• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.127-130
• /
• 2003

주변분포가 Laplace 분포인 세 가지 형태의 이변량 Laplace 분포를 연구한다. 각각의 이변량 Laplace 분포의 확률밀도함수와 누적분포함수를 유도하고, 분포의 그래프를 그려봄으로써 분포의 형태를 알아본다. 조건부 적률을 정리하여 조건부 첨도와 조건부 왜도를 구하고 분포의 성질을 파악한다. 상관계수를 구하여 다른 이변량 분포의 상관계수와 비교해 보았다. 그리고 정의된 분포함수를 응용하여 이변량 Laplace 분포를 따르는 난수벡터를 발생하는 알고리즘을 제안하였으며, 생성된 난수벡터의 표본으로부터 구한 표본평균과 중앙값의 분산-공분산 행렬식을 구하고 이변량 정규분포에 대응하는 행렬식과 비교 토론하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.550-550
• /
• 2016

본 연구에서는 Clark 모형을 기반으로 한 홍수유출 앙상블 멤버 생성기법을 개발하였다. Clark 모형의 매개변수인 집중시간과 저류상수는 불확실성을 가진다. 본 연구에서는 집중시간과 저류상수가 가지고 있는 불확실성을 해결하기 위하여 적절한 확률분포를 선정하였다. 집중시간에 적절한 확률분포는 집중시간이 가지고 있는 특성과 확률분포가 가지고 있는 특성을 비교 및 분석하여 선정하였다. 선정된 확률분포는 감마분포와 대수정규분포이다. 저류상수에 적절한 확률분포는 저류 상수와 집중시간의 관계를 분석하여 선정하였다. 선정된 확률분포는 집중시간에서 선정한 확률분포와 동일하다. 본 연구에서는 이지호 등(2013)의 연구에서 집중시간과 저류상수 사이에 뚜렷한 관계를 확인하고 이에 적합한 이변량 확률분포를 선정하였다. 선정된 이변량 확률분포는 이변량 감마분포와 이변량 대수정규분포이다. 이변량 감마분포는 집중시간과 저류상수에 적용 가능한 Smith, Adelfang and Tubb's(SAT) 이변량 감마분포를 선정하였다. SAT 이변량 감마분포와 이변량 대수정규분포의 적합도 검정방법은 K-S 검정을 이용하였다. 본 연구에서는 SAT 이변량 감마분포와 이변량 대수정규분포로 Random Number Generation 실시하였다. 생성된 집중시간과 저류상수의 앙상블 멤버는 Clark 모형을 이용하여 홍수유출 앙상블 멤버를 생성한다. 제안된 홍수유출 앙상블 멤버 생성기법은 방림 유역을 대상 검토하였다.

• Communications for Statistical Applications and Methods
• /
• 제4권3호
• /
• pp.863-879
• /
• 1997

정규분포에 대한 적합도 검정은 실제적인 측면이나 이론적인 측면에서 그 중요성을 무시할 수 없다. 본 연구에서는 이변량 정규분포의 적합도 검정을 위한 통계량을 제안하였다. 주요 아이디어는 모든 가능한 이변량 분포의 선형조합을 고려하여, 그 선형조합이 순서통계량을 이론적인 분위수와 비교하는 것이다. 또한 제안된 통계량의 극한분포가 Gaussian process의 적분의 형태로 표시될 수 있음을 보였다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2001년도 추계학술발표회 논문집
• /
• pp.131-136
• /
• 2001

projection pursuit을 이용하여 이변량 정규분포의 적합도 검정을 위한 통계량을 제안한다. 기본적인 생각은 이변량 정규분포의 가정하에 표준정규분포를 갖는 모든 선형조합을 고려하여 이들의 순서통계량과 이론적인 분위수를 비교하는 것이다. 이와 같이 제안된 통계량은 선형변환에 대해서 불변(invariant)이다. 본 논문에서는 제안된 통계량의 극한분포를 적절한 Gaussian process의 적분으로 표현한다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.87-98
• /
• 2017

일변량 이상의 다변량 경험분포함수의 정의를 새롭게 제안하고, 경험분포함수의 기대값과 분산을 유도하면서 다변량 경험분포함수가 실제의 분포함수로 수렴함을 확인한다. 그리고 다양한 상관계수의 이변량 표준정규분포에서 추출한 확률표본을 바탕으로 이변량 경험분포함수를 구하고 이를 이차원 평면에 시각적으로 표현하는 두 종류의 그래픽적인 방법을 제안한다. 하나는 계단으로 표현하여 계단식 함수와 유사한 성격을 갖고 있는 방법이고, 다른 하나는 이변량 분위벡터로 설명되는 그림 방법이다. 두 종류의 시각적인 표현 방법은 삼차원으로 표현할 수 있으나 이차원 평면으로도 쉽게 구현이 가능하며, 일반적으로 이변량 누적분포함수의 모든 특징을 충분히 설명할 수 있다. 따라서 삼변량 경험분포함수를 시각적 표현이 가능함을 보인다. 이변량과 사변량의 실증 예제를 통하여 본 연구에서 제안한 다변량 경험분포함수와 이차원 평면에 표현하는 시각적인 표현 방법들을 구현하고 탐색한다.

