• Journal of the Korean Data and Information Science Society
• /
• v.26 no.6
• /
• pp.1305-1315
• /
• 2015

Consider the risk score which is a function of a linear score for the classification models. The AUC optimization method can be applied to estimate the coefficients of linear score. These estimates obtained by this AUC approach method are shown to be better than the maximum likelihood estimators using logistic models under the general situation which does not fit the logistic assumptions. In this work, the VUS and HUM approach methods are suggested by extending AUC approach method for more realistic discrimination and prediction worlds. Some simulation results are obtained with both various distributions of thresholds and three kinds of link functions such as logit, complementary log-log and modified logit functions. It is found that coefficient prediction results by using the VUS and HUM approach methods for multiple categorical classification are equivalent to or better than those by using logistic models with some link functions.

• Convergence Security Journal
• /
• v.11 no.4
• /
• pp.85-91
• /
• 2011

Due to the large-scale application software syslmls, software reliability, software development has animportantrole. In this paper, software truncated software reliability growth model was proposed based on log-logistic distribution. According to fixed time, the intensity function, the mean value function, the reliability was estimated and the parameter estimation used to maximum likelihood. In the empirical analysis, Poisson execution time model of the existiog model in this area and the log-logistic model were compared Because log-logistic model is more efficient in tems of reliability, in this area, the log-logistic model as an alternative 1D the existiog model also were able to confim that you can use.

• The Korean Journal of Applied Statistics
• /
• v.26 no.1
• /
• pp.141-149
• /
• 2013

We present methods for studying the log-density ratio that enables the selection of the predictors and the form to be included in the logistic regression model. Under bivariate normal distributional assumptions, we investigate the form of the log-density ratio as a function of two predictors. If two covariance matrices are equal, then the crossproduct and quadratic terms are not needed. If the variables are uncorrelated, we do not need the crossproduct terms, but we still need the linear and quadratic terms. We also explore other conditions in which the crossproduct and quadratic terms are not needed in the logistic regression model.

• Journal of the Korean Data and Information Science Society
• /
• v.25 no.2
• /
• pp.403-410
• /
• 2014

Binary logistic regression analysis is a statistical technique that explains binary response variable by quantitative or qualitative explanatory variables. In the binary logistic regression model, the probability that the response variable equals, say 1, one of the binary values is to be explained as a transformation of linear combination of explanatory variables. This is one of big barriers that non-statisticians have to overcome in order to understand the model. In this study, an educational tool is developed that explains the need of the binary logistic regression analysis using Excel VBA. More precisely, this tool explains the problems related to modeling the probability of the response variable equal to 1 as a linear combination of explanatory variables and then shows how these problems can be solved through some transformations of the linear combination.

• The Korean Journal of Applied Statistics
• /
• v.6 no.2
• /
• pp.393-399
• /
• 1993

When we compute the maximum likelihood estimators of the parameters for the logistic regression models, which are useful in studying the relationship between the binary response variable and the explanatory variable, the standard error calculations are usually based on the second derivative of log-likelihood function. On the other hand, an estimator of the Fisher information motivated from the fact that the expectation of the cross-product of the first derivative of the log-likelihood function gives the Fisher information is expected to have similar asymptotic properties. These estimators of Fisher information are closely related with the iterative algorithm to get the maximum likelihood estimator. The average numbers of iterations to achieve the maximum likelihood estimator are compared to find out which method is more efficient, and the estimators of the variance from each method are compared as estimators of the asymptotic variance.

• Proceedings of the Korea Society for Energy Engineering kosee Conference
• /
• 1998.05a
• /
• pp.199-204
• /
• 1998

최근 화석연료의 과다한 사용으로 인한 온실효과 등 지구환경문제가 대두되면서 원자력은 온실가스를 배출하지 않는 에너지원으로서 다시 조망을 받고 있다. 특히 부존 에너지자원이 부족하고 전력의 수요가 급증하고 있는 우리의 사정을 고려한다면 원자력은 향후 수십년간 주요 발전원으로 상당한 역할을 수행할 것으로 기대된다. (중략)

• Proceedings of the KAIS Fall Conference
• /
• 2011.05a
• /
• pp.176-178
• /
• 2011

