• Proceedings of the Korean Nuclear Society Conference
• /
• 1995.10a
• /
• pp.389-395
• /
• 1995

기존의 천이노심 DNBR 벌점 평가 방법을 개선하여 불확실도를 줄이고 신뢰도를 향상시키며, 적용범위를 확대함으로써 보다 실제적인 DNBR 벌점 평가 방법을 제시하고자 하였다. 이를 위하여 영광 1호기 JDFA-V5H 의 천이노심을 대상으로 하는 일련의 분석이 수행되었다. 먼저 균일노심과 천이노심을 모형화 한 기준 제어군에서의 상대적인 물성치의 변화와 축방향에서의 DNBR 거동을 분석하였고 이에 따른 최소 DNBR 의 상대적 차이로부터 최대 럴점 조건 및 벌점이 적용되는 집합체를 선정하였다. 변수 민감도 분석 결과, 최대 벌점 조건은 과출력 (120% 출력), 고압 (2420 psia) 그리고 상부노심에서 상대출력이 많은 축방향 출력 분포를 갖는 조건이 선정되었고 천이노심 벌점은 V5H에만 부과된다. 천이노심 DNBR 벌점은 배열 민감도 분석을 통하여 노심내 V5H 분율의 함수로 표현됨을 알 수 있었으며, 기존의 보수적인 방법론에 비해 최소 3% 이상의 천이노심 벌점이 감소되는것으로 나타나 추가적인 여유도의 확보로 인한 설계의 탄력성을 기대할 수 있다. 이 결과는 IFM이 존재하는 원전연료 집합체 상부에 대하여 노심의 V5H 분율이 0.02 부터 1.0 까지의 정상 및 과도상태 노심에 대하여 적용할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.34 no.2
• /
• pp.279-293
• /
• 2021

In this paper, we introduce how to construct sufficient conditions for the oracle property in penalized linear regression model. We give formal definitions of the oracle estimator, penalized estimator, oracle penalized estimator, and the oracle property of the oracle estimator. Based on the definitions, we present a unified way of constructing optimality conditions for the oracle property and sufficient conditions for the optimality conditions that covers most of the existing penalties. In addition, we present an illustrative example and results from the numerical study.

• The Korean Journal of Applied Statistics
• /
• v.29 no.6
• /
• pp.1147-1154
• /
• 2016

In this paper, we numerically compare two penalized least square methods, the ${\ell}_0$-penalized method and the fused lasso regression (FLR, ${\ell}_1$ penalization), in finding multiple change points of a signal. We find that the ${\ell}_0$-penalized method performs better than the FLR, which produces many false detections in some cases as the theory tells. In addition, the computation of ${\ell}_0$-penalized method relies on dynamic programming and is as efficient as the FLR.

• The Korean Journal of Applied Statistics
• /
• v.32 no.2
• /
• pp.199-211
• /
• 2019

This paper is concerned with issues in the finite mixture of regression modeling as well as the simultaneous selection of the number of mixing components and relevant predictors. We propose a penalized likelihood method for both mixture components and regression coefficients that enable the simultaneous identification of significant variables and the determination of important mixture components in mixture of regression models. To avoid over-fitting and bias problems, we applied smoothly clipped absolute deviation (SCAD) penalties on the logarithm of component probabilities suggested by Huang et al. (Statistical Sinica, 27, 147-169, 2013) as well as several well-known penalty functions for coefficients in regression models. Simulation studies reveal that our method is satisfactory with well-known penalties such as SCAD, MCP, and adaptive lasso.

• Journal of the Korean Data and Information Science Society
• /
• v.24 no.1
• /
• pp.125-133
• /
• 2013

In this paper, penalized binary logistic regression models are employed as statistical models for determining the discharge of 668 patients with a chief complaint of dyspnea based on 11 blood tests results. Specifically, the ridge model based on $L^2$ penalty and the Lasso model based on $L^1$ penalty are considered in this paper. In the comparison of prediction accuracy, our models are compared with the logistic regression models with all 11 explanatory variables and the selected variables by variable selection method. The results show that the prediction accuracy of the ridge logistic regression model is the best among 4 models based on 10-fold cross-validation.

• The Korean Journal of Applied Statistics
• /
• v.28 no.6
• /
• pp.1103-1111
• /
• 2015

This paper presents a new prediction method based on relative error incorporated with a penalized regression. The proposed method consists of fully data-driven procedures that is fast, simple, and easy to implement. An example of real data analysis and some simulation results were given to prove that the proposed approach works in practice.

