• Journal of the Korean Data and Information Science Society
• /
• 제27권5호
• /
• pp.1133-1146
• /
• 2016

공간통계 방법 중 지역에 대한 어떤 집합체 자료나 평균자료들을 분석하는데 일반적으로 공간적 자기회귀 (conditionally autoregressive) 모형을 사용한다. 공간적 자기회귀 모형에 정의되는 공간적 이웃 소지역들은 중점의 거리나 근접성으로 정의된다. Kyung과 Ghosh (2009)는 방향에 따라서 이웃간 자기상관성의 크기가 다른 확장된 공간 모형을 제시하였다. 제안된 방향적 조건부 자기회귀 (directional conditionally autoregressive) 모형은 고유 이방성을 모형화하여 기존의 CAR과정을 일반화한다. 제시한 방향적 조건부 자기회귀모형의 모수추정으로 마르코프 체인 몬테 카를로 방법을 기반으로 한 베이즈 추정법을 제시한다. 제시한 모형을 스코틀랜드 그레이터 글래스고우의 로그변환된 부동산 가격에 적용하여 조건부 자기회귀모형과 비교하였다.

• 응용통계연구
• /
• 제21권4호
• /
• pp.603-613
• /
• 2008

셀 수 있는 이산 자료 중에서 일반적인 모형에 비하여 영의 빈도가 과도하게 많이 관측되는 자료가 있다. 이러한 경우에 포아송 또는 음이항회귀모형과 같은 일반적인 회귀모형에 의한 분석은 적절하지 못하다. 본 논문에서는 영과잉 포아송회귀모형과 영과잉 음이항회귀모형에 대하여 베이지안 분석을 하였다. 또한, 마코브 연쇄 몬테카롤로 방법으로 계산한 베이즈 요인을 이용하여 모형선택을 하였다. 실제 교통사고 자료를 분석하여 이론적인 결과들을 뒷받침하였다.

• 응용통계연구
• /
• 제14권1호
• /
• pp.161-175
• /
• 2001

메타분석(Meta-analysis)은 서로 독립적으로 연구되어진 결과들을 전체적인 하나의 결과로 도출하기 위해 사용되어지는 통계적 방법이다. 이러한 통계적 방법을 설명할 모형으로는 선택모형(selection model)을 포함한 계층적 모형(hierarchical model)을 사용하며, 이러한 모형들은 베이지안 메타분석에 유용한 것으로 알려져 있다. 그러나, 메타분석의 자료들은 일반적으로 출판편의(publication bias)를 갖고 있으므로 이를 극복하고자 가중함수(weight function)를 이용하여 분포함수를 새롭게 정의하여 사용한다. 최근에 Silliman(1997)은 계층적 모형(hierarchical model)에 가중함수를 첨부한 계층적 선택모형(hierarchical selection model)을 정의하고 모수적 베이지안 방법을 제시하였다. 본 연구에서는 미관측된 연구효과에 디리슈레 과정 사전분포(Dirichlet process prior)를 적용한 준모수적 계층적 선택모형(semiparametric hierarchical selection models)을 소개한다. 여기서 제시된 준모수적 계층적 선택모형을 베이지안 방법으로 추정하기 위하여 마코프 연쇄 몬테칼로(Markov chain Monte Carlo)방법을 이용한다. 제시된 방법을 적용하기 위하여 실제 자료(Johnson, 1993)인 충치를 예방하기 위한 두 가지의 예방약의 효과에 대한 차이를 비교하기 위해 얻어진 12개의 연구를 이용하여 메타분석을 한다.

• 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.

• 응용통계연구
• /
• 제15권1호
• /
• pp.73-84
• /
• 2002

계수에 대한 부등 제한조건이 있는 선형 회귀모형은 경제모형에서 가장 흔하게 다루어지는 것 중의 하나이다. 이는 특정 설명변수에 대한 계수의 부호를 음양 중 하나로 제한하거나 계수들에 대하여 순서적 관계를 주기 때문이다. 본 논문에서는 이러한 부등 제한이 있는 선형회귀 모형에서 유의한 설명변수의 선택을 해결하는 베이지안 기법을 고려한다. 베이지안 변수선택은 가능한 모든 모형의 사후확률 계산이 요구되는데 본 논문에서는 이러한 사후확률들을 동시에 계산하는 방법을 제시한다. 구체적으로 가장 일반적인 모형의 모수에 대한 사후표본을 깁스 표본기법을 적용시켜 얻은 후 이를 이용하여 모든 가능한 모형의 사후확률을 계산하고 실제적인 자료에 본 논문에서 제안된 방법을 적용시켜 본다.

