• 응용통계연구
• /
• 제16권2호
• /
• pp.365-376
• /
• 2003

본 연구에서는 비정규 시계열 자료에 관한 다양한 회귀모형을 고찰하고, 이들 모형의 선택 기준에 관하여 연구해 보았다. 모형 선택의 기준으로는 AIC (Akaike information criterion), BIC (Baysian information criterion) 그리고 우도비 검정을 확장 적용하였다. 또한, 실제의 Polio 자료분석을 통해 이를 적용해보았다.

• 한국산학기술학회논문지
• /
• 제17권5호
• /
• pp.645-652
• /
• 2016

입력 랜덤 변수(input random variable)의 통계 모델링은 기계시스템의 신뢰성 해석(reliability analysis), 신뢰성 기반 설계(reliability-based design optimization), 해석모델의 통계적 검정(validation) 및 보정(calibration)을 위해 반드시 필요하다. 대표적인 통계모델링 기법에는 Akaike Information Criterion (AIC), AIC correction (AICc), Bayesian Information Criterion, Maximum Likelihood Estimation (MLE), Bayesian 방법 등이 있다. 이러한 방법들은 기본적으로 주어진 데이터로부터 후보 모델의 우도함수값을 이용하여 후보 모델 중 가장 적합한 모델을 선택하는 방법이며, 방법에 따라 데이터 수 혹은 파라미터의 수를 고려하여 모델을 선정한다. 하지만 실제 현장에서 데이터의 통계모델링을 하는 엔지니어는 각 방법의 장단점에 대한 이해가 부족하여 어떤 방법이 정확한 방법인지 몰라 통계모델링 수행 시 어려움이 있다. 본 논문에서는 다양한 통계모델링 방법들을 비교하고 각 방법의 장단점 분석을 통해 가장 적합한 모델링 기법을 제안하고자 한다. 각 방법의 검증을 위해 다양한 모분포를 가정하고 다양한 사이즈의 샘플을 임의로 생성하여 시뮬레이션을 수행하였으며, 실제 공학 데이터를 사용하여 통계모델링 방법의 유효성을 검증하였다.

• 한국전자통신학회논문지
• /
• 제16권4호
• /
• pp.617-624
• /
• 2021

도래각 추정, 간섭제거, 신호 수신 등을 위해 수신신호에 포함되는 신호의 개수를 정확히 파악하는 것이 필요하다. 대표적인 신호 개수 추정 알고리즘으로 AIC(: Akaike Information Criterion)와 MDL(: Minimum Description Length) 알고리즘이 있는데, 이들 알고리즘은 각 기준이 최소화되는 값을 찾아 신호의 개수를 추정한다. 수신기의 배열 안테나 요소 개수가 증가하면 추정 성능이 향상되지만, 최소값을 찾기 위해 모든 안테나 요소에 대한 기준값을 계산하여야 하므로 복잡도가 크게 증가한다. 이러한 문제를 해결하기 위해, 본 논문에서는 빔공간 처리를 통해 차원을 축소시켜 계산량을 줄이면서 효율적으로 신호의 개수를 추정할 수 있는 빔공간 기반의 AIC와 MDL 알고리즘을 제안한다. 또한, 다양한 시나리오 기반의 컴퓨터 시뮬레이션을 통해 제안된 알고리즘의 성능을 평가하고 분석한다.

• 대한전기학회논문지:전력기술부문A
• /
• 제52권8호
• /
• pp.450-456
• /
• 2003

This paper proposes a multiple time-series model with dummy variables for one-hour ahead load forecasting. We used 11 dummy variables that were classified by day characteristics such as day of the week, holiday, and special holiday. Also, model specification and selection of input variables including dummy variables were made by test statistics such as AIC(Akaike Information Criterion) and t-test statistics of each coefficient. OLS (Ordinary Least Squares) method was used for estimation and forecasting. We found out that model specifications for each hour are not identical usually at 30％ of optimal significance level, and dummy variables reduce the forecasting error if they are classified properly. The proposed model has much more accurate estimates in forecasting with less MAPE (Mean Absolute Percentage Error).

• Advances in environmental research
• /
• 제3권2호
• /
• pp.131-149
• /
• 2014

Two different model selection indices, the Akaike information criterion (AIC) and the coefficient of determination ($R^2$), are used to discriminate competing isotherm equations for aqueous pollutant removal systems. The former takes into account model accuracy and complexity while the latter considers model accuracy only. The five types of isotherm shape in the Brunauer-Deming-Deming-Teller (BDDT) classification are considered. Sorption equilibrium data taken from the literature were correlated using isotherm equations with fitting parameters ranging from two to five. For the isotherm shapes of types I (favorable) and III (unfavorable), the AIC favors two-parameter equations which can easily track these simple isotherm shapes with high accuracy. The $R^2$ indicator by contrast recommends isotherm equations with more than two parameters which can provide marginally better fits than two-parameter equations. To correlate the more intricate shapes of types II (multilayer), IV (two-plateau) and V (S-shaped) isotherms, both indices favor isotherm equations with more than two parameters.

