• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2007년도 한국컴퓨터종합학술대회논문집 Vol.34 No.1 (C)
• /
• pp.263-266
• /
• 2007

본 논문은 베이지안 통계 추론에 대하여 논의한다. 논문은 베이지안 추론, Markov Chain과 Monte Carlo 적분, MCMC(Markov Chain Monte Carlo) 기법, Metropolis-Hastings 알고리즘, Gibbs 샘플링, Maximum Likelihood Estimation, EM 알고리즘, 상실된 데이터 보완 기법, BMA(Bayesian Model Averaging) 순서로 논의를 진행한다. 이러한 통계적 기법들은 대용량의 데이터를 처리하는 생물학, 의학, 생명 공학, 과학과 공학, 그리고 일반 데이터 조사와 처리 등에 사용되고 있으며, 최적의 추론 결과를 이끌어 내는데 중요한 방법을 제공하고 있다. 그리고 마지막으로 PC(Principal Component) 분석 기법에 대하여 논의한다. PC 분석 기법도 데이터 분석과 연구에 많이 활용된다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.1049-1068
• /
• 2014

자기회귀 모형(autoregressive model)은 일변량(univaraite) 시계열자료의 분석에서 널리 사용되는 방법 중 하나이다. 그러나 이 방법은 자료에 일정한 추세가 있다고 가정하기 때문에 자료에 분절(structural break)이 존재할 때 적절하지 않을 수 있다. 이러한 문제점을 해결하기 위한 방법으로 국면전환(regime-switching) 모형인 임계자기회귀 모형(threshold autoregressive model)이 제안되었는데 최근 지연 모수(delay parameter)을 포함한 이 국면전환(two regime-switching) 모형으로 확장되어 많은 연구가 활발히 진행되고 있다. 본 논문에서는 이 국면전환 임계자기회귀 모형을 베이지안(Bayesian) 관점에서 살펴본다. 베이지안 분석을 위해 모수적 임계자기 회귀 모형 뿐만 아니라 디리슐레 과정(Dirichlet Process) 사전분포를 이용하는 비모수적 임계자기 회귀 모형을 고려하도록 한다. 두 가지 베이지안 임계자기 회귀 모형을 바탕으로 사후분포를 유도하고 마코프 체인 몬테 카를로(Markov chain Monte Carlo) 방법을 통해 사후추론을 실시한다. 모형 간의 성능을 비교하기 위해 모의실험을 통한 자료 분석을 고려하고, 더 나아가 한국과 미국의 국내 총생산(Gross Domestic Product)에 대한 실증적 자료 분석을 실시한다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.933-945
• /
• 2014

역학 분야에서 질병 자료들은 종종 시간과 공간에 따라 축적되고, 경우에 따라서는 이들 자료의 시간과 공간 상관성이 복잡한 경우가 존재한다. 이런 공간과 시간의 복잡한 상관구조 때문에, 질병 자료를 분석하기 위하여 최근에 베이지안 공간시간 분석 방법에 관한 연구가 관심을 받고 있다. 본 논문에서는 이런 공간시간 상관성이 있는 질병 자료를 분석하기 위한 공간시간 모델링에 관한 기본적인 개념을 소개하고, 베이지안 공간시간 모형들에 관해 소개하였다. 그리고, 국내 A형 간염 발생자 자료를 논문에서 소개된 통계 모형을 이용하여 분석하여, 공간시간 모형의 중요성을 제시하였다.

• 응용통계연구
• /
• 제5권1호
• /
• pp.9-17
• /
• 1992

본 논문은 표본조사론의 주된 연구 대상인 유한 모집단에서의 모수 추정 문제중에서 비추정 문제를 베이지안 방법으로 다루었다. 크기 N의 유한 모집단을 초모집단에서 뽑은 크기 N의 확률 표본으로 간주하고, 초 모집단 모수들의 사전분포를 비정보적인 것으로 가정하여 비(ratio)의 정확한(exact) 사후분포를 유도하였으며, 이를 바탕으로 비의 정확한 신뢰구간을 구해 특별한 조건 아래에서 제안된 Fieller의 방법등 기존의 방법들과 비교하여 보았다.

