• 한국산업정보학회논문지
• /
• 제23권2호
• /
• pp.19-28
• /
• 2018

본 연구에서는 함정 신호해석 연구에 필요한 해양기상환경 자료의 표본추출에 관한 연구를 수행하였다. 이를 위해 한국 기상청으로부터 품질검사가 완료된 최신의 해양 기상자료를 수집하고, 측정 자료의 가용 구간을 설정하여 이상치를 제거하였다. 품질검사와 이상치를 제거한 자료는 함정 신호의 확률론적 해석을 위해 지정학적 위협과 부이의 유효면적을 고려하여 단순임의추출법을 통해 축소되었다. 이후 표본의 크기는 모집단의 크기와 신뢰수준 95%를 고려하여 100, 200 그리고 400개로 설정하였으며, 상관관계가 높은 수온과 기온을 기준으로 하는 2차원 층화추출법으로 최종표본을 추출하였다. 추출 표본은 제곱오차의 합과 신뢰구간을 추정하고 이를 비교하여 함정의 확률론적 신호해석을 위해 필요한 해양기상조건의 크기를 제시하였다.

• 응용통계연구
• /
• 제36권6호
• /
• pp.547-559
• /
• 2023

표본조사에서 무응답의 적절한 처리는 추정의 정확성을 향상한다. 결측 메카니즘이 MCAR (missing completely at random) 또는 MAR (missing at random)인 경우에서는 이를 적절히 처리할 수 있는 다양한 방법이 연구되었다. 무응답이 발생하였을 때 사용하는 평균 추정량으로 흔히 성향점수보정 추정량이 사용되며 MAR 또는 MCAR 무응답인 경우, 알려진 표본 가중치와 타당한 방법으로 추정된 응답확률을 사용할 수 있으므로 성향점수보정 추정량은 불편추정량이 된다. 그러나 관심변수 값에 영향을 받는 무응답인 MNAR (missing not at random) 무응답에서는 정확한 응답확률을 구하는 것이 어려워 성향점수보정 추정량에 편향이 발생할 수 있다. Chung과 Shin (2017, 2022)은 무정보적 표본설계에서 MNAR 무응답이 발생하였을 때 평균 추정의 정확성을 향상하는 방법으로 단일 사후층화 방법을 제안하였다. 본 연구에서는 정보적 표본설계를 사용하고, MNAR 무응답이 발생한 경우에서 나이브 성향점수보정 추정량의 정확성 향상을 위한 이중 사후층화 방법을 제안하였다. 또한, 모의실험을 통해 제안된 방법의 우수성을 확인하였다.

• 응용통계연구
• /
• 제7권1호
• /
• pp.159-172
• /
• 1994

여러개의 종으로 구성된 모집단으로부터 일정 크기의 표본을 추출한 경우 다음에 관측된 종이 신종일 확률에 대한 추정량으로 가장 널리 사용되어 온 것은 Good의 추정량이다. 본 논문에서는 종의 총 수효에 관한 사전정보가 존재할 경우 Good의 추정량에 대한 대안으로서 새로운 경험적 베이지안 추정량을 제안하였다. 모집단이 절단 기하분포를 따를 경우의 소표본 시뮬레이션 결과는 새로운 추정량의 편의가 별로 크지 않으며 RMSE가 Good의 추정량보다 작음을 보여 주었다.

• Communications for Statistical Applications and Methods
• /
• 제15권4호
• /
• pp.509-516
• /
• 2008

본 논문에서는 변이계수에 대한 영향함수를 유도한다. 경험적 영향함수와 표본영향함수를 이용하여 유도된 영향함수의 타당성을 입증하고 이를 위하여 정규분포 $N(20,1^2)$와 $N(20,5^2)$에서 각각 확률표본을 추출하여 시뮬레이션을 수행한다. 시뮬레이션 결과로부터, 유도된 변이계수에 대한 영향함수가 한 개의 관찰치가 제거되었을 때 변이계수의 변화량을 매우 정확히 추정하는 것을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.520-522
• /
• 2001

본 논문에서는 동작 표본을 이용하여 내재하는 동작 특성을 추정하고, 이를 동작 변환에 적용하는 새로운 동작 변환 알고리즘을 제안한다. 기존의 역 운동학에 기반한 동작 변환 알고리즘은 우선 앤드 이펙터 (end effector)의 궤적 차이를 줄이도록 한 후, 자세 공간에서 동작간의 거리를 최소화하는 방향으로 자세를 변환시켰다. 그러나 동작간의 거리에 대한 정의가 명확하지 않고, 이렇게 생성된 동작이 동작 주체가 취할 수 있는 자세라는 보장이 없기 때문에 실존 가능성이 낮은 부자연스러운 동작이 생성될 수 있다. 본 논문에서 제안하는 방법은 역 운동학 기반의 실존 가능성이 높은 자연스러운 동작 생성을 위해 동작 주체의 동작 표본을 고려한 확률분포를 이용한다. 제시된 알고리즘을 통한 동작 변환은 실존 가능성이 높은 자연스러운 동작을 생성할 수 있다.