• 응용통계연구
• /
• 제23권3호
• /
• pp.585-594
• /
• 2010

본 연구에서는 제로절단된 이변량 일반화 포아송 분포에서 두 반응변수간 산포모수의 효과에 대하여 연구하였다. 모의실험 결과 두 반응변수가 서로 다른 산포를 갖는 경우 이를 무시하는 이변량 포아송 분포나 이변량 음이항 분포에 의한 모형적합은 효율성이 떨어지는 것으로 나타났다. 아울러 본 연구에서는 이와 같은 상이한 산포의 존재유무에 대한 가설검정에서 스코어 검정을 유도하고 우도비 검정과 효율성을 비교하였다.

• 응용통계연구
• /
• 제30권2호
• /
• pp.203-213
• /
• 2017

우리는 이변량 경시적 자료의 조건부 결합 분포를 추정하기 위하여 회귀 모형과 코플라 모형을 연구하였다. 주변 분포의 추정을 위하여 시변 변환 모형을 고려하였고, 이변량 반응변수 각각에 대한 주변 분포를 가우시안 코플라를 이용하여 결합하여 조건부 결합 분포를 추정하였다. 우리가 제안한 모형은 조건부 평균 모형만으로 자료를 설명하기 어려운 경우에 적용될 수 있다. 시변 변환 모형과 가우시안 코플라 모형을 결합한 본 논문의 방법은 반복 측정된 이변량 경시적 자료에 대한 모형화가 용이하며 해석하기 쉬운 장점이 있다. 우리는 본 논문의 방법을 반복 측정된 이변량 콜레스테롤 자료를 분석하는데 적용하여 보았다.

• Journal of the Korean Data and Information Science Society
• /
• 제9권1호
• /
• pp.47-56
• /
• 1998

영과잉-포아송모형는 포아송분포와 베르누이 분포의 혼합모형으로 볼 수 있다. 최근 기술의 발달로 생산공정에서 불량품이 거의 나타나지 않는 경우가 많아 기존의 포아송 분포 보다 영과잉-포아송 분포가 많이 응용되어 진다. 일변량 영과잉-포아송 분포를 이변량 영과잉-포아송 분포로 확장하는 일은 다변량으로 확장하기 위한 전초작업으로 중요하다. 본 논문에서는 세가지 형태의 이변량 영과잉-포아송 분포를 제시하고 이들 분포의 적률을 구하여보았다. 또한 적률을 이용하여 세가지 분포를 비교하여 보았다.

• 한국방재학회:학술대회논문집
• /
• 한국방재학회 2009년도 정기 학술발표대회
• /
• pp.153.2-153.2
• /
• 2009

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2016년도 학술발표회
• /
• pp.41-41
• /
• 2016

최근 다변량 확률모형을 이용한 빈도해석이 수문자료 등에 적용되면서 다양하게 연구되고 있으며 다변량 확률모형 중 copula 모형은 주변분포형에 대한 제약이 없어 여러 분야에 걸쳐 활발히 연구되고 있다. 강우자료는 기존 일변량 빈도해석을 수행하기 위하여 사용하던 block maxima 방법 대신 최소무강우시간(inter event time)을 통하여 강우사상을 추출하여 표본으로 사용한다. 또한 기후변화로 인한 강우량의 변화등에 대응하기 위하여 비정상성 Generalized Extreme Value(GEV)와 Gumbel 등의 확률분포형에 대한 연구도 많은 부분 이루어져 있다. 본 연구에서는, Archimedean copula 모형을 이용하여 이변량 확률모형을 구축하면서 여기에 사용되는 주변분포형에 정상성/비정상성 분포형을 적용하였다. 모형의 매개변수는 inference function for margin 방법을 이용하였으며 주변분포형으로는 정상성/비정상성 GEV, Gumbel 모형을 적용하였다. 결과로 정상성/비정상성 경향을 나타내는 지점을 구분하고 각 지점에 대한 정상성/비정상성 주변분포형을 적용한 이변량 확률분포형을 구하였다.