• 응용통계연구
• /
• 제24권2호
• /
• pp.323-333
• /
• 2011

정신장애 질병과 관련된 인자를 찾기 위해 쉽고 간단하게 위험인자를 얻을 수 있는 로지스틱 회귀모형을 주로 이용하였다. 본 논문에서는 데이터마이닝 기업인 로지스틱 회귀모형과 신경망, C5.0, Cart, 베이지안 네트워크를 지저질환과 밀접하게 연관된 가역적 기질성 정신장애인 섬망(delirium) 자료에 적용하여 베이지안 네트워크 기법을 최적의 모형으로 선택하였다. 또한 베이지안 네트워크 기법을 활용하여 정신장애 질병인 섬망과 관련된 주요 위험인자 간 네트워크를 규명하였다.

• 응용통계연구
• /
• 제27권4호
• /
• pp.589-603
• /
• 2014

본 연구는 시간의 순서에 따라 순차적으로 발생한 신호 자료에 있어서, 변화점 검출을 위한 베이지안 방법을 개발하고자 한다. 특히, Reversible Jump MCMC를 이용하여, 차원이 정해지지 않은 모수 공간을 탐색할 수 있는 효율적인 베이지안 추론 모형을 개발한다. 신호가 각 구간에서 선형함수인 경우에 대한 모형과 이해가 용이한 모형을 제안하고, 추정을 위해 고유의 MCMC알고리즘을 개발하였다. 제안된 방법을 모의실험 자료에 적용함으로써 그 정확성 및 효율성을 검증하였고, 실제 자료에도 적용하여 보았다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2018년도 학술발표회
• /
• pp.303-303
• /
• 2018

안정적인 수자원 운용을 위해서는 정확한 유량예측 기술이 필요하다. 본 연구에서는 유량예측 정확도의 개선을 위해 베이지안 추론(Bayesian inference) 기법과 앙상블 유량 예측(Ensemble Streamflow Prediction, ESP) 기법의 결합을 통한 새로운 유량예측 기법(Bayesian ESP)을 제안하였다. ESP를 통한 유량 예보 앙상블은 베이지안 추론의 사전정보로 활용되며, 관측 유량과 ESP 전망 결과의 선형관계를 통해 우도함수가 추정된다. 우도함수는 관측 유량이 존재하는 과거 기간에 대한 ESP를 수행한 후 예보 시점의 관측 유량(concurrent observed flow)과 선행 관측 유량(lagged observed flow)과의 다중선형회귀 모형을 통해 추정된다. 사전정보와 우도함수는 정규분포로 가정되며, 따라서 최종 유량예측인 사후정보 역시 정규분포함수로 산정되게 된다. Bayesian ESP은 ESP에서 발생하는 강우-유출모형 오차의 개선을 통해 수문예측의 정확도를 개선하게 되며 정규분포함수로 최종 결과가 산정되므로 확률예보 형태의 수문 전망도 가능하다. 본 기법을 전국 35개 댐 유역에 시범적용을 한 결과, 모든 유역에서 기존 ESP 기법 대비 수문예측 정확도의 개선을 가져왔으며, 우도함수 추정에 있어 선행 유량의 포함 여부가 수문 예측 정확도의 추가적인 개선을 가져왔다. 본 기법은 주간 예보부터 계절 예보까지 탄력적으로 구축이 가능하며 적용 결과 리드 타임이 길어질수록 예측 능력이 감소되었지만 전체 구간에 있어서 Bayesian ESP 기법이 가장 우수한 예측 정확도를 보여주었다.

• 응용통계연구
• /
• 제24권4호
• /
• pp.677-693
• /
• 2011

본 논문에서는 영 과잉 계수형 자료 분석을 위한 모형중의 하나인 영 과잉 포아송 모형의 베이지안 접근 방법에 대해서 연구한다. 구체적으로는 베이지안 영 과잉 포아송 모형의 적합을 위한 사후 표본을 추출하는데 있어서, 깁스 표집기(Gibbs sampler)를 이용하는 마르코프 연쇄 몬테칼로(MCMC) 방법과 역 베이즈공식(IBF)에 의한 표본추출 방법 두 가지를 고려한다. 이러한 두 가지 사후 표본 추출방법을 비교 설명하고, IBF를 통한 사후표본을 깁스 표집기 사후표본의 수렴성 여부를 확인하는 방식에 대해서도 소개한다. 이를 바탕으로 베이지안 영 과잉 포아송 모형을 Trajan이라는 사과 품종의 발아자료(Trajan data, Marin 등, 1993)에 적용하고 모수에 대한 사후추론을 실시하고 기존의 결과와 비교한다. 또한 주어진 자료에 대하여 영 과잉 포아송 모형이 적합한지에 대한 여부를 여러 가지 모형선택 기준을 통해서 살펴보고, 아울러 기존의 자료 분석 결과 (Rodrigues, 2003)를 보완하기 위하여 계층적 베이지안 모형과 같은 대안에 대해서도 논의해본다.