• 응용통계연구
• /
• 제36권4호
• /
• pp.309-322
• /
• 2023

혹스 과정은 자기 자극 특성을 가진 점 과정으로서, 지진 발생시 본진으로 인한 여진이 발생되는 현상을 설명하는 데 주로 쓰이는 확률 모형이다. 최근에는 전염병 확산, SNS에서의 소식 확산 등 자기 자극을 특성을 가진 다양한 현상을 설명하는 데 활용되고 있다. 혹스 과정은 다양한 형태의 자극 함수를 도입하여 발생하는 사건의 특성에 따라 유연하게 변형이 가능한데, 최대 우도 추정량을 구하는 것이 쉽지 않기 때문에 최근까지도 개선된 추정 방법이 제시되고 있다. 이 논문에서는 혹스 과정을 설명하기 위해 조건부 강도 함수와 자극 함수에 대해 설명하고, 지진, 전염병, 범죄 및 금융에서 활용되었던 예와 추정 방법을 알아보도록 한다. R-패키지 ETAS를 이용하여 2017년 11월부터 2022년 12월까지 한국 경상도에서 발생한 지진을 분석하도록 한다.

• 대한전자공학회논문지SP
• /
• 제44권6호
• /
• pp.111-117
• /
• 2007

본 논문에서는 복소 라플라시안 확률밀도함수 (PDF, Probability Density Function)에 기반한 새로운 음성 향상 기법을 제시한다. 적용된 복소 라플라시안 PDF가 기존의 가우시안 PDF보다 오염된 음성 분포를 정확하게 표현한다는 것을 Goodness-of-Fit (GOF) 테스트로 확인하였고, 음성 향상 알고리즘의 음성부재확률을 위해 우도비 (LR, Likelihood Ratio)를 적용하였다. 제시된 알고리즘의 성능은 객관적 테스트에 의해 평가하였고 기존의 가우시안 PDF보다 개선된 음성 향상 결과를 나타내었다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권1호
• /
• pp.33-39
• /
• 2013

반응변수의 변환을 고려하는 부분선형모형에서 이상치 문제는 선형모형에서와 마찬가지로 반응변수 변환모수의 추정에 왜곡된 결과를 초래할 수 있다. 이를 해결하기 위해서는 부분선형모형에서 반응변수 변환 모수 추정과 이상치 탐지 과정이 수행되어야 하지만 모형에 포함된 비모수 함수의 비정형성에 따른 어려움이 크다. 본 연구에서는 부분선형모형의 비모수함수에 대한 추정과 순차적 검정, 최대절사우도추정 등과 같은 이상치 제거방법의 적용을 통하여 부분선형모형에서 이상치에 강건한 반응변수 변환 과정을 제안한다. 제안된 방법들은 모의실험과 예제를 통해 효과를 비교 검증한다.

• Journal of the Korean Data and Information Science Society
• /
• 제26권4호
• /
• pp.813-826
• /
• 2015

본 연구는 화학 반응 모형의 추정 문제를 다루고 있다. 화학 반응 모형이란 생화학 분야에서 종(species) 들 간의 상호작용을 통한 변화 과정을 설명하기 위한 모형으로 생화학 분야 뿐 만 아니라 질병의 확산과정을 설명하는데 적용하는 모형이다. 본 연구에서는 화학 반응 모형 안에서 종들의 움직임이 확률적이라는 가정하에 Gillespie 알고리즘을 이용하여 모형 추정을 위한 우도함수를 구축하였다. 제한적인 자료구조 하에서 베이지안 접근법에 기반하여 MCMC (Markov chain Monte Carlo)방법에 기반한 모수의 추정 방법을 제안하였다. 제안된 방법들은 생태계 포식자-피식자 관계를 설명하기 위한 Lotka-Volterra 모형과 유전자 전사 (gene transcription) 과정을 설명하기 위한 L1 retrotransposition 모형에 적용하였다. 그 결과 우수한 추정 결과를 보였다.

• 한국통신학회논문지
• /
• 제41권8호
• /
• pp.851-858
• /
• 2016

본 논문은 비음수 행렬 인수분해(NMF)의 확률적 해석에 근거한 새로운 통계적 음성검출기법을 제안한다. NMF의 기저와 부호화 행렬들이 주어졌을 때, 데이터 행렬의 분포를 Poisson 분포로 가정한 로그 우도는 Kullback-Leibler 발산을 이용한 NMF의 목적 함수와 일치한다. 이러한 NMF의 확률모델에 근거하여 음성검출을 위해 DFT영역에서 잡음과 음성의 크기 스펙트럼을 Poisson 분포로 모델링하여 새로운 우도비 검출 규칙을 유도한다. 실험 결과를 통해 제안된 기법이 0-15dB 신호 대 잡음비의 시뮬레이션 환경에서 기존 Gaussian과 NMF을 사용한 기법보다 향상된 음성검출 결과를 보여준다.

