• The Korean Journal of Applied Statistics
• /
• v.10 no.1
• /
• pp.151-161
• /
• 1997

An easy Monte Carlo Gibbs sampling approach is suggested for Bayesian analysis of cumulative logit models for ordinal polytomous data. Because in the cumulative logit model the posterior conditional distributions of parameters are not given in convenient forms for random sample generation, appropriate latent variables are introduced into the model so that in the new model all the conditional distributions are given in very convenient forms for implementation of the Gibbs sampler.

• Journal of the Korean Data and Information Science Society
• /
• v.7 no.2
• /
• pp.247-256
• /
• 1996

In this paper, we applied bayesian hierarchical model to analyze the field mice example introduced by Demster et al.(1981). For this example, we use Gibbs sampler method to provide the posterior mean and compared it with LSE(Least Square Estimator) and MLR(Maximum Likelihood estimator with Random effect) via the EM algorithm.

• Communications for Statistical Applications and Methods
• /
• v.4 no.2
• /
• pp.333-343
• /
• 1997

선형회귀분석에서 변수의 선택문제는 최적의 모형을 찾는데 아주 중요한 부분을 차지한다. George와 McCulloch(1993)는 계층적 베이즈 모형과 깁스표본법을 이용하여 선형회귀모형에서 변수를 선택하는 문제를 고려하였다. 이 논문에서는 George와 McCulloch의 모형을 바탕으로 각각의 설명변수가 모형에 포함될 사전확률을 객관적인 기준에 의하여 결정하는 문제를 고려하여 보았다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.3 no.1
• /
• pp.13-21
• /
• 1998

와이블분포의 척도모수와 형상모수를 베이지안 방법을 이용하여 추정한다. 깁스표본법을 사용하여 모수들에 대한 추정, 결합사후확률분포와 주변사후확률분포를 구한다. 9개의 열 전달기기자료와 10개의 인위적인 자료를 이용하여 제안된 방법을 적용하여 사례를 연구한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1997.11a
• /
• pp.521-533
• /
• 1997

와이블분포에서 척도모수와 형상모수를 베이지안 방법을 이용하여 추정한다. 깁스표본법을 사용하여 모수들에 대한 추정, 결합사후확률분포 와 주변사후확률분포를 구한다. 9개의 열 전달기기자료와 10개의 인위적인 자료를 이용하여 제안된 방법을 적용하여 사례를 연구한다.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.379-391
• /
• 2001

본 연구에서는 관심거리가 되고 있는 마코프인쇄 몬테칼로(Markov Chain Monte Carlo, MCMC)방법에 근거한 공간 확률난수 (spatial random variate)생성법과 깁스표본추출법(Gibbs sampling)에 의한 베이지안 분석 방법에 대한 기술적 사항들에 관하여 검토하였다. 먼저 기본적인 확률난수 생성법과 관련된 사항을 살펴보고, 다음으로 조건부명시법(conditional specification)을 이용한 공간 확률난수 생성법을 예를 들어 살펴보기로한다. 다음으로는 이렇게 생성된 공간자료를 분석하기 위하여 깁스표본추출법을 이용한 베이지안 사후분포를 구하는 방법을 살펴보았다.

• The Korean Journal of Applied Statistics
• /
• v.24 no.4
• /
• pp.677-693
• /
• 2011

In this paper, we consider Bayesian approaches to zero inflated Poisson model, one of the popular models to analyze zero inflated count data. To generate posterior samples, we deal with a Markov Chain Monte Carlo method using a Gibbs sampler and an exact sampling method using an Inverse Bayes Formula(IBF). Posterior sampling algorithms using two methods are compared, and a convergence checking for a Gibbs sampler is discussed, in particular using posterior samples from IBF sampling. Based on these sampling methods, a real data analysis is performed for Trajan data (Marin et al., 1993) and our results are compared with existing Trajan data analysis. We also discuss model selection issues for Trajan data between the Poisson model and zero inflated Poisson model using various criteria. In addition, we complement the previous work by Rodrigues (2003) via further data analysis using a hierarchical Bayesian model.

• Communications for Statistical Applications and Methods
• /
• v.5 no.2
• /
• pp.431-437
• /
• 1998

본 논문의 목적은 계층적 베이즈 일반화 선형모형을 이용하여 경시적 자료를 분석하는 것이다. 구체적으로 계층적 베이즈 변량효과 모형을 소개하고 무정보적 사전분포 하에서 사후분포가 진(proper)인지에 대한 충분조건을 찾는다 또한, 깁스(Gibbs) 표본자를 사용하여 제안된 계층적 베이즈 절차의 수행에 관해 논의한다. 현실자료를 사용하여 제안된 계층적 베이즈 분석을 예시하고, 이에 대응하는 경험적 베이즈 분석과 비교한다.

• The Korean Journal of Applied Statistics
• /
• v.12 no.2
• /
• pp.405-414
• /
• 1999

양쪽중단(doubly censored)된 지수분포에서 모수와 신뢰도함수를 계층적 베이지안(hierarchical Bayesian)방법을 이용하여 추정하였다. 베이즈 계산은 깁스표본기법(Gibbs sampler)을 이용하고 또한 완전조건부 분포(full conditional distribution)의 정량화 상수를 모르는 경우에는 적합기각방법(adaptive rejection sampling)을 이용하였다. 그리고 실제자료를 이용하여 분석을 하였다.

• The Korean Journal of Applied Statistics
• /
• v.18 no.1
• /
• pp.173-182
• /
• 2005

A Bayesian threshold model is considered to analyze binary or ordered categorical traits. Gibbs sampler for making full Bayesian inferences about the category probability as well as the regression coefficients is described. The model can be regarded as an alternative to the ordered logit regression model. Numerical examples are shown to demonstrate the efficiency of the model.