• Journal of the Korean Statistical Society
• /
• 제23권1호
• /
• pp.207-216
• /
• 1994

Count data are often overdispersed, and an appropriate test for the existence of the overdispersion is necessary. In this paper we derive a score test based on the extended quasi-likelihood and the pseudolikelihood after adjusting to the Bartlett factor. Also, we compare it with Levene (1960)'s F-type test suggested by Ganio and Schafer (1992).

• Journal of the Korean Data and Information Science Society
• /
• 제19권3호
• /
• pp.723-734
• /
• 2008

The main reason for deinterlacing is frame-rate conversion. The other reason for deinterlacing is of course improve clarity and reduce flicker. Using a deinterlacer can help clarity and stability of the image. Many deinterlacing algorithms are available in image processing literatures such as ELA and E-ELA. This paper propose a new statistical deinterlacing algorithm based on statistical tests such as the Bartlett test, the Levene test and the Kruskal-Wallis test. The results obtained from the proposed algorithms are found to be comparable to those from many well-known deinterlacers. However, the results in the proposed deinterlacers are found to be more efficient than other deinterlacers.

• Journal of the Korean Data and Information Science Society
• /
• 제20권5호
• /
• pp.869-878
• /
• 2009

다양한 원인으로 발생하여 원래의 순수한 영상을 오염시키는 잡음을 제거하는 것은 영상처리 분야에서 가장 중요한 것이며 이를 위한 연구가 활발하게 진행되어 오고 있다. 본 연구에서 다루고자 하는 잡음제거 기법인 시그마 필터는 잡음을 감소하기 위하여 널리 사용되는 기법이다. 본 연구에서는 영상을 오염시키고 있는 잡음의 상대적인 크기를 바틀렛 검정을 사용하여 측정하고, 이를 통하여 잡음의 분산을 추정한다. 또한, 추정된 잡음의 분산의 크기를 시그마 필터에 응용하여 잡음을 효과적으로 제거하는 통계적 알고리즘을 제시한다. 모의실험 결과, 본 연구에서 제안하는 알고리즘의 성능이 잡음의 분산의 수준에 관계없이 현저하게 우수한 것을 알 수 있으며 그 효용성은 시각적으로도 명확하게 확인할 수 있다.

• 응용통계연구
• /
• 제20권2호
• /
• pp.323-332
• /
• 2007

이 논문에서는 이산코사인변환에 의해 유도된 주파수 공간상에서의 포트맨토검정법을 소개한다. 정상시계열의 경우 이산코사인변환 계수는 점근적으로 독립이고 분산은 자기공분산의 선형결합으로 표시된다. 백색잡음에 대한 이산코사인변환 계수의 공분산 행렬은 모든 대각원소가 시계열의 분산인 대각행렬이다. 시계열의 독립성을 검정하기 위해 계수들을 주파수 영역에 따라 2 또는 3개의 그룹으로 분할하고 그룹간의 분산을 비교하여 자료가 백색잡음인지 아닌지를 검정한다. 또한 계수의 제곱값이 반응변수이고 주파수 대역이 설명변수인 회귀모형에서 기울기를 검정하여 백색잡음 여부를 알아본다. 모의실험 결과를 보면 제안한 검정방법이 대부분의 경우 Ljung-Box 검정보다 높은 검정력을 가지는 것으로 나타났다.

• Communications for Statistical Applications and Methods
• /
• 제31권1호
• /
• pp.1-35
• /
• 2024

The assumption of homoscedasticity is one of the most crucial assumptions for many parametric tests used in the biological sciences. The aim of this paper is to compare the empirical probability of type I error and the power of ten parametric and two non-parametric tests for homoscedasticity with simulations under different types of distributions, number of groups, number of samples per group, variance ratio and significance levels, as well as through empirical data from an agricultural experiment. According to the findings of the simulation study, when there is no violation of the assumption of normality and the groups have equal variances and equal number of samples, the Bhandary-Dai, Cochran's C, Hartley's Fmax, Levene (trimmed mean) and Bartlett tests are considered robust. The Levene (absolute and square deviations) tests show a high probability of type I error in a small number of samples, which increases as the number of groups rises. When data groups display a nonnormal distribution, researchers should utilize the Levene (trimmed mean), O'Brien and Brown-Forsythe tests. On the other hand, if the assumption of normality is not violated but diagnostic plots indicate unequal variances between groups, researchers are advised to use the Bartlett, Z-variance, Bhandary-Dai and Levene (trimmed mean) tests. Assessing the tests being considered, the test that stands out as the most well-rounded choice is the Levene's test (trimmed mean), which provides satisfactory type I error control and relatively high power. According to the findings of the study and for the scenarios considered, the two non-parametric tests are not recommended. In conclusion, it is suggested to initially check for normality and consider the number of samples per group before choosing the most appropriate test for homoscedasticity.

