• 응용통계연구
• /
• 제30권1호
• /
• pp.119-133
• /
• 2017

이미 corrected Akaike's information criterion(AICc)가 AIC에 비해 우수한 이론적 성질을 가진 것으로 알려져 있으나, 현재 실제 자료분석에서 최적의 예측 모형을 선택하기 위해 가장 널리 사용되는 정보기준은 여전히 Akaike's information criterion(AIC)이다. 이것은 AICc를 사용함으로써 실제 우리가 어떠한 종류의 이점을 얻을 수 있는가에 대해 논의하고 있는 연구가 부족해서이다. 우리는 이 논문에서 수치 연구를 통해 AIC와 AICc의 성능을 비교하고 AICc 의 사용이 가져오는 장점에 대해 확인을 할 것이다. 또한, 포아송 또는 이항 분포 자료 분석에서 과대산포(overdispersion) 현상이 나타난 경우 사용하는 quasi Akaike's information criterion(QAIC)와 corrected quasi Akaike's information criterion(QAICc) 성능에 대해서도 시뮬레이션을 통해 비교해보고자 한다.

• Communications for Statistical Applications and Methods
• /
• 제7권3호
• /
• pp.655-665
• /
• 2000

Several information criterions, Schwarz information criterion (SIC), Akaike information criterion (AIC), and the modified Akaike information criterion ($AIC_c$), are proposed to locate a change point in the multiple linear regression model. These methods are applied to a stock Exchange data set and compared to the results.

• Journal of the Korean Society for Industrial and Applied Mathematics
• /
• 제2권1호
• /
• pp.41-60
• /
• 1998

This paper derives a consistent and bias corrected extension of Akaike's Information Criterion (AIC), $AIC_{bc}$, based on Kullback-Leibler information. This criterion has terms that penalize the overparametrization more strongly for small and large samples than that of AIC. The overfitting problem of the asymptotically efficient model selection criteria for small and large samples will be overcome. The $AIC_{bc}$ also provides a consistent model order selection. Thus, it is widely applicable to data with small and/or large sample sizes, and to cases where the number of free parameters is a relatively large fraction of the sample size. Relationships with other model selection criteria such as $AIC_c$ of Hurvich, CAICF of Bozdogan and etc. are discussed. Empirical performances of the $AIC_{bc}$ are studied and discussed in better model order choices of a linear regression model using a Monte Carlo experiment.

• 한국지구과학회지
• /
• 제39권6호
• /
• pp.593-599
• /
• 2018

P파와 S파의 도착시간 정보는 지진 발생위치 결정, 1차원 및 3차원 지하구조 등 지진학 연구 수행에 중요한 정보이다. 최근 지진관측소의 수가 비약적으로 증가함에 따라 관측망을 운영하면서 수동으로 지진파의 도착시간을 측정하는 것은 상당한 시간이 소요되는 일이 되었다. 본 연구에서는 진원요소에 대한 사전정보(지진 발생위치와 시간)를 확보할 수 있는 경우 Akaike Information Criterion (AIC)을 적용하여 추가의 관측소에서 국지지진의 P파와 S파의 도착시간을 자동측정하였다. 해당 방법을 경산(DAG2) 지진관측소에 기록된 자료에 적용한 후 수동 측정한 값과 자동 측정한 값을 비교한 결과 P파의 경우 95.1%, S파의 경우 93.7%가 0.1초 이하의 차이를 보이면서 결정되는 것을 확인하였다. 자동측정결과의 높은 정확성은 향후 고밀도 지진관측망 운영에 성공적으로 적용될 수 있음을 시사한다.

• 터널과지하공간
• /
• 제21권5호
• /
• pp.349-358
• /
• 2011

본 연구에서는 방사성폐기물처분장에서 발생하는 탄성파와 같이 낮은 신호 대 잡음비로 인하여 P파의 식별이 어려운 신호에 적합한 P파 도달시간 결정 알고리즘에 대한 연구를 수행하였다. 사용된 알고리즘은 임계 전압법, Akaike Information Criterion(AIC), Two step AIC, Hinkley criterion이며 샤프심 압절법에 의하여 생성된 탄성파 신호에 white noise를 적용하여 신호 대 잡음비를 낮추었다. 실험결과 임계전압, AIC, Hinkley criterion 알고리즘의 경우 배경잡음 수준이 증가함에 따라 P파 도달시간의 정확성은 감소하였으나 Two step AIC 알고리즘의 경우 1차적으로 결정된 P파의 도달시간 주변의 신호를 중심으로 특성함수와 AIC 알고리즘을 반복적으로 적용함에 따라 배경잡음 수준에 관계없이 정확한 결과를 나타냈다.

