• 물과 미래
• /
• 제43권10호
• /
• pp.55-61
• /
• 2010

• 경영과학
• /
• 제32권2호
• /
• pp.69-78
• /
• 2015

This paper considers a Bayesian Poisson model for multivariate count data using multiplicative rates. More specifically we compose the parameter for overall arrival rates by the product of two parameters, a common effect and an individual effect. The common effect is composed of autoregressive evolution of the parameter, which allows for analysis on seasonal effects on all multivariate time series. In addition, analysis on individual effects allows the researcher to differentiate the time series by whatevercharacterization of their choice. This type of model allows the researcher to specifically analyze two different forms of effects separately and produce a more robust result. We illustrate a simple MCMC generation combined with a Gibbs sampler step in estimating the posterior joint distribution of all parameters in the model. On the whole, the model presented in this study is an intuitive model which may handle complicated problems, and we highlight the properties and possible applications of the model with an example, analyzing real time series data involving customer arrivals to a large retail store.

• Communications for Statistical Applications and Methods
• /
• 제26권2호
• /
• pp.217-238
• /
• 2019

With the advent of so-called "default" Bayesian hypothesis tests, scientists in applied fields have gained access to a powerful and principled method for testing hypotheses. However, such default tests usually come with a compromise, requiring the analyst to accept a one-size-fits-all approach to hypothesis testing. Further, such tests may not have the flexibility to test problems the scientist really cares about. In this tutorial, I demonstrate a flexible approach to generalizing one specific default test (the JZS t-test) (Rouder et al., Psychonomic Bulletin & Review, 16, 225-237, 2009) that is becoming increasingly popular in the social and behavioral sciences. The approach uses two results, the Savage-Dickey density ratio (Dickey and Lientz, 1980) and the technique of encompassing priors (Klugkist et al., Statistica Neerlandica, 59, 57-69, 2005) in combination with MCMC sampling via an easy-to-use probabilistic modeling package for R called Greta. Through a comprehensive mathematical description of the techniques as well as illustrative examples, the reader is presented with a general, flexible workflow that can be extended to solve problems relevant to his or her own work.

• 응용통계연구
• /
• 제24권5호
• /
• pp.951-961
• /
• 2011

본 논문에서는 제로팽창 음이항(ZINB) 회귀모형에서 회귀계수에 대한 추론방법으로 마코프체인몬테카를로(MC MC) 기법을 이용한 베이지안 추론방법을 제안하였다. 본 연구에서 고려한 ZINB 회귀모형은 반응변수의 평균뿐만 아니라 제로팽창확률에 대한 회귀모형을 고려한 것으로서 Jang, et al.(2010)의 연구를 확장한 것이다. 아울러 실제사례에 본 연구에서 제안한 베이지안 추론방법을 적용하고 과대산포를 허용하지 않는 제로팽창 포아송(ZIP) 회귀모형과 적합결과를 DIC를 이용하여 비교하였다. 실제 사례분석 결과 ZINB 회귀모형의 DIC가 ZIP모형보다 작게 나타나 ZINB 회귀모형이 ZIP 회귀모형보다 잘 적합되었음을 알 수 있었다.

• 응용통계연구
• /
• 제30권6호
• /
• pp.877-888
• /
• 2017

시계열 자료의 주기를 파악하기 위해 스펙트럴 분석이 널리 이용되고 있다. 전력 스펙트럼이나 피리오도그램을 통해서 주파수를 추정하고 그로부터 순환 주기를 계산한다. 한편에서는 통계학의 한 축인 베이지안 기법을 활용한 주파수 추정법이 연구되어 사용되고 있다. 그런데 베이지안 주파수 추정량이 수학 공식을 통해 분석적으로 표현이 가능하지 않음으로 인해 신뢰구간 추정 같은 심도 깊은 통계학적 분석이 용이하지 않은 상화에서 컴퓨터를 이용한 수치해석적인 방법으로 신뢰구간을 추정하였다. 본 논문에서는 베이지안 주파수에 대한 보다 심도 있는 분석을 위해 모수를 재표본하는 Markov chain Monte Carlo (MCMC)을 이용한 추정과 데이터를 재표본하는 시계열 재표본을 통한 추정을 시도해 보았다. 예제로서 부동산 매매/전세 가격 지수 데이터을 사용하였고 매매와 전세 가격 지수간에 3.7개월 정도의 주기 차이가 존재하나 통계학적으로는 유의미한 차이라고 할 수 없음을 알았다.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.111-119
• /
• 2007

