• 정보과학회 논문지
• /
• 제44권10호
• /
• pp.1026-1033
• /
• 2017

본 논문은 계층적 디리슐레 과정(HDP)과 은닉 마르코프 모형(HMM)이 결합된 베이스 통계학적 방법과 HMM의 상태 지속 정보를 이용한 건강 상태 예측 방법을 제안한다. HDP-HMM은 베이스 방법의 HMM 확장 모형으로서 건강의 동적 특성을 고려하여 불확실하고 가늠하기조차도 어려운 건강 상태의 수를 추정할 수 있게 해준다. 모의 데이터와 실제 건건 검진 데이터를 이용한 시험을 통하여 흥미 있는 행동 특성을 볼 수 있었으며 최대 5년까지로 제한한 미래 예측도 충분한 가능함을 확인하였다. 미래는 불확실하며 예측 문제는 본질적으로 어렵다. 그러나 본 연구의 실험 결과로 동적인 문맥 하에서 다중 후보 가설을 제시함으로서 실용 가능한 건강상태의 장기 예측이 가능하다는 것을 읽을 수 있었다.

• Communications for Statistical Applications and Methods
• /
• 제29권3호
• /
• pp.373-391
• /
• 2022

The distribution of observations in most econometric studies with spatial heterogeneity is skewed. Usually, a single transformation of the data is used to approximate normality and to model the transformed data with a normal assumption. This assumption is however not always appropriate due to the fact that panel data often exhibit non-normal characteristics. In this work, the normality assumption is relaxed in spatial mixed models, allowing for spatial heterogeneity. An inference procedure based on Bayesian mixed modeling is carried out with a multivariate skew-elliptical distribution, which includes the skew-t, skew-normal, student-t, and normal distributions as special cases. The methodology is illustrated through a simulation study and according to the empirical literature, we fit our models to non-life insurance consumption observed between 1998 and 2002 across a spatial panel of 103 Italian provinces in order to determine its determinants. Analyzing the posterior distribution of some parameters and comparing various model comparison criteria indicate the proposed model to be superior to conventional ones.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.29-37
• /
• 2017

산림경영 계획을 위한 필요한 산림재적을 보다 효율적으로 추정하기 위해서 다양한 연구가 요구되어져 왔는데, 이러한 산림구조에 관한 연구는 주로 현장조사와 위성영상을 이용하여 이루어진다. 현장조사를 통한 연구는 비교적 정확하나 시간과 비용이 많이 들 뿐 아니라 접근의 용이성이 떨어지는 지역이 있기 때문에, 넓은 지역의 조사가 어렵다는 단점이 있다. 최근에는 항공기에서 발사된 레이저 펄스가 반사되어 돌아오는 시간을 측정하여 대상의 3차원 좌표를 얻는 LiDAR (Light Detection and Ranging) 기술을 활용하여 획득한 정밀한 수치형자료를 이용한 산림의 구조에 관한 연구가 이루어지고 있다. 일반적으로 산림재적을 추정하기 위해서 LiDAR자료를 이용한 수고자료와 산림 재적에 대한 회귀모형의 중요성이 점차 높아지는데, 국내의 경우 수목의 종류와 그 분포가 다르기 때문에 회귀모형만으로 재적을 추정하는 데 한계가 있다. 따라서 본 논문에서는 산림의 수고와 흉고직경을 측정하여 재적값을 추정하고 산림의 공간효과를 고려한 계층적 베이지안 분석을 통해 관측되지 않은 전체 산림재적에 대한 추정을 하고자 한다.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권2호
• /
• pp.37-47
• /
• 2022

This study uses monthly data from January 2009 to December 2020 to examine the effectiveness of foreign currency intervention and its influence on monetary policy in Vietnam using a Hierarchical Bayesian VAR model. The findings suggest that foreign exchange intervention has little influence on the exchange rate level or exports, but it can significantly minimize exchange rate volatility. As a result, we can demonstrate that the claim that Vietnam is a currency manipulator is false. As well, the forecast error variance decomposition results reveal that interest rate differentials mainly determine the exchange rate level instead of foreign exchange intervention. Moreover, the findings suggest that foreign exchange intervention is not effectively sterilized in Vietnam. Inflation is caused by an increase in international reserves, which leads to an expansion of the money supply and a decrease in interest rates. Although the impact of foreign exchange intervention grows in tandem with the growth of international reserves, if the sterilizing capacity does not improve, rising foreign exchange intervention will instead result in inflation. Finally, we use a rolling window approach to examine the time-varying effect of foreign exchange intervention.

• Communications for Statistical Applications and Methods
• /
• 제10권1호
• /
• pp.19-30
• /
• 2003

Spatiotemporal statistical models are used for analyzing space-time data in many fields, such as environmental sciences, meteorology, geology, epidemiology, forestry, hydrology, fishery, and so on. It is well known that classical spatiotemporal process modeling requires the estimation of space-time variogram or covariance functions. In practice, the estimation of such variogram or covariance functions are computationally difficult and highly sensitive to data structures. We investigate a Bayesian hierarchical model which allows the specification of a more realistic series of conditional distributions instead of computationally difficult and less realistic joint covariance functions. The spatiotemporal model investigated in this study allows both spatial component and autoregressive temporal component. These two features overcome the inability of pure time series models to adequately predict changes in trends in individual sites.