• 정보관리학회지
• /
• 제36권4호
• /
• pp.129-159
• /
• 2019

본 연구의 목적은 연구데이터 서비스 자체의 유용성과 연구데이터에 대한 사용경험 기반의 유용성 측면에서 평가 모형을 개발하는 것이다. 다양한 사례에서 도출한 데이터 서비스의 유용성 평가 요소로부터 연구데이터에 내재된 평가척도인 검색성, 접근성, 상호운용성, 재활용성 4개와 각각의 측정지표 총 20개를 도출하였다. 그리고 Google Analytics, YouTube 광고료 책정 기준, 서울특별시, Altmetrics의 사례를 분석하여 연구데이터에 대한 이용자 경험 기반의 유용성 측정지표 12개를 도출하였다. 평가척도와 측정지표에 대한 타당성과 신뢰성 검정을 위해 연구데이터의 잠재적 이용자 164명을 대상으로 설문조사를 실시하였다. 평가척도의 타당성 검정을 위해 KMO Bartlett 분석을 하였으며, 측정지표의 성분분석을 위해 주성분 분석과 베리맥스 회전분석법을 사용하였다. 내재적 평가척도의 경우 4개 척도 모두 KMO Bartlett의 타당성 값을 충족시켰으며, 평가척도에 대한 측정지표의 성분분석 결과 모두 단일 성분으로 나타나 현재의 척도로 해당 지표에 대한 설명이 가능하였다. 그러나 이용자 경험 기반의 12개 측정지표의 성분분석 결과는 2개 성분으로 나누어지는 것으로 나타나 각각을 활용도와 참여도라는 개념의 2개 평가척도로 구분하였다. Cronbach's alpha 계수에 의한 신뢰도 측정 결과 6개의 평가척도 모두 0.6 이상의 측정치를 충족시키는 것으로 나타났다.

• 한국육종학회지
• /
• 제41권3호
• /
• pp.354-357
• /
• 2009

Venturia nashicola에 의한 검은별무늬병 저항성 품종을 육성하기 위하여 저항성 유전자원 탐색을 1997~1999년까지 국립원예특작과학원 포장검정 및 인공 접종을 실시하여 저항 성친으로 서양배 "청마려"을 선발하였다. 농촌진흥청 국립원예특작과학원 과수과에서 고품질 만생종 "만수"에 "청마려"를 1997년에 교배하여 저항성 우량 계통인 중간모본 "원교나-흑성 2호" 을 2008년에 선발하였다. 2008년 만개일은 4월 19일로 "만수" 보다 1일 늦고, "청마려"보다 7일 정도 빠르며 수세는 강하고 수자는 직립형이다. 검은별무늬병에 "청마려"와 "Bartlett"과 같이 강하고 "신고", "원황"등 국내 주요 재배 품종들과 교배 친화성이 있다. 과실은 만개 후 180일경에 성숙되어 양친에 비해 20일 정도 성숙 일수가 짧으며, 과형은 방추, 과피는 황녹갈색이다. 평균과중은 484 g, 당도는 $13.2^{\circ}Brix$이며 과즙량은 중~다이다 석세포가 적고 동양배의 아삭아삭함이 있다.

• 대한토목학회논문집
• /
• 제34권3호
• /
• pp.821-831
• /
• 2014

추계학적 강수발생 및 모의기법은 수문학적 모형의 입력 자료로써 널리 이용되고 있다. 그러나 Modified Bartlett-Lewis Rectangular Pulse(MBLRP)와 같은 추계학적 포아송 클러스터 강수생성 모형에 대해서 국부최적화 방법을 통한 매개변수 추정 방법은 매개변수의 신뢰성에 상당한 영향을 주는 것으로 알려져 있다. 최근에는 MBLRP 모형의 국부해추정 문제를 해소하기 위하여 Particle Swarm Optimization (PSO) 또는 Shuffled Complex Evolution developed at The University of Arizona (SCE-UA) 등 매개변수 추정 성능이 우수한 전역최적화기법이 도입되고 있지만, 제한된 매개변수 공간에서 항상 신뢰성 있는 매개변수 추정이 가능한 것은 아니다. 뿐만 아니라, 모형의 매개변수들이 갖고 있는 불확실성에 관한 연구는 아직 충분히 논의되지 않았다. 이러한 관점에서 본 연구는 Bayesian 기법과 연계한 MBLRP 모형을 개발하였으며 각 매개변수들의 사후분포(Posterior Distribution)를 유도하여 매개변수가 내포하는 불확실성을 정량적으로 평가하였다. 그 결과 관측값에 대한 시간단위 이하 강수발생 통계치를 효과적으로 복원하고 있음을 확인할 수 있었다.

