• The Korean Journal of Applied Statistics
• /
• v.16 no.2
• /
• pp.335-349
• /
• 2003

In this paper, we use Bayesian method for model selection of poisson vs. negative binomial distribution, and normal, double exponential vs. cauchy distribution. The fractional Bayes factor of O'Hagan (1995) was applied to Bayesian model selection under the assumption of noninformative improper priors for all parameters in the models. Through the analyses of real data and simulation data, we examine the usefulness of the fractional Bayes factor in comparison with intrinsic Bayes factors of Berger and Pericchi (1996, 1998).

• Proceedings of the Korea Water Resources Association Conference
• /
• 2018.05a
• /
• pp.13-13
• /
• 2018

우리나라의 하천 홍수량 자료는 대부분 댐 상류나 홍수위험 지역 등 유역 내 하천관리가 필요한 주요 지점에서만 측정되고 있다. 그러나 매년 관측되는 강우량 자료에 비해 유출량 자료는 유역의 크기가 작아질수록 매우 제한적이며, 신뢰성 있는 홍수량자료의 구축이 어려운 실정이다. 이에 본 연구에서는 유역특성인자(유역면적, 유역경사)를 매개변수로 활용하여 권역별 설계홍수량 자료에 대한 지역화 분석을 수행하였으며, 미계측 유역에서 홍수량 추정이 가능하도록 모형을 개발 하였다. 모형에서 발생하는 불확실성을 고려하기 위하여 Bayesian GLM(generalized linear method)기법을 활용하였으며, 최종적으로 모형의 매개변수와 산정되는 홍수량 결과에 대한 불확실성 구간을 정량적으로 제시하였다. 제안된 모형을 통해 일부 유역을 미계측 유역으로 가정하여 홍수량을 추정하였으며, 통계적 지표를 활용하여 기수립된 설계홍수량 자료와의 비교를 통해 모형의 적합성을 평가하였다. 본 연구를 통해 제안된 모형은 검증과정과 도출된 결과를 통해 유역특성에 따른 재현기간별 홍수량을 효과적으로 재현하는데 유리할 뿐만 아니라, Bayesian 기법을 도입하여 매개변수와 도출된 결과에 대한 불확실성의 정량적인 평가가 가능한 장점을 확인하였다.

• Journal of the Korean Society for Railway
• /
• v.19 no.4
• /
• pp.547-554
• /
• 2016

This study considered how to estimate the deterioration rate of the track quality index, which represents track geometric irregularity. Most existing studies have used a simple linear regression and regarded the slope of the regression equation as the progress rate. In this paper, we present a Bayesian approach to estimate the track irregularity progress. This Bayesian approach has many advantages, among which the biggest is that it can formally include the prior distribution of parameters which can be derived from historic data or from expert experiences; then, the rate can be expressed as a probability distribution. We investigated the possibility of applying the Bayesian method to the estimation of the deterioration rate by comparing our bayesian approach to the conventional linear regression approach.

• The Korean Journal of Applied Statistics
• /
• v.33 no.1
• /
• pp.25-46
• /
• 2020

This paper presents ordinal probit semiparametric regression models using Bayesian Spectral Analysis Regression (BSAR) method. Ordinal probit regression is a way of modeling ordinal responses - usually more than two categories - by connecting the probability of falling into each category explained by a combination of available covariates using a probit (an inverse function of normal cumulative distribution function) link. The Bayesian probit model facilitates posterior sampling by bringing a latent variable following normal distribution, therefore, the responses are categorized by the cut-off points according to values of latent variables. In this paper, we extend the latent variable approach to a semiparametric model for the Bayesian ordinal probit regression with nonparametric functions using a spectral representation of Gaussian processes based BSAR method. The latent variable is decomposed into a parametric component and a nonparametric component with or without a shape constraint for modeling ordinal responses and predicting outcomes more flexibly. We illustrate the proposed methods with simulation studies in comparison with existing methods and real data analysis applied to a Korean National Health and Nutrition Examination Survey (KNHANES) 2016 for investigating nonparametric relationship between smoking behavior and coffee intake.

• The Korean Journal of Applied Statistics
• /
• v.11 no.1
• /
• pp.97-111
• /
• 1998

This paper suggests a Bayesian method for testing first-order markov correlation among linear regression disturbances. As a Bayesian test criterion, Bayes factor is derived in the form of generalized Savage-Dickey density ratio that is easily estimated by means of posterior simulation via Gibbs sampling scheme. Performance of the Bayesian test is evaluated and examined based upon a Monte Carlo experiment and an empirical data analysis. Efficiency of the posterior simulation is also examined.

• Journal of the Korean Data and Information Science Society
• /
• v.14 no.1
• /
• pp.1-9
• /
• 2003

In this paper we discuss Bayesian computation and model selection for Littlewood-Verrall model using Gibbs sampling. A numerical example with a simulated data is given.