• 응용통계연구
• /
• 제18권3호
• /
• pp.673-687
• /
• 2005

표본조사에서 이용하는 모수 추론 방법인 설계기반추론과 모형기반추론을 고찰하였다. 설계기반추론은 확률화 원리에 기초를 두고 있는 반면 모형기반추론은 가정한 모형에서 조건부 원리와 우도 원리에 바탕을 두고 있다. 두 추론은 서로 다른 이론적 근거를 사용하기 때문에 이론적 기초에 관한 논쟁이 오래 전부터 있어 왔으며 지금도 진행되고 있다. 이 논문에서는 두 추론 사이에 진행되었던 논쟁의 초점을 살펴보았고 몇 가지 관점에서 두 추론의 장단점을 비교하였다.

• 응용통계연구
• /
• 제27권4호
• /
• pp.645-653
• /
• 2014

p-값은 관측 표본과 관측 결과보다 심하게 대안가설의 방향으로 영가설을 이탈하는 표본들이 영가설 하에서 갖는 확률이다. p-값이 일정 ${\alpha}$(= 0:05)보다 작게 나타나면 연구자는 대안가설이 지지된 것으로 본다. 그런 경우라고 하더라도 그의 가설이 향후 연구에서 번복될 수 있는데 그 이유는 p-값이 표본에 따라 변동하는 통계량이기 때문이다. Boos와 Stefanski (2011)는 붓스트랩 방법으로 p-값의 예측분포를 구할 수 있음을 보였다. 그들은 그 분포의 상위 10-20% 분위수가 ${\alpha}$보다 작은가를 확인할 필요가 있음을 강조한다. 만약 그렇지 않은 경우에는 "지지"된 가설의 재현성이 문제될 수 있기 때문이다. 가설검정에서 일정 수준의 재현율을 확보하기 위해서는 표본의 증대가 요구된다. 이 연구는 k배 확대 붓스트랩 표본추출(boosted bootstrap sampling)로써 필요한 표본크기를 계산할 수 있음을 두 표본의 비교와 다중선형회귀의 수치 예에서 보인다. k 값을 정하기 위해서는 몇 차례 시행착오를 해야 하지만 계산적 부담은 크지 않다. 95% 신뢰구간은 독립적인 표본들로부터 같은 방식으로 산출되는 구간이 미지의 모수를 포함할 확률이 95%가 되도록 설정된다. 이 연구는 한 관측표본으로부터 얻어진 95% 신뢰구간 내 개별 점이 미래 연구의 신뢰구간에도 포함될 것인지 그 재현성을 붓스트랩 재표본들에서 평가한다. 이 연구는 개별 점에서 산출한 신뢰구간 재현율을 그래프로 보인다.

• Communications for Statistical Applications and Methods
• /
• 제19권1호
• /
• pp.23-32
• /
• 2012

본 논문은 유한모집단에서 회귀계수추정량의 근사편향과 근사분산을 다루고 있다. 유한모집단에서 고정크기 포함확률비례표본을 추출하고 이 표본에서 조사된 데이터에 기초하여 회귀계수를 일반최소제곱추정량과 가중최소제곱추정량으로 추정할 때 두 추정량의 편향, 분산 그리고 평균제곱오차의 근사식을 유도하였다. 그리고 두 추정량의 효율을 비교하기 위하여 두 추정량의 분산을 비교하는 필요충분조건을 제시하였다. 또한 수치적인 비교를 위하여 간단한 예제를 소개하였다.

• 응용통계연구
• /
• 제10권1호
• /
• pp.151-161
• /
• 1997

순서적 다항자료의 누적로짓 모형에 대한 베이지안 사후추론을 위하여 몬테칼로 깁스표본기법을 제안하였다. 원래의 모형에서는 깁스표본기법 적용에 필수적으로 요구되는 각 원소모수의 조건부 확률분포가 난수생성에 편리한 형태로 주어지지 않으므로 Albert and Chib(1993)과 Oh(1997)에서 이항 로짓모형에 사용한 바와 같이 적절한 잠재변수를 도입하여 깁스표본기법 적용에 매우 편리한 형태를 갖도록 한다.

• Journal of the Korean Data and Information Science Society
• /
• 제7권2호
• /
• pp.247-256
• /
• 1996

본 논문은 깁스 표본 기법을 이용하여 Demster et al.(1981)에 의해 소개된 Field Mice자료를 분석하기 위하여 베이지안 계층적 모형을 적용시켜 보았다. Jeffrey의 사전확률을 이용한 사후 평균을 깁스 표본 기법을 이용하여 구하였고, 이로 부터 얻은 베이지안 추정량을 최소 자승 추정량, EM알고리즘을 이용한 랜덤 효과를 포함한 가능도함수에 대한 최대 가능도 추정량(MLR)과 비교하였다.