• Communications for Statistical Applications and Methods
• /
• 제4권1호
• /
• pp.259-269
• /
• 1997

Bayesian inference for a record value statistics(RVS) model of nonhomogeneous Poisson process is considered. We seal with Bayesian inference for double exponential, Gamma, Rayleigh, Gumble RVS models using Gibbs sampling and Metropolis algorithm and also explore Bayesian computation and model selection.

• 한국수자원학회논문집
• /
• 제49권6호
• /
• pp.481-493
• /
• 2016

본 연구에서는 최근 기후변화로 인한 집중호우의 발생횟수의 경향을 확률적으로 분석함에 있어 1개월 동안 80 mm/day 이상의 강우사상을 집중호우로 정의하여, 대구 및 부산 강우관측소로부터 수집된 384개월 동안의 집중호우를 분석하였다. 집중호우 월별 발생횟수와 같은 형식의 자료의 확률적 분석은 대개 Poisson 분포 (POI)가 사용되나 자료에 포함된 0자료의 과잉은 확률분포를 왜곡시키는 문제를 발생시킨다. 본 연구에서는 이 문제를 개선하기 위하여 개발된 일반화 Poisson 확률분포 (GPD), 0-과잉 Poisson 확률분포 (ZIP), 0-과잉 일반화 Poisson 확률분포 (ZIGP), Bayesian 0-과잉 일반화 Poisson 확률분포 (Bayesian ZIGP)를 집중호우 자료에 적용하고, 5개 모형의 특성을 비교분석하였으며, Bayesian ZIGP 모형의 구축에 있어서는 정보적 사전분포를 사용함으로써 모형의 정확도를 개선하였다. 분석결과 분석하고자 하는 자료에 0이 과다하게 포함되어 있는 경우 POI 및 GPD 분포는 관측결과와는 다른 결과를 제시하여 적절한 모형으로 고려되지 못함을 알 수 있었다. 5가지 모형 중 정보적 사전분포를 탑재한 Bayesian ZIGP 모형이 가장 관측 자료와 유사한 결과를 도출하였으나 모형의 구축에 수반되는 실용적인 측면을 고려하면 ZIP 모형도 충분히 사용될 수 있는 모형으로 추천되었다.

• Communications for Statistical Applications and Methods
• /
• 제7권3호
• /
• pp.767-772
• /
• 2000

Zellner(1994) introduced the notion of a balanced loss function in the context of a general liner model to reflect both goodness of fit and precision of estimation. We study the perspective of unifying a variety of results both frequentist and Bayesian from Poisson distributions. We show that frequentist and Bayesian results for balanced loss follow from and also imply related results for quadratic loss functions reflecting only precision of estimation. Several examples are given for Poisson distribution.

• Communications for Statistical Applications and Methods
• /
• 제30권3호
• /
• pp.291-309
• /
• 2023

Longitudinal count data has been widely collected in biomedical research, public health, and clinical trials. These repeated measurements over time on the same subjects need to account for an appropriate dependency. The Poisson regression model is the first choice to model the expected count of interest, however, this may not be an appropriate when data exhibit over-dispersion or under-dispersion. Recently, Conway-Maxwell-Poisson (CMP) distribution is popularly used as the distribution offers a flexibility to capture a wide range of dispersion in the data. In this article, we propose a Bayesian CMP regression model to accommodate over and under-dispersion in modeling longitudinal count data. Specifically, we develop a regression model with random intercept and slope to capture subject heterogeneity and estimate covariate effects to be different across subjects. We implement a Bayesian computation via Hamiltonian MCMC (HMCMC) algorithm for posterior sampling. We then compute Bayesian model assessment measures for model comparison. Simulation studies are conducted to assess the accuracy and effectiveness of our methodology. The usefulness of the proposed methodology is demonstrated by a well-known example of epilepsy data.

