• International Journal of Reliability and Applications
• /
• 제11권1호
• /
• pp.17-22
• /
• 2010

It is desired to estimate the reliability of a system that has two subsystems connected in series where each subsystem has two components connected in parallel. A batch sequential sampling scheme is introduced. It is shown that the batch sequential sampling scheme is asymptotically optimal as the total number of units goes to infinity. Numerical comparisons indicate that the batch sequential sampling scheme performs better than the balanced sampling scheme and is nearly optimal.

• Communications for Statistical Applications and Methods
• /
• 제12권1호
• /
• pp.181-189
• /
• 2005

This paper suggest a method of inclusion probability proportional to size sampling that provides a non-negative and stable variance estimator. The sampling procedure is quite simple and flexible since a sampling design is easily obtained using mathematical programming. This scheme appears to be preferable to Nigam, Kumar and Gupta's (1984) method which uses a balanced incomplete block designs. A comparison is made with their method through an example in the literature.

• 한국조사연구학회지:조사연구
• /
• 제12권2호
• /
• pp.77-88
• /
• 2011

최근 우리나라의 전화조사가 전화번호부 기반에서 벗어나 임의번호걸기(RDD)로 이행되는 추세에 있다. 그러나 아직도 대부분의 전화조사가 지역 성 나이대 할당표집으로 수행되므로 이로 인해 재택성향이 큰 사회적 계층에 편중되기 쉽다는 지적이 있어 왔다. 이에 대한 대응으로서 시간균형할당표집이 제안된 바 있었으나 실증적 조사는 이제까지 부재하였다(허명회 황진모 2006). 이 연구는 TV시청환경에 대한 조사를 RDD와 통상적인 할당 표집의 결합방식으로 수행한 결과와 RDD와 시간균형할당표집의 결합방식으로 수행한 결과를 비교하여 제시한다.

• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 추계 학술발표회 논문집
• /
• pp.123-130
• /
• 2003

We define a broad class of rotation designs whose monthly sample is balanced in interview time, level of recall, and rotation group, and whose rotation scheme is time-invariant. The necessary and sufficient conditions are obtained for such designs. Using these conditions, we derive a minimum variance unbiased generalized composite estimator (MVUGCE). To examine the existence of time-in-sample bias and recall bias, we also propose unbiased estimators and their variances. Numerical examples investigate the impacts of design gap, non-sampling error sources, and two types of correlations on the variance of MVUGCE.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권7호
• /
• pp.311-316
• /
• 2019

분류 문제는 주어진 입력 데이터에 대해 해당 데이터의 클래스를 예측하는 문제로, 자주 쓰이는 방법 중의 하나는 주어진 데이터셋을 사용하여 기계학습 알고리즘을 학습시키는 것이다. 이런 경우 분류하고자 하는 클래스에 따른 데이터의 분포가 균일한 데이터셋이 이상적이지만, 불균형한 분포를 가지고 경우 제대로 분류하지 못하는 문제가 발생한다. 이러한 문제를 해결하기 위해 본 논문에서는 Conditional Generative Adversarial Networks(CGAN)을 활용하여 데이터 수의 균형을 맞추는 오버샘플링 기법을 제안한다. CGAN은 Generative Adversarial Networks(GAN)에서 파생된 생성 모델로, 데이터의 특징을 학습하여 실제 데이터와 유사한 데이터를 생성할 수 있다. 따라서 CGAN이 데이터 수가 적은 클래스의 데이터를 학습하고 생성함으로써 불균형한 클래스 비율을 맞추어 줄 수 있으며, 그에 따라 분류 성능을 높일 수 있다. 실제 수집된 데이터를 이용한 실험을 통해 CGAN을 활용한 오버샘플링 기법이 효과가 있음을 보이고 기존 오버샘플링 기법들과 비교하여 기존 기법들보다 우수함을 입증하였다.