• Journal of the Korean Operations Research and Management Science Society
• /
• v.39 no.2
• /
• pp.49-66
• /
• 2014

This paper studies optimal consumption and investment behaviors of an individual when risky asset returns and her income are affected by the business cycle. The investor considers the incomplete information risk of unobservable macroeconomic conditions and updates her belief of expected risky asset returns through Bayesian learning. We find that the optimal investment strategy, certainty equivalent wealth, and portfolio hedging demand significantly depend on the belief about the macroeconomic conditions.

• Journal of the Korean Data and Information Science Society
• /
• v.10 no.1
• /
• pp.135-146
• /
• 1999

In this paper, we consider the Bayesian hypotheses testing for independence and symmetry in Freund's bivariate exponential model. In Bayesian testing problem, we use the noninformative priors for parameters which are improper and are defined only up to arbitrary constants. And we use the recently proposed hypotheses testing criterion called the intrinsic Bayes factor. Also we derive the arithmetic and median intrinsic Bayes factors and use these results to analyze some data sets.

• Journal of the Korea Safety Management & Science
• /
• v.9 no.5
• /
• pp.1-5
• /
• 2007

We construct the procedure to predict safety accidents following Bayesian approach. We make a model that can utilize the data to predict other levels of accidents. An event tree model which is a frequently used graphical tool in describing accident initiation and escalation to more severe accident is transformed into an influence diagram model. Prior distributions for accident occurrence rate and probabilities to escalating to more severe accidents are assumed and likelihood of number of accidents in a given period of time is assessed. And then posterior distributions are obtained based on observed data. We also points out the advantages of the bayesian approach that estimates the whole distribution of accident rate over the classical point estimation.

• Korean Journal of Logic
• /
• v.16 no.2
• /
• pp.155-187
• /
• 2013

The main objective of this paper is to vindicate the Bayesian belief updating rule, i.e. conditionalization. For this purpose, I introduce first what I call Irrelevance Principle, and show that this principle is equivalent to conditionalization. In turn, the principle is vindicated by means of Bayesian confirmation theory. That is, I suggest some theses that Bayesian confirmation theorists should accept, and prove that if Irrelevance Principle is violated, the theses cannot holds.

• Journal of the Korean Data and Information Science Society
• /
• v.18 no.3
• /
• pp.833-845
• /
• 2007

When X and Y have independent exponential distributions, we develop a Bayesian testing procedure for the ratio of two quantiles under reference prior. The noninformative prior such as reference prior is usually improper which yields a calibration problem that makes the Bayes factor to be defined up to a multiplicative constant. So we develop a Bayesian testing procedure based on fractional Bayes factor and intrinsic Bayes factor. We show that the posterior density under the reference prior is proper and propose the Bayesian testing procedure for the ratio of two quantiles using fractional Bayes factor and intrinsic Bayes factor. Simulation study and a real data example are provided.

• The Transactions of the Korea Information Processing Society
• /
• v.7 no.3
• /
• pp.852-861
• /
• 2000

Software reliability growth models are used in testing stages of software development to model the error content and time intervals betwewn software failures. In this paper, using priors for the number of fault with the negative binomial distribution nd the error rate with gamma distribution, Bayesian inference and model selection method for Jelinski-Moranda and Goel-Okumoto and Schick-Wolverton models in software reliability. For model selection, we explored the sum of the relative error, Braun statistic and median variation. In Bayesian computation process, we could avoid the multiple integration by the use of Gibbs sampling, which is a kind of Markov Chain Monte Carolo method to compute the posterior distribution. Using simulated data, Bayesian inference and model selection is studied.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.22-24
• /
• 2003

작은 데이터에서 베이지안망 분류기(Bayesian network classifier, BNC)를 학습할 때, 과대적합(overfitting)으로 인한 일반화 성능의 저하가 초래된다 이런 경우, 베이지안 모델 평균화(Bayesian model averaging, BMA)는 모델 자체에 대한 불확실성을 분석 과정에서 고려함으로써, 성능 저하를 피할 수 있는 수단을 제공한다. 본 논문에서는 BNC의 BMA의 작은 데이터에 대한 성능을 평가 및 분석한다. 특히, 노드의 순서에 대한 평균화의 효과가 연구된다. 인공데이터에 대한 실험 결과, 노드의 순서가 BNC의 BMA의 분류 성능에 미치는 영향은 지대하며, 이는 데이터의 크기가 극히 작은 경우의 성능 저하에 직접적인 원인이 된다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.46-48
• /
• 2003

본 논문에서는 실제환경에서와 같이 예측할 수 없는 상황에서 에이전트의 인지와 자동 행동 생성 방법을 제안한다. 전통적인 에이전트의 지능제어 방법은 환경에 대해 알고 있는 정보를 이용한다는 제약 때문에 다양하고 복잡한 환경에 적응할 수 없었다. 최근, 미리 알려지지 않은 환경에서 자동으로 행동을 생성할 수 있는 센서와 행동을 연결하는 행동 기반의 방법과 추론, 학습 및 계획 기능의 부여를 위한 하이브리드 방법이 연구되고 있다. 본 논문에서는 다양한 환경조건으로 움직이는 장애물을 인지하고 피할 수 있는 행동을 생성하기 위해 행동 네트워크에 Bayesian 네트워크를 결합한 방법을 제안한다. 행동 네트워크는 입력된 센서 정보와 미리 정의된 목적 정보를 가지고 다음에 수행할 가장 높은 우선순위의 행동을 선택한다. 그리고 Bayesian 네트워크는 센서 정보들로부터 상황을 미리 추론하고 이 확률 값을 행동 네트워크의 가중치로 주어 행동 선택을 조정하도록 한다. 로봇 시뮬레이터를 이용한 실험을 통해 제안한 행동 네트워크와 Bayesian 네트워크의 결합 방법으로 움직이는 장애물을 피하고 목적지를 찾아가는 것을 확인할 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10a
• /
• pp.184-186
• /
• 2003

기존의 사용자 기반 협력적 필터링이 가지는 단점으로 지적되었던 희박성과 확장성의 문제를 아이템 기반 협력적 필터링 기법을 통하여 개선하려는 연구가 진행되어 왔다. 실제로 많은 성과가 있었지만. 여전히 명시적 데이터를 기반으로 하기 때문에 희박성이 존재하며, 아이템의 속성이 반영되지 않는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협력적 필터링의 문제점을 보완하기 위하여 사용자와 아이템의 혼합 협력적 필터링에서 Naive Bayesian 알고리즘을 이용한 추천 방법을 제안한다. 제안된 방법에서는 각 사용자와 아이템에 대한 유사도 검색 테이블을 생성한 후, Naive Bayesian 알고리즘으로 아이템을 예측 및 추천함으로써, 성능을 개선하였다. 성능 평가를 위해 기존의 아이템 기반 협력적 필터링 기술과 비교 평가하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.232-239
• /
• 2005

Collaborative-filtering-enabled Web sites that recommend books, CDs, movies, and so on, have become very popular on the Internet. Such sites recommend items to a user on the basis of the opinions of other users with similar tastes. This paper discuss an approach to collaborative filtering based on the Simple Bayesian and apply this model to two variants of the collaborative filtering. One is user-based collaborative filtering, which makes predictions based on the users' similarities. The other is item-based collaborative filtering which makes predictions based on the items' similarities. To evaluate the proposed algorithms, this paper used a database of movie recommendations. Empirical results show that the proposed Bayesian approaches outperform typical correlation-based collaborative filtering algorithms.