• 한국산림과학회지
• /
• 제88권3호
• /
• pp.408-418
• /
• 1999

전나무 천연집단의 유전적 다양성 및 유전적 구조를 추정하기 위해서 RAPD 표지자를 사용하였으며, 이의 통계적 분석에 AMOVA 방법을 이용하였다. 전나무 집단 전체의 평균 다형성 RAPD 표지자 비율은 71.9%였으며, 전체 변이량의 대부분은 집단내 개체간의 차이(80.2%)로 설명이 가능하였다. 집단간의 유전적 분화정도(${\Phi}_{ST}$)는 0.198로 조사되었다. 전체 집단을 태백산맥과 소백산맥 두 지역으로 나누어 분석하였을 때, 지역간 차이로 설명할 수 있는 변이량이 8.5%로 나타났으며, 통계적 유의성을 확인할 수 있었다. Bartlett 통계량에 의해 집단간 분산의 이질성을 조사한 결과, 태백산 집단과 가리왕산 집단이 특히 이 질적인 것으로 나타났으며, 전반적으로 태백산맥 지역의 집단들이 소백산맥 지역의 집단들 보다 상대적으로 유전적 이질성이 큰 것으로 나다났다. 마지막으로 기존 통계량과의 비교를 통해서 유전변이 분석에 있어서 AMOVA 방법의 적용 가능성에 대해서 논의하였다.

• 유통과학연구
• /
• 제13권9호
• /
• pp.103-112
• /
• 2015

Purpose - This paper aims to provide a step-by-step approach to factor analytic procedures, such as principal component analysis (PCA) and exploratory factor analysis (EFA), and to offer a guideline for factor analysis. Authors have argued that the results of PCA and EFA are substantially similar. Additionally, they assert that PCA is a more appropriate technique for factor analysis because PCA produces easily interpreted results that are likely to be the basis of better decisions. For these reasons, many researchers have used PCA as a technique instead of EFA. However, these techniques are clearly different. PCA should be used for data reduction. On the other hand, EFA has been tailored to identify any underlying factor structure, a set of measured variables that cause the manifest variables to covary. Thus, it is needed for a guideline and for procedures to use in factor analysis. To date, however, these two techniques have been indiscriminately misused. Research design, data, and methodology - This research conducted a literature review. For this, we summarized the meaningful and consistent arguments and drew up guidelines and suggested procedures for rigorous EFA. Results - PCA can be used instead of common factor analysis when all measured variables have high communality. However, common factor analysis is recommended for EFA. First, researchers should evaluate the sample size and check for sampling adequacy before conducting factor analysis. If these conditions are not satisfied, then the next steps cannot be followed. Sample size must be at least 100 with communality above 0.5 and a minimum subject to item ratio of at least 5:1, with a minimum of five items in EFA. Next, Bartlett's sphericity test and the Kaiser-Mayer-Olkin (KMO) measure should be assessed for sampling adequacy. The chi-square value for Bartlett's test should be significant. In addition, a KMO of more than 0.8 is recommended. The next step is to conduct a factor analysis. The analysis is composed of three stages. The first stage determines a rotation technique. Generally, ML or PAF will suggest to researchers the best results. Selection of one of the two techniques heavily hinges on data normality. ML requires normally distributed data; on the other hand, PAF does not. The second step is associated with determining the number of factors to retain in the EFA. The best way to determine the number of factors to retain is to apply three methods including eigenvalues greater than 1.0, the scree plot test, and the variance extracted. The last step is to select one of two rotation methods: orthogonal or oblique. If the research suggests some variables that are correlated to each other, then the oblique method should be selected for factor rotation because the method assumes all factors are correlated in the research. If not, the orthogonal method is possible for factor rotation. Conclusions - Recommendations are offered for the best factor analytic practice for empirical research.