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 거친 후 사용자에게 인도하는 시기를 결정하는 방출문제에 대하여 연구되었다. 인도시기에 관한 모형은 무한 고장수에 의존하는 비동질적인 포아송 과정을 적용하였다. 이러한 포아송 과정은 소프트웨어의 결함을 제거하거나 수정 작업 중에도 새로운 결함이 발생될 가능성을 반영하는 모형이다. 강도함수는 로그-로지스틱 패턴을 이용하였다. 따라서 소프트웨어 요구 신뢰도를 만족시키고 소프트웨어 개발 및 유지 총비용을 최소화 시키는 방출시간이 최적 소프트웨어 방출 정책이 된다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.05a
• /
• pp.19-24
• /
• 2003

신경망은 적용 다양성과 제약조건의 최소성, 강력한 예측성, 범용성, 근사성 등 많은 장점을 지니고 있으나 초기 가중치의 할당에 따라 모델 생성의 Performance와 예측의 결과가 달라지게 되는 단점을 지니고 있다. 이런 신경망의 초기 가중치에 따른 단점을 보안하기 위해 통계적 알고리즘의 접목을 통해 Hybrid된 신경망 보완 알고리즘을 제시하고자 하였다. 논문을 위한 기본 가정으로 신경망의 가장 기본인 SLP 알고리즘을 바탕으로 활성함수에 가장 일반적으로 사용되는 Sigmoid 활성함수를 이용하였을 때, 초기 가중치로 기존의 임의 난수 생성 방식이 아닌 통계적 로지스틱 회귀분석의 계수값(mle)을 제시하여 이를 초기치로 사용한 경우와 그렇지 않은 경우의 예측 정확성과 수렴의 Performance정도를 비교하여 가장 효과적인 초기치 방법을 제시하고자 하였다.

• The Korean Journal of Applied Statistics
• /
• v.18 no.3
• /
• pp.543-553
• /
• 2005

Linear logistic regression is one of the most widely used method for credit scoring in credit risk management. This paper deals with credit scoring using splines based on Logistic regression. Linear splines and an automatic basis selection algorithm are adopted. The final model is an example of the generalized additive model. A simulation using a real data set is used to illustrate the performance of the spline method.

• Journal of Korean Society of Transportation
• /
• v.22 no.1 s.72
• /
• pp.33-42
• /
• 2004

지하철역별 수요는 개통 후 경과 연도에 따라서 S자 형태로 증가한다. 즉 개통 초기에는 잠재되어 있던 지하철 수요가 시간의 경과에 따라 계속적으로 증가하다가, 개통 후 10$\sim$13년 정도가 경과하면 최대를 나타낸 후 거의 정체하는 현상을 보인다. 그러나 지금까지 지하철 수요를 추정하기 위해서 이용되었던 4단계 모형은 이러한 지하철 수요의 증가 추세를 반영할 수 없기 때문에 실제 수요와 많은 차이를 보였다. 따라서 본 연구에서는 이러한 문제를 해결해 보고자 서울시 지하철 2$\sim$8호선의 실제 수요를 토대로 지하철역별 수요, 특히 순수한 승차인원을 추정하는 모형을 개발하였다. 모형에 적용되는 함수식은 실제 지하철역별 수요와 가장 유사한 형태를 보이고 있는 로지스틱 함수식을 이용하였다. 또한 각각의 지하철역별로 나타나는 상이한 특성은 카테고리로 분류하여 모형에 반영하였다. 카테고리는 토지이용도, 사회경제활동의 규모, 그리고 지하철역의 특성에 따라 분류하였다. 각 카테고리별 특성을 대표하는 독립 변수로 인구 종사자수, 학생수와 개통 후 경과 연도 등을 선정하였다. 그 결과 카테고리별로 추정된 지하철역별 수요는 통계적으로 매우 유의한 것으로 나타났다. 본 연구는 지하철역별로 승차하는 순수한 수요를 보다 정확하게 추정하기 위한 모형을 개발하는 것이 주된 목적이다. 반면에 본 모형을 이용하여 지하철역별 하차 수요 및 횐승 수요를 추정하는 것은 어렵다. 따라서 기존에 지하철 수요를 추정하는 데에 가장 많이 사용된 4단계 모형과 접목하여야 하며, 이에 대한 방안도 본 연구에서 제시하였다.