• 응용통계연구
• /
• 제22권1호
• /
• pp.197-204
• /
• 2009

In the model selection problem, the main objective is to choose the true model from a manageable set of candidate models. An information criterion gauges the validity of a statistical model and judges the balance between goodness-of-fit and parsimony; "how well observed values ran approximate to the true values" and "how much information can be explained by the lower dimensional model" In this study, we introduce some information criteria modified from the Akaike Information Criterion (AIC) and the Bayesian Information Criterion(BIC). The information criteria considered in this study are compared via simulation studies and real application.

• Journal of Communications and Networks
• /
• 제13권6호
• /
• pp.621-624
• /
• 2011

With the rapid growth of internet traffic, accurate and reliable prediction of internet traffic has been a key issue in network management and planning. This paper proposes an autoregressive-generalized autoregressive conditional heteroscedasticity (AR-GARCH) error model for forecasting internet traffic and evaluates its performance by comparing it with seasonal autoregressive integrated moving average (ARIMA) models in terms of root mean square error (RMSE) criterion. The results indicated that the seasonal AR-GARCH models outperformed the seasonal ARIMA models in terms of forecasting accuracy with respect to the RMSE criterion.

• 한국산림과학회지
• /
• 제106권2호
• /
• pp.213-218
• /
• 2017

본 연구의 목적은 임의효과(random effect)를 이용하여 충남지역 임령-바이오매스 모형을 개발하고 임의효과의 적용성을 평가하는데 있다. 충남지역 소나무림의 임령에 따른 바이오매스 모형 개발을 위해 임분 구조를 고려하여 전국의 중부지방소나무 임분에서 30개소(150그루)를 조사하고 임령과 바이오매스 자료를 수집하였다. 모형 개발에서 중부지방소나무의 임령-바이오매스 관계는 고정효과(fixed effect)이고 지역간 차이를 임의효과로 설정하였다. 임의효과에 따른 모형의 적합도를 검정하기 위해 아카이케의 정보기준(Akaike Information Criterion, AIC)을 참고하고 지역간 차이에 따른 분산-공분산 행렬과 오차항을 추정하였다. 추정된 공분산은 -1.0022, 오차항은 0.6240이고 분산-공분산 행렬을 이용한 임의효과 모형의 AIC는 377.7을 나타내어 선행 연구와 이질적인 차이는 없었다. 이러한 결과는 범주형 자료의 임의효과가 모형 개발에 반영된 결과로 판단된다. 본 연구의 결과는 임의효과를 이용하여 일부지역에 국한되어 개발되었던 바이오매스 모형 연구에 활용이 가능하다.

• Journal of Positioning, Navigation, and Timing
• /
• 제12권1호
• /
• pp.43-49
• /
• 2023

In modern wireless communication systems including beamformers or location-based services (LBS), which employ multiple antenna elements, estimating the number of signals is essential for accurately determining the quality of the communication service. Representative signal number estimation algorithms including the Akaike information criterion (AIC) and minimum description length (MDL) algorithms, which are information theoretical criterion models, determine the number of signals based on a reference value that minimizes each criterion. In general, increasing the number of elements mounted onto the array antenna enhances the performance of estimating the number of signals; however, it increases the computational complexity of the estimation algorithm. In addition, various configurations of array antennas for the increased number of antenna elements should be considered to efficiently utilize them in a limited location. In this paper, we introduce an efficient signal number estimation algorithm based on the beamspace based AIC and MDL techniques that reduce the computational complexity by reducing the dimension of a uniform circular array antenna. Since this algorithm is based on a uniform circular array antenna, it presents the advantages of a circular array antenna. The performance of the proposed signal number estimation algorithm is evaluated through computer simulation examples.

• 한국멀티미디어학회논문지
• /
• 제25권1호
• /
• pp.82-91
• /
• 2022

In this paper, time series prediction method of photovoltaic power is introduced using seasonal autoregressive integrated moving average (SARIMA). In order to obtain the best fitting model by a time series method in the absence of an environmental sensor, this research was used data below 50% of cloud cover. Three samples were extracted by time intervals from the raw data. After that, the best fitting models were derived from mean absolute percentage error (MAPE) with the minimum akaike information criterion (AIC) or beysian information criterion (BIC). They are SARIMA (1,0,0)(0,2,2)14, SARIMA (1,0,0)(0,2,2)28, SARIMA (2,0,3)(1,2,2)55. Generally parameter of model derived from BIC was lower than AIC. SARIMA (2,0,3)(1,2,2)55, unlike other models, was drawn by AIC. And the performance of models obtained by SARIMA was compared. MAPE value was affected by the seasonal period of the sample. It is estimated that long seasonal period samples include atmosphere irregularity. Consequently using 1 hour or 30 minutes interval sample is able to be helpful for prediction accuracy improvement.