• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.379-391
• /
• 2001

본 연구에서는 관심거리가 되고 있는 마코프인쇄 몬테칼로(Markov Chain Monte Carlo, MCMC)방법에 근거한 공간 확률난수 (spatial random variate)생성법과 깁스표본추출법(Gibbs sampling)에 의한 베이지안 분석 방법에 대한 기술적 사항들에 관하여 검토하였다. 먼저 기본적인 확률난수 생성법과 관련된 사항을 살펴보고, 다음으로 조건부명시법(conditional specification)을 이용한 공간 확률난수 생성법을 예를 들어 살펴보기로한다. 다음으로는 이렇게 생성된 공간자료를 분석하기 위하여 깁스표본추출법을 이용한 베이지안 사후분포를 구하는 방법을 살펴보았다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.169-174
• /
• 2002

본 연구는 k개 지수분포 모수들의 기하평균에 대한 베이지안추정 방법을 제시하였다. 이를 위해 Tibshirani가 제안한 직교변환법으로 비정보적 사전확률분포를 도출하여 모수들의 결합사후확률분포를 유도해 내었으며, 이 분포 하에서 가중 몬테칼로 방법을 사용하여 기하평균을 추정하는 절차를 제안하였다. 모의실험과 실제자료의 예를 통해 제안된 베이지안 추정의 유효성 및 효용성을 보였으며, 본 연구에서 제안한 사전확률분포가 전통적인 포함확률을 기준으로 볼 때, Jeffrey의 사전확률분포 보다 더 유효한 추정을 함을 보였다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.69-73
• /
• 2002

본 발표에서는 베이지안이 생각하는 확률의 개념을 상호교환성(exchangeability)의 가정아래 어떻게 확장되어 해석되는지를 소개하고, 빈도학자들의 접근방법과 비교함으로서 베이지안에서 생각하는 확률이 어떠한 특징을 가지고 있는지를 설명하고자 하였다. 또한 Efron에 의하여 지적된 베이지안의 네 가지 문제점에 대하여 논의하고 특별히 과학적 객관성(scientific objectivism)의 한계점과 이러한 한계점을 베이지안에서 어떻게 해결하고 있는지에 대하여 논의하였다. 일반적으로 과학적 객관성에 대한 한계점은 빈도학자들의 방법론에서도 존재하게 된다. 즉, 연구자가 가설을 설정하고 이에 맞는 실험설계를 하고 유의수준을 설정하고 p값을 이용하여 의사결정을 내리는 모든 단계에서 연구자의 주관성이 들어갈 수밖에 없게 된다는 것이다. 베이지안 방법론에서는 이러한 비객관적인 체계를 인정하고 파악하여 사전확률(prior)에 포함시킴으로서 이를 객관적인 자료인 가능도함수(likelihood function)와 혼합하여 추론이나 의사결정을 진행하게 된다. 마지막으로 베이지안 학자들의 최근 객관적인 사전확률에 대한 다양한 형태의 연구를 소개하는 것으로 발표를 마무리하고자 한다.

• 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.

• 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.

• Proceedings of the Korean Statistical Society Conference
• /
• 2002.11a
• /
• pp.61-68
• /
• 2002

통계학은 불확실성(uncertainty)에 대한 연구이다. 베이지안 통계 방법은 불확실성 아래서 통계 추론과 의사 결정 모두를 위한 완전한(complete) 패러다임을 제공한다. 베이지안 방법론은 합리적인 초기 정보와 결합하는 것을 가능하게 만들고, 전통적인 통계적 방법론에 의하여 직면하는 많은 어려움들을 풀 수 있는 coherent 방법론을 제공하면서 엄격한 수학적 기본에 근거하고 있다. 베이지안 패러다임은 일반적인 용어로써 확률이란 단어의 사용을 가장 잘 어울리게 하는 불확실성의 조건부 측도(conditional measure of uncertainty)로써 확률의 해석에 근거한다. 관심있는 것에 대한 통계적 추론은 증거의 관점에서 그 값에 대한 불확실성의 변형으로써 묘사되며, 베이즈 정리(Bayes' theorem)는 이러한 변형이 어떻게 만들어지는 가를 자세히 설명할 수 있다. 베이지안 방법들은 전통적인 통계적 방법론에 접근할 없는 복잡하고, 다양한 구조적 문제들에 응용할 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.1029-1038
• /
• 2014

Bayesian experimental design is a useful concept in applied statistics for the design of efficient experiments especially if prior knowledge in the experiment is available. However, a theoretical or numerical approach is not simple to implement. We review the concept of a Bayesian experiment approach for linear and nonlinear statistical models. We investigate relationships between prior knowledge and optimal design to identify Bayesian experimental design process characteristics. A balanced design is important if we do not have prior knowledge; however, prior knowledge is important in design and expert opinions should reflect an efficient analysis. Care should be taken if we set a small sample size with a vague improper prior since both Bayesian design and non-Bayesian design provide incorrect solutions.

• The Korean Journal of Applied Statistics
• /
• v.6 no.1
• /
• pp.53-66
• /
• 1993

A Bayesian approach is suggested to the multi-proportions randomized response model. O'Hagan's (1987) Bayes linear estimator is extended to the inference of unrelated question-type randomized response model. Also some numerical comparisons are provided to show the performance of the Bayes linear estimator under the Dirichlet prior.

• The Korean Journal of Applied Statistics
• /
• v.26 no.5
• /
• pp.737-746
• /
• 2013

The Bayesian method can be applied successfully to the estimation of the censored regression model introduced by Tobin (1958). The Bayes estimates show improvements over the maximum likelihood estimate; however, the performance of the Bayesian interval estimation is questionable. In Bayesian paradigm, the prior distribution usually reflects personal beliefs about the parameters. Such subjective priors will typically yield interval estimators with poor frequentist properties; however, an objective noninformative often yields a Bayesian procedure with good frequentist properties. We examine the performance of frequentist properties of noninformative priors for the Tobit regression model.

• The Korean Journal of Applied Statistics
• /
• v.22 no.3
• /
• pp.443-461
• /
• 2009

In order to overcome the lack of Korean credit rating migration data, we consider an empirical Bayes procedure to estimate credit rating migration matrices. We derive the posterior probabilities of Korean credit rating transitions by utilizing the Moody's rating migration data and the credit rating assignments from Korean rating agency as prior information and likelihood, respectively. Metrics based upon the average transition probability are developed to characterize the migration matrices and compare our Bayesian migration matrices with some given matrices. Time series data for the metrics show that our Bayesian matrices are stable, while the matrices based on Korean data have large variation in time. The bootstrap tests demonstrate that the results from the three estimation methods are significantly different and the Bayesian matrices are more affected by Korean data than the Moody's data. Finally, Monte Carlo simulations for computing the values of a portfolio and its credit VaRs are performed to compare these migration matrices.