• 응용통계연구
• /
• 제15권2호
• /
• pp.251-267
• /
• 2002

Kohonen이 제안한 자기조직화 지도(Self Organizing Maps : SOM)는 매우 빠른 신경망 모형이다. 하지만 다른 신경망 모형과 마찬가지로 학습 결과에 대한 명확한 규칙을 제시하지 못할 뿐만 아니라 지역적 최적값으로 빠지는 경우가 종종 있다. 본 논문에서는 이러한 자기조직화 지도의 모형에 대한 설명력을 부여하고 전역 최적값으로 수렴할 수 있는 예측 성능을 갖는 모형으로서 자율학습 신경망에 베이지안 추론을 결합한 자기조직화 지도를 위한 베이지안 학습(Bayesian Learning for Self Organizing Maps ; BLSOM)을 제안한다. 이 방법은 기존의 자기조직화 지도가 지역적 해에 머물러 있는 것에 비해서 언제든지 전역적 해로 수렴함이 실험을 통하여 밝혀졌다.

• 공학논문집
• /
• 제2권1호
• /
• pp.49-56
• /
• 1997

Emission computed tomography에 있어서 Bayesian방법에 근거한 통계학적 영상 재구성법이 수년간에 걸쳐 중요한 관심사로 대두되어 왔다. 이는 Bayesian 접근 방법을 사용할 경우 영상 재구성 알고리즘에 재구성하고자 하는 영상에 대한 사전정보를 포함시킬 수 있기 때문이었다. 이러한 방법은 경우에 따라 향상된 성능을 보이고 있으나, 막대한 계산시간으로 인해 실제 임상에 적용되기가 매우 어려운 상황이다. 한편, filtered backprojection(FBP)은 알고리즘 자체가 간단하고 계산시간도 매우 단축되므로 대부분의 임상에 널리 적용되고 있다. 본 연구에서는 Bayesian 영상 재구성에서 매우 유용하게 사용되는 spline 모델을 FBP의 고주파 감쇠를 위한 정칙자로 사용함으로써 FBP 영상 재구성에 Bayesian 방법과 유사한 효과를 얻을 수 있음을 보인다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.1015-1025
• /
• 2017

베이지안개인화순위(Bayesian personalized ranking) 방법은 내재적 피드백 자료를 분석하는 최첨단 추천시스템 통계기법 중 하나이다. 하지만, 기존의 베이지안개인화순위 방법은 내재적 피드백 자료를 변환한 이진 자료만을 고려하기 때문에 정보의 손실이 있을 수 있다는 단점이 있다. 이를 해결하기 위해 본 논문에서는 내재적 피드백 자료의 수치적 크기에 기반한 확실함의 정도(level of confidence)를 고려하는 변형베이지안개인화순위 방법을 제안한다. 제안한 방법은 기존 방법처럼 상품간의 개인선호도에 관한 직관적인 확률모형 구조를 여전히 지니면서 내재적 피드백의 수치적 크기를 확실함의 정도로 반영할 수 있다는 점에서 유용하다. 또한 제안한 변형 베이지안개인화순위 방법을 수치적으로 구현하기 위해 확률그라디언트하강(stochastic gradient descent) 기법에 기반한 계산 알고리즘을 제시한다. 마지막으로, 스팀 비디오 게임 실제 데이터 분석을 통하여 기존방법에 비해 우수한 성능을 입증한다.