• 한국습지학회지
• /
• 제10권3호
• /
• pp.125-132
• /
• 2008

일반적으로 빈도해석을 진행할 경우 자료는 정상성을 가정하고 분석하게 된다. 그러나 최근 들어 기후변화 등의 원인으로 인하여 강우나 유출량이 변화하고 있어 변화하는 강우나 유출량을 고려해서 빈도해석을 해야 한다는 주장이 제기되고 있다. 이에 본 연구에서는 Bootstrap을 기반으로 개발된 SIR 알고리즘을 이용하여 홍수빈도해석을 수행하기위한 방안을 제시하였다. SIR 알고리즘은 우도함수를 고려하여 자료를 재추출하기 위해서 사용되어 왔으며, 본 연구에서도 최근에 변화하는 홍수량의 변화 양상을 고려하여 홍수량 자료를 재추출하기 위해서 적용되었다. 증가된 홍수 특성을 고려하여 재추출된 홍수량자료는 매개변수적 빈도해석을 함으로써 지속시간별 홍수량을 산정하였으며, 산정된 빈도별 홍수량들을 Bootstrap을 이용해서 재추출한 자료를 이용한 빈도해석결과와 원자료를 이용하여 분석한 빈도해석 결과를 비교하였다. 비교결과 SIR알고리즘을 이용해서 빈도해석을 진행한 경우의 빈도별 홍수량이 가장 크게 나타났다. 따라서 홍수빈도해석시 현재까지의 변화하는 홍수량 패턴을 고려할 경우, 확률홍수량이 증가하는 것을 확인하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1121-1124
• /
• 2008

저수분석(low flow analysis)은 수자원공학에서 중요한 분야 중 하나이며, 특히 저수량 빈도분석(low flow frequency analysis)의 결과는 저수(貯水)용량의 설계, 물 수급계획, 오염원의 배치 및 관개와 생태계의 보존을 위한 수량과 수질의 관리에 중요하게 사용된다. 그러므로 본 연구에서는 저수량 빈도분석을 위한 점빈도분석을 수행하였으며, 특히 빈도분석에 있어서의 불확실성을 탐색하기 위하여 Bayesian 방법을 적용하고 그 결과를 기존에 사용되던 불확실성 탐색방법과 비교하였다. 본 논문의 I편에서는 Bayesian 방법 중 사전분포(prior distribution)와 우도함수(likelihood function)의 복잡성에 상관없이 계산이 가능한 Bayesian MCMC(Bayesian Markov Chain Monte Carlo) 방법과 Metropolis-Hastings 알고리즘을 사용하기 위한 여러과정의 이론적 배경과 Bayesian 방법에서 가장 중요한 요소인 사전분포를 구축하고 이를 비교 및 평가하였다. 고려된 사전분포는 자료에 기반하지 않은 사전분포와 자료에 기반한 사전분포로써 두 사전분포를 이용하여 Metropolis-Hastings 알고리즘을 수행하고 그 결과를 비교하여 저수량 빈도분석에 합리적인 사전분포를 선정하였다. 또한 알고리즘의 수행과정에서 필요한 제안분포(proposal distribution)를 적용하여 그에 따른 알고리즘의 효율성을 채택률(acceptance rate)을 산정하여 검증해 보았다. 사전분포의 분석 결과, 자료에 기반한 사전분포가 자료에 기반하지 않은 사전분포보다 정확성 및 불확실성의 표현에 있어서 우수한 결과를 제시하는 것을 확인할 수 있었고, 채택률을 이용한 알고리즘의 효용성 역시 기존 연구자들이 제시하였던 만족스러운 범위를 가지는 것을 알 수 있었다. 최종적으로 선정된 사전분포는 본 연구의 II편에서 Bayesian MCMC 방법의 사전분포로 이용되었으며, 그 결과를 기존 불확실성의 추정방법의 하나인 2차 근사식을 이용한 최우추정(maximum likelihood estimation)방법의 결과와 비교하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.413-413
• /
• 2011