• Communications for Statistical Applications and Methods
• /
• v.16 no.4
• /
• pp.573-578
• /
• 2009

We prove the consistency of a penalized maximum likelihood estimate proposed by Ahn (2001). The PMLE not only avoids the well-known problem that the ordinary likelihood of the normal mixture model is unbounded for any given sample size, but also removes redundant components.

• Journal of Sericultural and Entomological Science
• /
• v.24 no.2
• /
• pp.85-91
• /
• 1983

본 보고는 1981년 국제견사협회가 불란서리온에서 개최되었을 때 제일차 보고를 기술연구분과위원회의에서 발표된 바 있는데 당시의 반응이 좋았었고 동시에 신규로 생사검사방법을 위임받은바 있는 스위스 측 대표로부터 제일차보고를 좀더 구체적으로 설명하여 달라는 요청을 받아 제이차 보고를 1982년 영국런던에서 개최된 바 있는 제15차 국제견사대회에서 재차 발표하게 되었다. 본 보고는 복잡을 피하기 위해 삼각법에 의한 이론전개 대신 XY축 직각좌표수식으로 이론을 전개하여 더욱 명확하게 이해 할 수 있도록 작성되었으며 스위스 대奈표도 이제는 확실히 알게되었다는 언급을 받게되었다. 한편 본 연구에 대한 고찰부문은 한국잠사학지 제22권 제2호 제22면을 참고하여주기 바란다. 본 연구에서 얻어진 요약은 다음과 같다. 1. 본 연구에서 생사검사결과와 그들로 만들어진 견직물 품위사이의 관계를 조사한 결과 타원형태의 이차곡선관계가 있음을 알았다. 2. 이러한 관계를 근거로 하여 생사검사등급간의 급간치를 검사항목별로 산출할 수 있는 표준벌점 parameter표를 작성하였으며 이것을 최병희 표준벌점 parameter라 명명하였고 다음과 같은 parameter가 작성 되였다. 3. 실제 생사검사 등급매기 표를 작성하는데는 다음과 같은 단계를 밟아서 이루어진다. (A) 가급적 많은 생사검사하구를 상대로 하여 E격부터 6A격에 이르기까지의 검사결과를 이용하여 각 검사항목별로 평균치와 표준편차를 정확하게 조사한다. (B) 각 검사항목에 대한 통계적 최대치와 최소치는 평균치에다 4배양의 표준편차 값을 가감하여 산출한다. (C) 각 검사항목에 대하여 통계적 개차(R)는 8배양의 표준편차로 하고 표준벌점의 산출에는 위에 제시한 parameter표 수치와 곱셈해서 얻는다. (R$\times$parameter) (D) 사조반 사조반열등 대중절 및 소절열등과 같이 백분율로 결과 표시되는 검사항목에 대하여는 최대치에서 표준벌점을 공제한 것으로 표시한다. (E) 생사섬도편차 및 최대편차와 같이 실벌점으로 표시되는 검사항목은 최소치에다 표준벌점을 가산해서 얻어진다. 4. 이상의 방법을 주요검사 항목에 한해서 반복함으로서 생사검사등급 매기표가 완성된다.

• 월간 기계설비
• /
• s.114
• /
• pp.51-58
• /
• 2000

새해 3월부터는 부실벌점산정제도가 개선되어 건설업체와 기술자에 대한 부실벌점이 현행3년간 누계평균에서 2년간의 누계평균으로 바뀌어 산정되고, 4월부터는 연면적이 $495m^2$를 초과하는 건축물 및 다중이 이용하는 건축물의 시공과 대수선에 관한 건설공사는 반드시 건설업자에게 맡겨야 하는 내용을 포함해 건설교통부는 지난 12월 28일 새해부터 달라지는 제도를 발표하였다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1429-1444
• /
• 2016

We suggest a monitoring procedure to detect changes in the mean of the stochastic process. The monitoring procedure is based on penalized least squares estimates. Unlike the fluctuation (FL) monitoring, we use the numbers of nonzero estimates not the fluctuations of sequential parameter estimates. We investigate the behavior of the proposed monitoring procedure by means of a simulation study and compare its performance with CUSUM monitoring.