• 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.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.386-386
• /
• 2011

다양한 연구 분야에서 강수량, 온도, 습도, 일조량은 연구에 필요한 기후 인자로써 사용되어져 왔다. 외국의 경우 기후 인자들과의 관계를 도출해 내는 연구가 이루어 졌지만 국내의 경우는 이러한 연구가 이루어지지 않고 있다. 본 연구에서는 이러한 인자들과의 관계를 강수-온도-습도-일조량이 연동되어 모의되는 기법을 개발하고자 한다. 기존 국내외 연구결과들은 지수함수식의 형태를 가지는 모형을 이용하여 온도-일조량(radiation), 온도-습도, 습도-일조량, 온도와 강수-일조량과 습도를 개별적으로 추정하는 연구들이 있었다. 그러나 온도, 강수량, 습도, 일조량 등은 기상학적 관점에서 모두 연관성을 가지고 각 변량들에 영향을 주고 있다. 이러한 점에 착안하여 본 연구에서는 4가지 변량들이 가지는 관계를 규명하고 각 변량간의 상관관계뿐만 아니라 4가지 변량이 동시에 상관성을 갖도록 모형을 구축하고자 한다. 일반적으로 각 변량들 간의 확률적인 거동을 동시에 고려할 수 있는 Network 모형이 많이 이용된다. 본 연구에서는 Bayesian Network 모형을 활용하여 4가지 변량 간에 Bayesian Network를 구성하고, 통계적 모형으로 발전시켜 기후변화 연구에 활용하고자 한다. 제안된 방법론에 대한 적합성을 평가하기 위해, 서울지점을 대상으로 온도, 강수, 습도, 일조량 값을 이용하였다. 기후변화에 따른 수문순환모형에서 이들 4가지 변량은 기본 입력자료로 이용되고 있으나, 현재까지는 강수 및 온도를 사용한 모형 개발이 이루어지고 있다. 이러한 점에서 본 연구의 결과는 기후변화에 따른 물순환 변동성을 평가하는 기본 자료로서 활용될 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.420-420
• /
• 2015

일반적으로 호우사상의 특성은 강우강도, 지속기간, 총 강우량으로 정량화된다. 주어진 호우 사상에 대한 재현기간은 보통 위 세 개 변량 중 두 개의 변량에 대한 이변량 빈도해석을 통해 결정된다. 따라서 3 가지의 다른 빈도해석이 가능하며, 원칙적으로 이 세 가지 빈도해석 결과는 같아야 한다. 그러나, 문제는 어떤 변량을 선택하느냐에 따라 빈도해석 결과가 달라진다는 점이다. 본 연구에서는 이 문제를 해결하고자 다음과 같은 연구를 수행하였다. 첫 번째로 1961-2010년에 관측된 서울지점 연최대치 호우사상에 대한 이변량 빈도해석을 수행하였다. 이변량 빈도해석은 Frank, Gumbel-Hougaard, Clayton, ali-Mikhail-Haq copula 모형을 이용하여 수행하였으며, 모형의 매개변수는 두 변량의 상관관계를 나타내는 Kendall's tau를 이용하여 추정하였다. 호우사상에 대한 이변량 빈도해석을 수행한 결과, 결과가 일관되지 않고 고려한 두 가지 강우변량에 따라 다르게 나타난 것을 확인하였다. 두 번째로 보편적인 강우강도식을 이용하여 호우사상을 이루는 세변량의 특성을 분석하였다. 본 연구에서 고려한 강우강도식은 Talbot 형, Sherman 형, Japanese 형, Grunsky 형이다. 일반적인 강우강도식에서 지속기간과 강우강도의 관계는 I~t^a와 같이 나타나며, 이 때 a의 범위는 -0.5부터 -1까지 값으로 정해진다. 마지막으로, 호우사상을 이루는 세 변량의 상관관계를 이용하여 가장 적절한 이변량 빈도해석결과를 도출하는 강우 변량의 조합을 결정하였다. 결론적으로, 본 연구에서는 지속기간과 강우강도를 copula 모형을 이용한 이변량 빈도 해석의 가장 적절한 것으로 판단되었다.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.5
• /
• pp.787-796
• /
• 2009

