• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.10a
• /
• pp.807-813
• /
• 1998

이 논문에서는 로그정규분포에 대한 베이지안 모형선택방법을 제안한다. 일반적으로 , 모수에 대한 사전정보가 비정보적(noninformative)인 경우, 베이즈 요인(Bayes factor)은 결정할 수 없는 상수를 포함하는 것이 일반적이다. 이 경우, 베이즈 요인을 계산하기 위해 최근 활발히 연구중인 고유 베이즈 요인(Intrinsic Bayes factor)방법을 이용한다. 실제의 자료를 통해 로그정규분포의 적합도 검정에 대한 부분적 베이즈 요인을 계산한다.

• 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.13 no.1
• /
• pp.115-131
• /
• 2000

이 논문에서는 평균-이동모형(mean-shift model)을 이상점을 위한 대립모형으로 사용하여 변량모형(random effect model)에서의 이상점 검출을 위한 베이즈인자(Bayes factor)를 제시한다. 그러나 가능한 사전 정보가 없어서 무정보사전분포(noninformative prior distribution)가 사용되어야만 할 때, 대부분의 무정보사전분포는 부적절분포(improper distribution)이기 때문에 베이즌 인자에는 사전분포로부터 나온 미지의 상수가 포함되어 잇다. 이 문제를 해결하기 위해 이 논문에서는 Berger와 Pericchi (1996)가 제시한 내재베이즈인자(the intrinsic Bayes factor;IBF)를 사용한다. 또한 이 베이즈인자를 계산상 어려움을 해결하기 위해 Verdinellidh Wasserman(1995)의 일반화 세비디지키 밀도비를 이용하여 수정하고 이것을 이용하여 이상점을 검출하는 방법을 제시한다. 마지막으로 인위적으로 이상점을 포함하고 있는 데이터를 만들고 제시된 방법으로 가상실험을 하고 또한 실제 데이터에서 제시한 방법으로 이상점을 찾아보았다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.909-922
• /
• 2014

This paper reviews Bayesian inference with inequality constraints. It focuses on ⅰ) comparison of models with various inequality/equality constraints on parameters, ⅱ) multiple tests on equalities of parameters when parameters are under inequality constraints, ⅲ) multiple test on equalities of score parameters in models for contingency tables with ordinal categorical variables.

• The Korean Journal of Applied Statistics
• /
• v.13 no.2
• /
• pp.427-436
• /
• 2000

In this paper, we consider a Bayesian model selection problem of lifetime distributions using fractional Bayes factor with noninformative prior when type II censored data are given. For a given type II censored data, we calculate the posterior probability of exponential, Weibull and lognormal distributions and select the model which gives the highest posterior probability. Our proposed methodology is explained and applied to real data and simulated data.