강우의 공간분포에 대한 신뢰성 있는 추정은 수자원 해석 및 설계에 있어서 필수적인 요소이다. 강우장의 공간변동성에 대한 고해상도 추정은 홍수, 특히 돌발홍수의 원인이 되는 국지성 호우의 확인 및 분석에 있어서 중요하다. 또한 강우의 공간 변동성에 대한 고려는 면적평균강우량 추정의 정확도를 향상시키는데 있어서 중요하며, 강우-유출모델의 모의결과에 대한 신뢰도를 향상시키는데 큰 영향을 미친다. 최근 공간자료에 대한 공간분포예측에 있어서 공간상관성을 고려할 수 있는 공간통계학적 기법의 적용이 증가하고 있으며, 이러한 공간통계학적 기법의 적용에 있어서 신뢰성 있는 모델 매개변수의 추정 및 불확실성 평가는 공간분포 예측결과에 대한 신뢰성을 향상시키는데 중요한 역할을 한다. 외국의 경우 공간분포예측 및 모의, 매개변수의 불확실성 평가 등과 관련하여 활발한 연구가 이루어지고 있는 반면 국내 수자원 분야에서는 아직까지 활발한 연구가 이루어지고 있지 않은 실정이다. 따라서 본 연구에서는 계층구조로 구성된 가우시안 공간선형혼합모델을 적용하여 확률강우량의 공간분포를 추정함에 있어서 모델 매개변수에 대한 추정기법을 비교하였으며, 매개변수 추정기법으로서 경험베리오그램에 대한 곡선적합기법인 보통최소제곱법 및 가중최소제곱법, 우도함수를 기반으로 하는 최우도법 및 REML과 같은 기존의 매개변수 추정기법들과 최근 공간통계학 분야에서 적용이 증가하고 있는 Bayesian 기법을 비교하였다. 이로부터 매개변수 추정기법 간의 매개변수 추정치에 대한 정량적 비교결과를 제시하였으며, Bayesian 기법의 적용을 통해 매개변수에 대한 불확실성 추정결과를 제시하였다. 이러한 결과들은 확률강우량의 공간분포 추정에 있어서 공간예측모델의 매개변수 추정 및 예측에 대한 신뢰성을 향상시킬 수 있는 기초자료로 활용될 수 있을 것이다.

• 한국콘텐츠학회논문지
• /
• 제12권2호
• /
• pp.461-471
• /
• 2012

본 논문의 목적은 공간적탐색기법을 이용한 부산 주택시장 다이나믹스 분석으로써 MATLAB toolbox M-file을 이용하였다. 본 연구에서 사용된 자료는 2006년부터 2009년 2분기까지 공개된 부산지역 아파트 실거래가 64,530개 자료를 기준으로 법정동을 분류하여 각 평균값을 분석에 이용하였다. 주택시장분석에 많이 이용되는 헤도닉가격 모형은 도시주택경제 분야에서 주택시장 다이나믹스를 설명하는데 강력한 분석기법의 하나이다. 그럼에도 불구하고 전통적인 헤도닉가격 모형은 공간적자기상관의 영향력을 반영하지 않는 단점이 있다. 따라서 본 논문에서는 공간자기상관 관계를 반영한 다양한 공간계량모형, 예를 들어, 공간자기회귀모형(SAR), 공간오차모형(SEM), 일반공간모형(SAC) 등을 보통최소자승법을 이용한 전통적 헤도닉가격 모형과 비교하고자 한다. 이를 위해 결정계수($R^2$), 분산(${\sigma}^2$), 우도함수(Likelihood)의 값 등의 지표들을 이용하였다. 분석결과 공간자기상관을 고려한 공간계량모형이 전통적 헤도닉모형에 비해 높은 설명력을 보여주고 있다. 공간계량모형에서는 공간오차모형(SEM)과 일반공간모형(SAC)이 공간자기회귀모형(SAR) 보다 우수한 설명력을 보이고 있다.

• 지구물리와물리탐사
• /
• 제5권4호
• /
• pp.262-271
• /
• 2002

본 연구에서는 지구물리 자료의 베이지안 역산을 효과적으로 수행하는 방법에 관해 논의하였다. 베이지안 처리에서 가장 문제가 되는 사전확률분포를 구하기 위해 지구통계학적 방법을 적용하였으며, 사후확률분포의 추정을 위해 MCMC(Markov Chain Monte Carlo) 방법을 적용하였다. 쌍극자배열 전기비저항 탐사 자료의 2차원 역산을 위해 슐럼버저배열 전기비저항탐사 자료와 시추공 자료를 사전 정보로 이용하였으며, 이들 사전정보에 대해 지구통계학적 방법을 적용하여 사전확률분포를 작성하였다. 쌍극자배열 전기비저항 탐사 자료를 최대 우도함수로 하는 사후확률분포는 차원이 매우 높은 적분을 요구하므로, 이를 추정하기 위해 MCMC기술을 적용하였으며, 보다 효율적인 접근을 위해 Gibbs샘플링 방법을 이용하였다. 그 결과 비모수적 방식으로 사후확률분포를 분석함으로써 보다 신뢰성 있는 해를 구할 수 있었으며, 주변화(marginalization)된 사후확률분포를 이용하여 다양한 분석을 적용할 수 있었다.