A random coefficient model is applied when times of the repeated measurements are not fixed in experiments with respect to the subjects. The procedures of the inference of a random coefficient model are same as those of a mixed model. Diet experimental data was used for applying the random coefficient model. Various random coefficient models are investigated for the experimental data, and are compared each other. Finally, optimal random coefficient model would be selected. It resulted from the analysis that for the fixed effect factor, the baseline, treatment, height, and time effect were very significant. The treatment effect of the diet foods and exercises were more effective in losing weight than the effect of the diet foods only. The fixed cubic time effect was very significant. The variance components corresponding to the subject effect, linear time effect, quadratic time effect, and cubic time effect of the random coefficients are all positive. When quartic time effect was added as random coefficients the model did not converge. Thus random coefficients up to the cubic terms was considered as the optimal model.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2011.05a
• /
• pp.359-359
• /
• 2011

기존 수자원계획에 있어서 수문량 예측은 매우 제한적으로 활용되고 있는 실정으로서 최근 기후변화 및 이상기후로 기인하는 기상학적 불확실성 증가에 대해서 효과적으로 대응 하기가 어렵다. 본 연구에서는 기상인자를 활용한 수문변량 예측기법을 개발하고자 하며 국내에 수문자료가 충분한 지역에 대해서 모형의 적합성과 타당성을 평가하고자 한다. 대부분의 수문변량은 해수면온도, 해수면기압, 바람장 등 Large Scale의 기상학적 특성과 연관성을 가지고 있으며 선행시간을 가지고 수문순환에 영향을 주고 있다. 수문변량과 기상학적 변량사이에는 일반적으로 비선형 관계를 가지고 있는 것으로 알려지고 있으며 이러한 비선형 관계를 효과적으로 예측하기 위해서 본 연구에서는 비선형 예측모형을 개발 하고자 한다. 최근 비선형 예측모형에서 불확실성을 고려한 모형에 대한 연구가 활발히 진행되고 있으며 특히, 다중 모형을 사용한 Ensemble 개념의 예측모형 도입이 이루어지고 있다. 본 연구에서는 국내 다목적댐 유입량 및 강수량에 대해서 최적 기상변량을 도출하고 이를 활용한 비선형 Ensemble 예측모형을 개발하였다. 일반적인 선형 회귀분석 모형에 비해 기상현상과 수문현상에 비선형성을 효과적으로 재현할 수 있는 장점을 확인할 수 있었으며 이와 더불어 예측결과에 대한 불확실성을 제공함으로서 신뢰성 있는 수자원 계획을 위한 기초자료로서 활용이 가능할 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2012.05a
• /
• pp.106-106
• /
• 2012

본 연구에서는 독립 호우사상을 이용하여 이변량 빈도해석 및 유출해석을 수행하고, 이로부터 산정된 설계홍수량을 기존 단변량 빈도해석 결과와 비교하였다. 추가로 빈도해석 결과를 유출모형에 적용하기 위한 강우의 시간분포 모형으로 교호블록 방법 및 Huff 방법을 이용하여 그 특성이 비교될 수 있도록 하였다. 본 연구에서 고려한 빈도해석 결과로부터 산정된 설계홍수량을 비교하기 위해 Clark 모형을 유출모형으로 이용하였으며, 유효우량을 산정하기 위한 방법으로 SCS 방법을 동일하게 적용하였다. 이러한 특성은 유역 크기가 다른 세 유역(중랑천, 청계천, 우이천)에 적용한 결과로부터 비교될 수 있도록 하였다. 그 결과를 정리하면 다음과 같다. 첫째, 연 최대치 독립 호우사상에 대한 이변량 빈도해석 결과, 지속기간이 짧은 경우에는 단변량 빈도해석 결과와의 차이가 매우 크나 지속기간이 길어짊에 따라서 그 차이가 현저히 줄어드는 것으로 나타났다. 아울러 지속기간이 짧은 경우, 단변량 빈도해석 결과가 이변량 빈도해석 결과보다 더욱 크게 나타났으나 특정 지속기간 이상부터는 그 결과가 역전되어 나타났다. 둘째, 강우 시간분포 모형으로 교호블록 방법을 적용하는 경우가 Huff 방법을 적용한 경우보다 더욱 큰 첨두유출량을 발생시키는 것으로 나타났다. 아울러 교호블록 방법을 적용하는 경우에는 강우 지속기간의 증가에 따라서 첨두 유출량이 점차 증가하는 것으로 나타났으나, 강우 지속기간이 대략 24시간 정도 되었을 때 그 값이 거의 수렴하는 것으로 나타났다. 셋째, 중랑천 유역에 대해 Huff 방법을 적용하여 유출해석을 수행한 결과에서는 이변량 설계강우를 적용한 경우가 단변량 설계강우를 적용한 경우보다 더욱 큰 홍수량을 발생시키는 것으로 나타났다. 반면에 청계천 및 우이천 유역의 경우에는 이변량 설계 강우를 적용한 경우보다 단변량 설계강우를 적용한 경우의 홍수량이 다소 큰 것으로 나타났다. 넷째, 교호블록 방법을 적용하여 유출해석을 수행한 경우, 본 연구에서 고려한 모든 유역에 대해 이변량 설계강우를 적용한 경우가 단변량 설계강우를 적용한 경우보다 더 큰 홍수량을 발생시키는 것으로 나타났다.

