
• /
• 제28권2호
• /
• pp.148-152
• /
• 2018

지역 미세 환경의 패치는 식물의 공간적 분포에 일차적 요인이다. 식물의 공간적 양상을 결정한다는 귀무가설을 임의화 과정을 통해 검증하였다. 홀아비꽃대는 초본으로 홀아비꽃대과(Chloranthaceae) 홀아비꽃대속(Chloranthus)에 속한다. 홀아비꽃대의 공간적 양상을 여러 패치 지표로 분석하였고, 분산 지수에 따른 플롯 크기별 운집 분포, 균일분포, 공간적 상관관계를 분석하였다. 홀아비꽃대의 집단 밀도(D)는 0.356에서 2.270으로 평균은 1.527이었다. 아홉산 홀아비꽃대의 분산지표(C)는 작은 플롯($2m{\times}2m$, $2m{\times}4m$, $4m{\times}4m$, $4m{\times}8m$, $8m{\times}8m$, and $8m{\times}16m$)은 1보다 작았으며 큰 플롯($16m{\times}16m$ and $16m{\times}32m$)은 1보다 상회하였다. 따라서 홀아비꽃대의 운집지표(CI)는 작은 플롯에서 음의 값으로 균일한 분포를 이룬다. 큰 플롯의 운집지표는 양의 값으로 나타났으나 그 값은 높지 않았다. 평균 클라운딩($M^{\ast}$)과 패치지수(PAI)는 모든 플롯에서 양의 값을 보였다.

• 한국산학기술학회논문지
• /
• 제21권6호
• /
• pp.212-217
• /
• 2020

본 연구의 목적은 Bollerslev(1986)의 GARCH 모형을 이용하여 제주지역 감귤가격의 시계열적 특성과 가격변동성(price volatility)에 대한 실증분석을 수행하는 것이다. 본 연구의 주요결과는 다음과 같이 요약된다. 첫째, 감귤 가격 변화율의 시계열이 정규분포가 아닌 꼬리가 두터운 분포를 지니고 있는 것으로 나타났다. 이는 Jarque-Bera 통계량이 1%의 유의수준에서 감귤 가격변화율의 시계열의 분포가 정규분포라는 귀무가설을 기각함으로써 검증되었다. 둘째, Ljung-Box Q 통계량을 통해 감귤 가격변화율 시계열 간 상관관계가 높은 것으로 분석되었으며, 이는 ARCH-LM 검정을 통해 통계적으로 검증되었다. 셋째 GARCH(1,1) 모형 추정결과, 평균방정식의 상수항을 제외하고는 모든 계수의 추정 값이 1%의 유의수준에서 통계적으로 유의한 결과를 보였다. 그리고 분산방정식의 지속성 모수(λ=α₁+β₁) 값이 1에 근접한 것으로 추정되었다. 이는 현재와 유사한 변동성 수준이 장래에도 지속될 가능성이 매우 높은 것으로 해석된다. 그리고 이러한 결과는 제주감귤 가격변화율 시계열에서도 기존의 선행연구에서처럼 '변동성 군집(volatility clustering)' 현상이 나타나고 있음을 밝혀낸 것이다. 끝으로, 본 연구의 결과는 정부의 감귤 수급조절정책을 수립하는데 유용한 기초 자료로 활용될 수 있을 것으로 기대된다.

• 응용통계연구
• /
• 제22권4호
• /
• pp.781-792
• /
• 2009

유전체 초기단계 연구에서는 비교적 소수의 마이크로어레이 샘플자료로서 실험을 진행하여 심도 깊게 연구해야 할 유전자 부분군(subsets)을 탐색하게 된다. 이러한 과정에서 요구되는 부분군 탐색에 사용되는 분석방법은 다수 샘플자료 분석의 경우와는 매우 다른 방법들이다. 유전자 극소수 샘플자료의 분석에 매우 적절한 방법인 랜덤검정법을 적용하여 정확한 P값(exact P value)의 이산형 분포가 얻어지고, 일양분포 귀무가설의 검정으로 유의 유전자가 존재하는지를 파악할 수 있다. 한 단계 더 나아가 Fuchs와 Kenett (1980)이 제시한 M 검정을 이용하여 이산형 P 값 다항분포에서 이상범주군(outlier cells)을 찾을 수 있으며 이로써 유의 유전자로서의 가능성이 있는 유전자군을 선정한다. 대다수의 마이크로어레이 유전체 연구에서 수 천 또는 수 만개의 유전자가 서로 독립이라고 가정하고 분석하는 것이 문제점이다. 그러나 본 논문에서는 유전자 연관성을 그대로 유지하는 순열에 기초한 랜덤검정법과 M 검정법으로서 유전자 연관성이 분석에 미치는 영향을 모의실험으로 알아보았으며, 그 영향이 결코 미약하지 않음을 확인할 수 있었다.

• 디지털융복합연구
• /
• 제16권2호
• /
• pp.151-156
• /
• 2018

이 연구의 목적은 TPM을 대한 주제로 작성된 논문 중 검증이 가능한 18편의 논문을 대상으로 메타분석을 실시하는 것이다. 분석을 위해 5개의 가설을 설정하고 각 연구논문에서 제시한 t값을 투입하여 CMA로 메타분석을 실시하였다. 분석 결과 4개 가설에 있어서 I-square 값이 모두 75%이상인 것으로 나타나 이질성이 매우 큰 것으로 분석되었다. 따라서 모든 연구의 모집단 효과크기는 같다는 귀무가설은 기각되었다. 이질성의 원인은 분석에 사용된 개별연구의 응답자분포, 연구조건, 연구시기, 연구지역 등의 연구특성이 다르기 때문이다. 이러한 경우 효과크기의 차이를 분석하기 위해서는 연구특성별로 구분할 수 있는 개별연구들의 요약 통계량이 필요하다. 그러나 개별연구들에서는 효과차이를 분류할 수 있도록 하는 요약통계량이 제시되지 않아서 이질성의 원인에 대한 분석을 실시할 수 없는 것이 아쉬운 점이라 하겠다.

• Asia Marketing Journal
• /
• 제9권2호
• /
• pp.23-47
• /
• 2007

이 논문은 비모수 자료를 활용하는 컨조인트 모형에서 속성의 유의성을 평가하기 위한 새로운 카이제곱 검증법을 제안한다. 이 검증법의 가장 핵심적 아이디어는 수집한 서열을 몇 개씩 묶어 하위집합들로 분류한 다음, 이 서열의 하위집합들과 속성별 수준들과 상호 통계적으로 독립적인지를 검증한다는 것이다. 이 검증은 프로파일들의 서열이 검증하는 속성의 수준에 대해 무작위로 분포되어 있다라는 명제를 귀무가설로 제시한다. 이 논문에서 새롭게 제시하는 검증방법은 매우 단순하고, 이해하기 쉬우며 사용하기도 쉽다. 이 방법은 총괄적 자료뿐 아니라 개인별 자료로도 검증이 가능하다. 또한 전체프로파일 법에서도 적용 가능하지만 더 나아가 트레이드오프 법에서도 적용이 가능하여, 현재로는 트레이드오프 법에 적용 가능한 유일한 통계적 검증방법이라 할 수 있다.