• 응용통계연구
• /
• 제33권3호
• /
• pp.309-320
• /
• 2020

방향성 비순환 그래프(directed acyclic graph; DAG)라고도 하는 베이지안 네트워크(Bayesian network)는 변수 사이의 관계를 확률과 그래프를 통해 모형화할 수 있다는 점에서 최근 의학, 기상학, 유전학 등 여러 분야에서 다양하게 활용되고 있다. 특히 이산형 자료의 예측에 사용되는 베이지안 네트워크 분류분석기(Bayesian network classifier)가 최근 새로운 데이터 마이닝 기법으로 주목받고 있다. 베이지안 네트워크는 그 구조와 학습 방법에 따라 여러 가지 다양한 모형으로 분류할 수 있다. 본 논문에서는 서로 다른 성질을 가진 이산형 자료를 바탕으로 구조 학습 방법에 차이를 두어 베이지안 네트워크 모형을 학습시킨 후, 가장 간단한 방법인 나이브 베이즈 (naïve Bayes) 모형과 비교해 본다. 학습된 모형들을 여러 가지 실제 데이터에 적용하여 그 예측 정확도를 비교함으로써 최적의 분류 분석 결과를 얻을 수 있는지 살펴본다. 또한 각각의 모형에서 나타나는 그래프를 통해 데이터의 변수 사이의 관계를 비교한다.

• 응용통계연구
• /
• 제32권1호
• /
• pp.83-97
• /
• 2019

사회가 발전함에 따라 이용자의 다양한 분석 요구에 대응하기 위해 개인 단위로 구성된 마이크로데이터 제공이 증가했다. 나아가 센서스, 행정자료와 같은 전수자료를 마이크로데이터 형태로 제공받아 연구하고자 하는 요구 역시 커지고 있다. 정책결정, 학술목적 등을 위한 마이크로데이터 분석은 가치 창출 측면에서 대단히 바람직하다. 하지만 자료 유용성이 확보된 마이크로데이터 제공은 개인정보가 노출될 가능성이라는 위험을 가질 수 밖에 없다. 이에, 자료의 유용성을 확보하면서 개인정보보호를 보장할 수 있는 여러 방법들이 고려되어 왔다. 이러한 방법 중 하나로 재현자료(synthetic data)를 생성해서 활용하는 방법이 연구되어 왔다. 본 논문은 재현자료 생성과 관련된 방법론 및 주의사항을 소개하여, 재현자료의 이해를 도모하고자 한다. 이를 위해 재현자료 작성에 필수적인 다중대체, 베이지안 예측 모형 및 베이지안 붓스트랩 등의 개념들을 먼저 설명하고, 완전 재현자료 및 부분 재현자료에 대해 살펴본다. 특히, 재현자료 작성을 심도 깊이 이해하기 위해 순차회귀 다중대체(sequential regression multivariate imputation)를 이용해 경시적(longitudinal) 자료를 재현자료로 작성하는 구체적 사례를 살펴본다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.452-452
• /
• 2015

수문학 분야에서 하천유량은 중요한 요소이므로 신뢰성을 바탕으로 지속적이고 정확한 관측이 필요하다. 일반적으로 수위나 강우량의 경우 지속적이고, 자동적인 측정으로 비교적 정확한 관측이 가능하다. 하지만, 기술적인 한계와 경제적인 면에서 연속적인 유량측정이 어렵기 때문에 수위-유량 관계곡선을 이용하여 유량을 산정하고 있다. 수위-유량 관계를 통해 유량을 산정할 경우 계산방법과 분석과정에서 오차가 발생되고 산정된 유량의 오차로 이어지게 된다. 따라서, 신뢰성있는 유량 산정을 위해서는 수위-유량 관계곡선의 불확실성을 감소시키는 것이 중요하다. 본 연구에서는 Bayesian 회귀분석 및 Bootstrap 방법을 이용하여 수위-유량 관계 곡선식의 매개변수를 추정하였다. 또한 앞의 2가지 방법의 적용성을 평가하기 위해서 기존 방법인 최소자승법에 의한 매개변수 추정치 결과의 신뢰구간을 비교분석 하였다. 본 연구를 통해 다양한 통계학적 방법을 이용한 결과로부터 수위-유량 관계곡선의 불확실성을 감소시키는데 효과적인 방법을 찾고자 한다.