• The Korean Journal of Applied Statistics
• /
• v.30 no.1
• /
• pp.57-68
• /
• 2017

Clustering algorithms attempt to find a partition of a finite set of objects in to a potentially predetermined number of nonempty subsets. Gibbs sampling of a normal mixture of linear mixed regressions with a Dirichlet prior distribution calculates posterior probabilities when the number of clusters was known. Our approach provides simultaneous partitioning and parameter estimation with the computation of classification probabilities. A Monte Carlo study of curve estimation results showed that the model was useful for function estimation. Examples are given to show how these models perform on real data.

• Horticultural Science & Technology
• /
• v.33 no.6
• /
• pp.854-859
• /
• 2015

This experiment was performed to develop a model for nutrition ion concentration and EC in regard to change in pH from 4.0 to 8.0 in nutrient solution. The pH changes according to the variation of $HPO_4{^{-2}}$ and $H_2PO_4{^-}$ in the nutrient solution while variation of EC increased from pH 4.0 to 5.0, stabilized from pH 5.0 to 7.0 and increased again from pH 7.0 to 8.0. For the variance of major elements in the nutrient solution, K, Ca, N and P increased while pH was higher, especially the variables for K and P were increased largely. On the other hand, variables of Mg and S were stable. Based on analysis of the ion balance model of nutrient solution, the cation increased than anion over rising the variation of pH while balance point of ion moved from a-side to d-side. In addition, the imbalance increased while it moved away from the EC centerline as variance of pH increased. It was larger than effect of EC variance to correction values of equivalence ratios of K and Ca about variation of $HPO_4{^{-2}}$ and $H_2PO_4{^-}$ while as variance of pH increased, K decreased but Ca increased. These showed the result that variance of pH about correction values of equivalence ratios of K and Ca gave a second-degree polynomial model rating of 0.97. Through this research, it was identified the pH variable model about variance among pH, ion and EC according to gradient of phosphate.

• The Korean Journal of Applied Statistics
• /
• v.35 no.3
• /
• pp.385-393
• /
• 2022

In this paper, we consider univariate time series models that are well known in the field of forecasting and we study on forecasting performance for their simple combinations. The univariate time series models include exponential smoothing methods and ARIMA (autoregressive integrated moving average) models, their extended models, and non-seasonal and seasonal random walk models, which is frequently used as benchmark models for forecasting. The median and mean are simply used for the combination method, and the data set used for performance evaluation is M3-competition data composed of 3,003 various time series data. As results of evaluating the performance by sMAPE (symmetric mean absolute percentage error) and MASE (mean absolute scaled error), we assure that the simple combinations of the univariate models perform very well in the M3-competition dataset.

• The Korean Journal of Applied Statistics
• /
• v.28 no.2
• /
• pp.123-136
• /
• 2015

Science has developed with great achievements after Galileo's discovery of the law depicting a relationship between observable variables. However, many natural phenomena have been better explained by models including unobservable random effects. A mixed effect model was the first statistical model that included unobservable random effects. The importance of the mixed effect models is growing along with the advancement of computational technologies to infer complicated phenomena; subsequently mixed effect models have extended to various statistical models such as hierarchical generalized linear models. Hierarchical likelihood has been suggested to estimate unobservable random effects. Our special issue about mixed effect models shows how they can be used in statistical problems as well as discusses important needs for future developments. Frequentist and Bayesian approaches are also investigated.