• Journal of Korea Water Resources Association
• /
• v.53 no.7
• /
• pp.481-491
• /
• 2020

The development of agricultural land at Saemangeum has required a significant increase in agricultural water use. It has been well acknowledged that salinity plays a critical role in the farming system. Therefore, a systematic study in salinity is necessary to better manage agricultural water. This study aims to develop a stochastic salinity simulation model that simultaneously simulates salinities obtained from different layers. More specifically, this study proposed a two-stage Autoregressive Exgeneous (ARX) model within a hierarchical Bayesian modeling framework. We derived posterior distributions of model parameters and further used them to obtain the predictive posterior distribution for salinities at three different layers. Here, the BIC values are used and compared to determine the optimal model from a set of candidate models. A detailed discussion of the model is provided.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.110-110
• /
• 2016

도시 유역의 강우-유출 모의에는 지표 투수율 및 하수관거 영향 등 인위적 배수계통의 영향을 고려할 수 있는 도시유출모형이 널리 이용되고 있으며, 모형 검증을 통해 모의 성능을 평가한다. 도시유출모형의 검증은 일반적인 강우-유출 모형과 같이 강우사상별 유량의 관측시계열과 모의시계열의 목적함수가 최소가 되는 최적 매개변수를 탐색하는 과정이다. 도시유출모형의 검증에서 발생하는 문제점은 크게 다음과 같다. 첫째, 대규모 도시 유역의 복잡하고 다양한 하수관거에 대한 최적매개변수를 관거별로 구하는 것은 물리적으로 불가능하다. 따라서 동일 배수분구내 하수관거의 매개변수 값은 동일하다고 가정하거나, 모형 단순화 과정을 통해 매개변수의 물리적 범위 내에서 최적해를 탐색해야 하는 단순화에서 기인한 불확실성이 있다. 둘째, 다양한 매개변수들의 물리적 범위를 고려하기 위해서는 전역최적화기법이 유효하다. 그러나 전역최적화 종류, 목적함수, 모의횟수, 목표성능별 최적 매개변수 결과가 각각 다르므로 추정된 최적 매개변수의 범위에 대한 불확실성이 있다. 이에 본 연구에서는 Bayesian 모형과 EPA SWMM(Storm Water Management Model)을 연계하여 도시유출모형의 매개변수 불확실성을 정량적으로 분석할 수 있는 모형을 제안하고자 한다. 이를 위해 서울 우이천 유역을 대상으로 SWMM 모형을 구축하고, 절단 정규분포(truncated Gaussian distribution)를 사전분포(prior)로 가정하여 매개변수의 물리적 범위를 고려하였다. 최종적으로 결합확률분포로 계산된 각 매개변수간 사후분포를 통해 모의된 유출량의 불확실성을 정량적으로 분석하였다. 본 연구에서 제안된 모형은 대규모 도시 유역의 도시유출모형 구축 시 다양한 매개변수의 물리적 범위를 고려한 최적화와 동시에 내재된 불확실성을 정량적으로 분석할 수 있으므로, 침수예측 및 홍수예경보 등의 문제에서 상당한 신뢰성을 확보할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.422-422
• /
• 2022

최근 기후변화와 도시화 등의 영향으로 인해 전 지구적으로 홍수 피해의 규모와 홍수발생 빈도가 증가하고 있다. 특히, 전 세계 인구의 약 50% 이상이 거주하고 있는 연안지역의 홍수피해 위험성은 급격히 증가하고 있는 추세이며, 각 국가는 홍수 피해를 저감하고 예방하기 위한 노력을 지속적으로 기울이고 있다. 본 연구에서는 연안지역의 감조하천을 대상으로 홍수 예경보 의사결정기법을 개발하고자 하였다. 이를 위해 감조하천에서 관측된 수위는 조석에 의한 수위(조석 성분), 파고에 의한 수위(파고 성분), 강우에 의한 수위(강우-유출 성분), 그리고 잡음에 의한 수위(잡음 성분)의 4가지 수문 성분으로 구성되어 있다고 정의하였고, 감조하천의 예측 강우 성분에 해당하는 예측 수위를 추정하기 위해 수위-유량 관계 곡선식을 개발하고자 하였다. 또한 각 수문 성분별 위기 경보 단계를 설정하고, Bayesian Network를 활용하여 수문 성분들의 위험을 종합적으로 고려할 수 있는 홍수 예·경보 의사결정 기법을 개발하였다. 3가지 난수 발생 방법에 따라 Bayesian Network 모형을 통해 다양한 수문 조건에 따른 조건부 확률을 산정하였으며, 정확도 검토를 수행한 결과 F-1 Socre가 25.1%, 63.5% 및 82.3%의 정확도를 보였다. 향후 본 연구에서 제시한 방법론을 활용한다면 기상청에서 제공하고 있는 예측 강우 및 GRM 모형을 통해 유출량을 산정하고, 이를 예측 수위로 변환하여 연안 지역의 홍수 위험도 매트릭스를 통해 홍수 예·경보에 대한 의사결정을 수행할 수 있을 것으로 판단된다.

• The Korean Journal of Applied Statistics
• /
• v.27 no.6
• /
• pp.975-989
• /
• 2014

Lasso (Tibshirani, 1996) and Elastic Net (Zou and Hastie, 2005) have been widely used in various fields for simultaneous variable selection and coefficient estimation. Bayesian methods using a conditional Laplace and a double Pareto prior specification have been discussed in the form of hierarchical specification. Full conditional posterior distributions with each priors have been derived. We compare the performance of Bayesian lassos with Laplace prior and the performance with double Pareto prior using simulations. We also apply the proposed Bayesian hierarchical models to real data sets to predict the collapse of governments in Asia.