• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.335-349
• /
• 2003

In this paper, we use Bayesian method for model selection of poisson vs. negative binomial distribution, and normal, double exponential vs. cauchy distribution. The fractional Bayes factor of O'Hagan (1995) was applied to Bayesian model selection under the assumption of noninformative improper priors for all parameters in the models. Through the analyses of real data and simulation data, we examine the usefulness of the fractional Bayes factor in comparison with intrinsic Bayes factors of Berger and Pericchi (1996, 1998).

• 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.

• Journal of Korea Society of Industrial Information Systems
• /
• v.7 no.1
• /
• pp.42-49
• /
• 2002

In this paper, we develop the Bayesian multiple comparison procedure for the normal model. The procedure which we suggest is based on the fractional Bayes factor of O'Hagan (1995). We apply our procedure to normal populations, when noninformative prior is assumed to the model parameters. We derive explicit form of Bayes Factors when the number of populations is greater than 3. A famous data is analyzed by the proposed procedure. For this example, the suggested method is straightforward for specifying distributionally and to implement computationally, with output readily adapted for required comparison.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.105-110
• /
• 2003

이 연구에서는 일관성의 원리를 충족하는 새로운 형태의 베이즈 P-값으로 LR형 베이즈 P-값을 제안하고, 그 성질에 대하여 검토해보고자 한다. 제안된 베이즈 P-값은 가능도 비의 단순한 함수의 형태로 표현되어 쉽게 계산될 수 있다는 장점을 갖고 있으며, 검정방법으로서 일관성의 원리를 만족한다.

• The Korean Journal of Applied Statistics
• /
• v.12 no.2
• /
• pp.605-619
• /
• 1999

본 논문은 회귀분석에서 오차항의 1차 자기상관 존재 여부 및 그 값을 검정하는 방법을 베이지안 접근법으로 제안하였다. 이 방법은 모수공간의 다중분할로 인해 얻어진 여러 가설들에 대한 다중결정문제를 다중 베이즈요인에 관한 이론과 일반화 Savage-Dickey 밀도비를 이용한 사후확률 추정법을 합성하여 개발되었다. 이 방법은 기존의 검정법들에서 가능한 검정 뿐 아니라 이들이 해결할 수 없는 자기상관에 대한 다중결정문제에도 사용이 가능한데 그 효용성이 있다. 모의실험을 통하여 제안된 검정법의 유효성을 평가하였다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2023.11a
• /
• pp.190-191
• /
• 2023

본 연구의 목적은 항로표지사고 예방을 위해 항로표지 사고 주요 요인을 도출하는 것이다. 이를 위하여 베이즈 이론을 활용하여 네트워크 구조를 작성하고, 23년간 발생한 항로표지사고를 적용했다. 도출된 항로표지 사고의 주요 요인은 추후 항로표지 사고 예방을 위한 정책의 기본자료로 활용할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.449-462
• /
• 2001

베이지안 다중 검정방법(multiple hypothesis test)은 여러 통계모형에서 성공적인 결과를 주는 것으로 알려져있다. 일반적으로, 베이지안 가설검정은 고려중인 모형에 대한 사후확률을 계산하여 가장 높은 확률은 갖는 모형을 선택하기 때문에 귀무가설의 기각여부에만 관심을 가지는 고전적인 분산분석 검정과는 달리 좀 더 구체적인 모형을 선택할 수 있는 장점이 있다. 이 논문에서는 독립이면서 로그정규분포를 따르는 K($\geq$3)개 모집단의 모수에 대한 가설 검정방법으로 O’Hagan(1995)이 제안한 부분 베이즈 요인을 이용한 베이지안 방법을 제안한다. 이 때 모수에 대한 사전분포로는 무정보적 사전분포를 사용한다. 제안한 검정 방법의 유용성을 알아보기 위하여 실제 자료의 분석과 모의 실험을 이용하여 고전적인 검정방법과 그 결과를 비교한다.

• Journal of the Korean Data and Information Science Society
• /
• v.12 no.1
• /
• pp.51-59
• /
• 2001

We propose the Bayesian testing for the equality of two Lognormal population means. Specially we use the fractional Bayesian factors suggested by O'Hagan (1995) based on the noninformative priors for the parameters. In order to investigate the usefulness of the proposed Bayesian testing procedures, we compare it with classical tests via both real data analysis and simulations.

• The Korean Journal of Applied Statistics
• /
• v.15 no.1
• /
• pp.139-151
• /
• 2002

This study is concerned with model selection and diagnostics for nonlinear regression model through Bayes factor. In this paper, we use informative prior and simulate observations from the posterior distribution via Markov chain Monte Carlo. We propose the Laplace approximation method and apply the Laplace-Metropolis estimator to solve the computational difficulty of Bayes factor.

• The Korean Journal of Applied Statistics
• /
• v.11 no.2
• /
• pp.435-449
• /
• 1998

In this article we have introduced a Bayes criterion for the variable selection in multiple discriminant analysis (MDA). The criterion is a default Bayes factor for the comparision of homo/heteroscadasticity of the multivariate normal means. The default Bayes factor is obtained from a development of the imaginary training sample method introduced by Spiegelhalter and Smith (1982). Based an the criterion, we also provided a test for additional discrimination in MDA. The advantage of the criterion is that it is not only applicable for the optimal subset selection method but for the stepwise method. More over, the criterion can be reduced to that for two-group discriminant analysis. Thus the criterion can be regarded as an unified alternative to variable selection criteria suggested by various sampling theory approaches. To illustrate the performance of the criterion, a numerical study has bean done via Monte Carlo experiment.