• Communications for Statistical Applications and Methods
• /
• 제29권2호
• /
• pp.239-250
• /
• 2022

In many applications, we frequently encounter correlated multiple outcomes measured on the same subject. Joint modeling of such multiple outcomes can improve efficiency of inference compared to independent modeling. For instance, in developmental toxicity studies, fetal weight and number of malformed pups are measured on the pregnant dams exposed to different levels of a toxic substance, in which the association between such outcomes should be taken into account in the model. The number of malformations may possibly have many zeros, which should be analyzed via zero-inflated count models. Motivated by applications in developmental toxicity studies, we propose a Bayesian joint modeling framework for continuous and count outcomes with excess zeros. In our model, zero-inflated Poisson (ZIP) regression model would be used to describe count data, and a subject-specific random effects would account for the correlation across the two outcomes. We implement a Bayesian approach using MCMC procedure with data augmentation method and adaptive rejection sampling. We apply our proposed model to dose-response analysis in a developmental toxicity study to estimate the benchmark dose in a risk assessment.

• 응용통계연구
• /
• 제19권3호
• /
• pp.421-430
• /
• 2006

표본조사에서는 일반적으로 지형학적 범위가 넓거나 흔히 우리가 알고 있는 지형적 범위 즉시 또는 도 단위로 표본설계가 이루어진다. 그러므로 지형학적 범위가 작은 소지역은 충분한 표본의 확보가 불가능하며 따라서 정확한 소지역 통계를 얻는 것은 매우 어렵다. 이러한 문제로 정확한 소지역 통계를 얻기 위한 연구가 활발히 진행되고 있다. 최근 신기일과 이상은(2003)은 공간통계 모형을 이용한 소지역 추정을 연구하였다. 본 논문은 신기일과 이상은(2003)의 공간자기회귀(Spatial Autoregressive: SAR) 모형을 확장한 모형인 베이지안 자기 포아송 모형 (Bayesian Auto-Poisson Model: BAPM)을 이용한 소지역 추정에 관하여 연구하였다. 분석에 사용된 자료는 호주의 1998년 장애인 통계 (Survey of Disability, Aging and Cares:SDAC)이 며 MSE, MB 그러고 회귀 분석을 이용한 편의 분석기법이 비교에 사용되었다.

• 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.

• 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.

• 정보처리학회논문지D
• /
• 제10D권5호
• /
• pp.805-812
• /
• 2003

본 논문에서는 비동질 포아송 과정(NHPP)에 기초한 소프트웨어 에러 현상에 대한 신뢰도 모형을 고려하고 사전정보(Prior information)를 이용한 베이지안 추론을 시행하였다. 고장 패턴은 NHPP에 대한 강도함수와 평균값 함수로서 나타낼 수 있다. 따라서 본 논문에서는 대수형 포아송 실행시간 모형(Logarithmic Poisson model), Crow 모형 그리고 Rayleigh 모형에 대하여 베이지안 모수 추정방법을 적용하였다. 효율적 모형을 위하여 이들 모형에 관한 모형선택을 편차자승합(SSE)의 합을 이용하여 시행하였고 모수의 추정을 위해서 마코브체인 몬테카를로(MCMC) 기법중에 하나인 깁스샘플링(Gibbs sampling)과 메트로폴리스 알고리즘을 이용한 근사추정 기법이 사용되었다. 수치적인 예에서는 Musa의 T1 자료를 이용하여 모수 및 신뢰도를 추정한 수치 결과론 나열하였다.

• Journal of the Korean Statistical Society
• /
• 제31권4호
• /
• pp.509-518
• /
• 2002

This paper is concerned with semiparametric Bayesian analysis of the proportional intensity regression model of the Poisson process for multiple event time data. A nonparametric prior distribution is put on the baseline cumulative intensity function and a usual parametric prior distribution is given to the regression parameter. Also we allow heterogeneity among the intensity processes in different subjects by using unobserved random frailty components. Gibbs sampling approach with the Metropolis-Hastings algorithm is used to explore the posterior distributions. Finally, the results are applied to a real data set.