In this paper, we develop a nonparametric Bayesian methodology of estimating an unknown distribution function F at the given survival time with current status data under the assumption of Dirichlet process prior on F. We compare our algorithm with the nonparametric maximum likelihood estimator through application to simulated data and real data.

• Journal of the Korean Statistical Society
• /
• 제31권1호
• /
• pp.45-61
• /
• 2002

We consider the problem of estimating binomial proportions in the presence of nonignorable nonresponse using the Bayesian selection approach. Inference is sampling based and Markov chain Monte Carlo (MCMC) methods are used to perform the computations. We apply our method to study doctor visits data from the Korean National Family Income and Expenditure Survey (NFIES). The ignorable and nonignorable models are compared to Stasny's method (1991) by measuring the variability from the Metropolis-Hastings (MH) sampler. The results show that both models work very well.

• Journal of the Korean Data and Information Science Society
• /
• 제15권3호
• /
• pp.605-616
• /
• 2004

In this paper we consider the proportional hazard models for survival analysis in the microarray data. For a given vector of response values and gene expressions (covariates), we address the issue of how to reduce the dimension by selecting the significant genes. In our approach, rather than fixing the number of selected genes, we will assign a prior distribution to this number. To implement our methodology, we use a Markov Chain Monte Carlo (MCMC) method.

• 한국수자원학회논문집
• /
• 제46권3호
• /
• pp.315-326
• /
• 2013

저수지 내 퇴적과정으로 의한 저수용량 감소에 대한 효율적 관리의 중요성에도 불구하고, 불확실성을 포함하는 확률론적 관점의 신뢰도 분석이론을 활용한 저수용량 감소에 관한 연구는 많지 않다. 본 연구에서는 신뢰도 분석모형의 하나인 추계학적 감마 과정(stochastic gamma process)을 이용하고 개발된 모형을 소양강댐에서 적용하여 향후 발생될 수 있는 저수용량의 감소를 불확실성 측면에서 분석하였다. 특히 불확실성을 분석하기 위하여 정보적 사전분포(informative prior distribution)를 이용한 Bayesian MCMC 기법을 사용하여 추계학적 감마 과정의 모수(parameter)를 추정하였다. 구축된 정보적 사전분포를 적용한 결과사전분포의 불확실성에 비해 사후분포의 불확실성이 상당히 감소되어져 정보적 사전분포의 효과를 확인할 수 있었으며, 소양강댐 퇴사용량의 기대수명은(expected life time)은 5%유의수준에서 119.3년부터 183.5년의 불확실성을 나타내는 것으로 분석되었다. 이와 같은 연구는 저수용량의 감소에 관한 불확실성 측면의 정보를 신뢰도 분석결과와 함께 제공할 수 있으므로, 향후 퇴적과정으로 인한 저수지의 유지관리계획을 수립함에 있어 댐관리자 등에게 효과적으로 활용될 수 있을 것으로 판단된다.

• 한국건축시공학회지
• /
• 제11권1호
• /
• pp.91-99
• /
• 2011

Bayesian network is a form of probabilistic graphical model. It incorporates human reasoning to deal with sparse data availability and to determine the probabilities of uncertain cases. In this research, bayesian network is adopted to model the problem of construction project cost. General information, time, cost, and material, the four main factors dominating the characteristic of construction costs, are incorporated into the model. This research presents verify a model that were conducted to illustrate the functionality and application of a decision support system for predicting the costs. The Markov Chain Monte Carlo (MCMC) method is applied to estimate parameter distributions. Furthermore, it is shown that not all the parameters are normally distributed. In addition, cost estimates based on the Gibbs output is performed. It can enhance the decision the decision-making process.