• Proceedings of the Korean Statistical Society Conference
• /
• 2004.11a
• /
• pp.227-228
• /
• 2004

최근에 베이지안 통계학은 경제 경영 그리고 의학 뿐 만 아니라 공학 등의 많은 분야에서 그 응용의 정도가 급속히 증가하는 추세이다. 그러나 베이지안 추론 또는 법칙들이 이론적으로 간단하지만 많은 경우 계산상에 어려움 때문에 실제 적용에 어려움이 있다 이러한 상황을 극복하기 위해 간단한 통계 패키지 프로그램인 미니텝을 이용한 여러 가지 적용 방법을 알아본다. 또한 미니탭 매크로의 사용을 원활히 적용함으로써 보다 발전적으로 베이지안 통계 계산을 용이하게 할 수 있다

• Communications for Statistical Applications and Methods
• /
• v.4 no.3
• /
• pp.753-763
• /
• 1997

컴퓨터의 발전에 따른 MCMC를 비동질적 포아송 과정에 이용하였다. 베이지안 추론에서 조건부 분포를 가지고 사후분포를 결정하는데 있어서의 계산 문제를 고려하였다. 특히 분포가 이중지수, 곰페르츠, 랄리, 감마, 그리고 검벨인 일반 순서통계량 모형에 대하여 깁스 샘플링과 메트로폴리스 알고리즘을 활용한 베이지안 계산과 모형선택을 제시하였다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.855-863
• /
• 2014

The recent computational revolution of Bayesian statistics has expanded use of the Bayesian statistics significantly; however, Bayesian statistics face a new set of challenges in the era of information technology. We survey the history of Bayesian statistics briefly and its expansion in the modern times. We then take a prospective future view of statistics and list challenges that the statistics community faces.

• 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.10 no.1
• /
• pp.119-133
• /
• 1999

A Markov Chain Monte Carlo method is developed to compute the software reliability model. We consider computation problem for determining of posterior distibution in Bayseian inference. Metropolis algorithms along with Gibbs sampling are proposed to preform the Bayesian inference of the Mixed model with record value statistics. For model determiniation, we explored the prequential conditional predictive ordinate criterion that selects the best model with the largest posterior likelihood among models using all possible subsets of the component intensity functions. To relax the monotonic intensity function assumptions. A numerical example with simulated data set is given.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.163-168
• /
• 2002

전형적인 시공간모형은 시공간 변이도(semivariogram) 또는 공분산 함수(covariance function)를 필요로 한다. 본 논문에서는 계산하기 어렵고 현실적이지 못한 결합 공분산함수를 통한 고전적 모형 대신, 일련의 독립적인 조건분포를 이용하는 보다 현실적인 베이지안 계층모형을 이용한다. 미국 전 지역에 산재해 있는 138개 기온 관측소로부터 얻어진 61년(1920-1980) 동안의 연기온편차 자료에 시공간 베이지안 계층모형을 적용하고 순수시계열모형에서의 적합값과 제안된 모형의 적합값을 비교분석한다.

• The Korean Journal of Applied Statistics
• /
• v.11 no.2
• /
• pp.377-387
• /
• 1998

A Markov Chain Monte Carlo method with data augmentation is developed to compute the features of the posterior distribution. For each observed failure epoch, we introduced latent variables that indicates with component of the Superposition model. This data augmentation approach facilitates specification of the transitional measure in the Markov Chain. Metropolis algorithms along with Gibbs steps are proposed to preform the Bayesian inference of such models. for model determination, we explored the Pre-quential conditional predictive Ordinate(PCPO) criterion that selects the best model with the largest posterior likelihood among models using all possible subsets of the component intensity functions. To relax the monotonic intensity function assumptions, we consider in this paper Superposition of Musa-Okumoto and Erlang(2) models. A numerical example with simulated dataset is given.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.867-889
• /
• 2014

Nonparametric Bayesian (np Bayes) statistical models are popularly used in a variety of research areas because of their flexibility and computational convenience. This paper reviews the np Bayes models focusing on biomedical research applications. We review key probability models for np Bayes inference while illustrating how each of the models is used to answer different types of research questions using biomedical examples. The examples are chosen to highlight the problems that are challenging for standard parametric inference but can be solved using nonparametric inference. We discuss np Bayes inference in four topics: (1) density estimation, (2) clustering, (3) random effects distribution, and (4) regression.

• Communications for Statistical Applications and Methods
• /
• v.1 no.1
• /
• pp.94-101
• /
• 1994

본 논문은 패널(panel) 자기회귀 모형에서 자기회귀 계수의 추정을 베이지안 방법으로 접근하였는데, 이 때 특별히 Gibbs Sampling 방법을 이용하여 사후분포를 계산하였다. 또한 모의 실험을 통하여 자기회귀계수를 Gibbs Sampling 방법으로 추정한 베이지안 추정치가 non-Bayesian 방법으로 구한 추정치보다 더 우월함을 보였다.

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.81-96
• /
• 2000

본 논문은 의학분야에서 주로 사용되는 메타분석 중 그룹화 임의효과 모형(grouped random effects model)을 프라빗 연결함수(probit link function)를 이용하여 베이즈적 관점에서 연구하였다. 이때 프라빗 함수를 강요하기 위해 잠재변수를 정의하였고, 사전 분포를 달리한 세가지 모형을 고려하였다. 주어진 세가지 모형들에게서 적합한 모형 선택을 위하여 베이즈 인자(Bayes factor, BF)와 유사베이즈 인자(pseudo-Bayes factor, PsBF)를 이용하였다. 깁스샘플러와 메트로폴리스 알고리즘을 이용하여 베이지안 계산상의 어려움을 해결하였다. 예로써, 새로운 간질약에 대한 효과를 조사하기 위하여 앞에서 제시된 방법으로 해석하였다.