• 한국통신학회논문지
• /
• 제15권10호
• /
• pp.842-849
• /
• 1990

본 논문에서는 array processing에서, sensor array를 통해 들어오는 source signal들의 개수를 결정하는 방법들을 판정의 정확도의 관점에서 연구 고찰한다. 첫번째 방법은 Akaike의 Akaike's Information Criterion(AIC)이고, 다른 하나는 Schwartz와 Rissanen의 Minimum Description Length(MDL)이다. 실용적인 측면에서 볼 때, 신호대잡음비 (S/N)가 매우 낮은 상태에서 얻어진 한정된 양의 data를 이용하여 제한된 갯수의 sensor들로 이루어진 array로 부터, 매우 근접해 있는 source signal들의 갯수를 예측해 내는 것은 대단히 중요한 일이다. 본 논문은 simulation 결과를 통하여, source signal들이 근접해 있을수록, array의 sensor 갯수가 줄어들수록, 이용할 data의 양이 한정될수록 또 S/N가 낮아질수록, AIC이 MDL에 비해서 높은 신뢰도를 가짐을 보여준다.

• International Journal of Quality Innovation
• /
• 제2권1호
• /
• pp.30-49
• /
• 2001

This paper considers a recent environment in the manufacturing process in which data in large amounts can be obtained on-line in real-time. Under this environment an on-line real-time Statistical Process Control (SPC) scheme equipped with detection of a process change, change-point estimation, and recognition of the change pattern is proposed. The proposed SPC scheme is composed of a Cusum chart, filtering methods and Akaike Information Criterion (AIC). We examine the performance of this scheme by Monte Carlo simulation and show its usefulness.

• Smart Structures and Systems
• /
• 제15권5호
• /
• pp.1329-1344
• /
• 2015

The stiffness of a structure is one of several structural signals that are useful indicators of the amount of damage that has been done to the structure. To accurately estimate the stiffness, an equation of motion containing a stiffness parameter must first be established by expansion as a linear series model, a Taylor series model, or a power series model. The model is then used in multivariate autoregressive modeling to estimate the structural stiffness and compare it to the theoretical value. Stiffness assessment for modeling purposes typically involves the use of one of three statistical model refinement approaches, one of which is the efficient Akaike information criterion (AIC) proposed in this paper. If a newly added component of the model results in a decrease in the AIC value, compared to the value obtained with the previously added component(s), it is statistically justifiable to retain this new component; otherwise, it should be removed. This model refinement process is repeated until all of the components of the model are shown to be statistically justifiable. In this study, this model refinement approach was compared with the two other commonly used refinement approaches: principal component analysis (PCA) and principal component regression (PCR) combined with the AIC. The results indicate that the proposed AIC approach produces more accurate structural stiffness estimates than the other two approaches.

• 유기물자원화
• /
• 제21권2호
• /
• pp.88-96
• /
• 2013

본 연구의 목적은 고형폐기물의 메탄발생 특성을 나타내기 위한 1차 반응식과 S형태 식들의 적합성을 평가하는 것이다. S형태 식은 수정 Gompertz와 Logistic 식을 사용하였다. 모델의 적합성을 평가하기 위해 잔차제곱합, 표준제곱근 오차, Akaike's information criterion 등의 통계분석을 실시하였다. AIC (Akaike's information criterion)는 모델의 변수 개수 차이에 따른 모델 적합성을 비교하기 위하여 적용하였다. 1차 반응식의 경우 지체기를 고려하지 않을 때보다 고려하였을 경우 잔차제곱합과 표준제곱근 오차는 감소하는 것으로 나타났다. 그러나 1차 반응식의 경우 S형태 식보다 AIC가 상대적으로 높게 나타났다. 이는 S형태 식이 1차 반응식보다 메탄발생특성을 나타낼 때에 더욱 적합한 것으로 사료된다.

• 대한기계학회논문집A
• /
• 제36권8호
• /
• pp.921-927
• /
• 2012

신뢰성 기반 최적설계는 설계변수들의 변동을 평균이나 분산 등의 통계적 특성으로 고려하여 설계자가 원하는 신뢰도를 만족하는 해를 구한다. 신뢰도를 구하기 위한 기존의 신뢰성해석 기법들은 변수들이 연속함수로 정의되는 특정 확률분포를 따른다는 가정을 하지만 실제 문제에서 변수들은 한정적인 이산정보의 형태인 경우가 많기 때문에 변수들에 대한 가정을 하지 않고 이산정보로부터 신뢰성해석을 수행하는 것은 매우 중요하다. 본 연구에서는 후보 분포들 중에서 이산정보를 가장 잘 추정하는 분포를 결정하는 기법인 Akaike 정보척도를 이용하여 신뢰성해석 및 신뢰성 기반 최적설계를 수행하는 기법을 제안한다. 수학예제를 통해 정확성을 검증하고 철도차량 용접대차의 신뢰성 기반 최적설계에 적용하여 제안한 기법의 유용성을 확인한다.