• Journal of the Korean Data and Information Science Society
• /
• 제28권1호
• /
• pp.39-47
• /
• 2017

현재 국내에는 무인 관측소인 AWS를 포함하여 많은 지상 강우 관측소를 통해 강우 데이터를 생성하고 있으며, 최근 국토해양부에서는 국내 최초로 대구 비슬산에 이중편파 강우레이더를 설치하여 운영 중에 있으며 이를 통해 전국적으로 강우강도와 강우의 분포를 추정하고 있다. 일반적으로 AWS의 경우 실제 지면에 내린 강우량을 직접 측정하므로 실제 강우량과 근사한 값을 갖지만 AWS의 개수가 적어 강우의 공간분포를 확인하기에는 불충분하다. 반면에 레이더의 경우 광범위하게 측정할 수 있으나 강우 강도와 반사율의 관계식을 통해 강우량을 측정하기 때문에 실제 지면에 내린 강우량과 는 다소 차이가 있을 수 있다. 본 논문에서는 시간적 공간적 강우강도 및 분포를 확인하는데 이점이 있는 레이더 강우 자료와 실제 강우량과 근접한 지상 관측소에서 측정한 강우자료를 사용하여 두 자료에 대한 선형모형을 적용하고, 이 선형모형으로 설명되지 않는 오차에 대해서 공간구조를 가정하여 AWS의 강우자료가 없는 지역의 지상강우량을 추정하여 지상 강우 필드를 생성하였다.

• Journal of the Korean Statistical Society
• /
• 제31권1호
• /
• pp.63-75
• /
• 2002

Most attempts at Bayesian analysis of neural networks involve hierarchical modeling. We believe that similar results can be obtained with simpler models that require less computational effort, as long as appropriate restrictions are placed on parameters in order to ensure propriety of posterior distributions. In particular, we adopt a model first introduced by Lee (1999) that utilizes an improper prior for all parameters. Straightforward Gibbs sampling is possible, with the exception of the bias parameters, which are embedded in nonlinear sigmoidal functions. In addition to the problems posed by nonlinearity, direct sampling from the posterior distributions of the bias parameters is compounded due to the duplication of hidden nodes, which is a source of multimodality. In this regard, we focus on sampling from the marginal posterior distribution of the bias parameters with Markov chain Monte Carlo methods that combine traditional Metropolis sampling with a slice sampler described by Neal (1997, 2001). The methods are illustrated with data examples that are largely confined to the analysis of nonparametric regression models.

• 응용통계연구
• /
• 제18권3호
• /
• pp.597-606
• /
• 2005

대개의 표본조사에서 무응답은 필연적으로 발생되고 있고, 직접 표본조사에 참가하지 않은 데이터의 사용자는 무응답의 원인을 알 수 없는 것이 일반적이므로 데이터 분석에 어려움을 갖는다. 또 대부분의 통계분석 방법은 무응답을 전제하지 않고 있어 무응답이 있는 항목은 데이터 분석의 걸림돌이 된다고 하겠다. 최근 무응답에 대해 대체법이 하나의 표준적인 처리 방법이 되고 있어 현재까지 대체법에 대한 많은 연구가 있었으나 대부분의 대체법은 정규성 등을 가정한 연속형 변수의 대체법에 대한 것이었다. 그러나 표본조사에서 많은 중요한 항목들이 순서 범주에 의해 측정되는 경우가 많으므로 범주형변수의 대체법에 대한 연구가 필요하며, 본 연구에서는 보조변수가 있는 경우 Bayesian 모형에 의한 순서범주형 항목의 대체법에 대해 알아본다.

• 한국정보전자통신기술학회논문지
• /
• 제11권2호
• /
• pp.169-174
• /
• 2018

일반적으로 자료의 효과 연속형인 경우 분산분석과 이산형인 경우 분할표 카이제곱 검정을 통계적 분석방법으로 사용한다. 다차원의 자료에서는 계층적 구조의 분석이 요구되어지며 자료간의 인과관계를 나타내기 위해 통계적 선형모형을 채택하여 분석한다. 선형모형의 구조에서는 자료의 정규성이 요구되어지며 일부 자료에서는 비 선형모형을 채택할 수도 있다. 특히, 설문조사 자료 구조는 문항의 특성상 이산형 자료의 형태가 많아 모형의 조건에 만족하지 않는 경우가 종종 발생한다. 자료구조의 차원이 높아질수록 인과관계, 교호작용, 연관성분석 등에 다차원 범주형 자료 분석 방법을 사용한다. 본 논문에서는 확률분포의 계산을 이용한 베이지안 네트워크 모형이 범주형 자료 분석에서 분석절차를 줄이고 교호작용 및 인과관계를 분석할 수 있다는 것을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.268-272
• /
• 2010

The research presented here represents a collaborative effort with the SFWMD on developing scenarios for future climate for the SFWMD area. The project focuses on developing methodology for simulating precipitation representing both natural quasi-oscillatory modes of variability in these climate variables and also the secular trends projected by the IPCC scenarios that are publicly available. This study specifically provides the results for precipitation modeling. The starting point for the modeling was the work of Tebaldi et al that is considered one of the benchmarks for bias correction and model combination in this context. This model was extended in the framework of a Hierarchical Bayesian Model (HBM) to formally and simultaneously consider biases between the models and observations over the historical period and trends in the observations and models out to the end of the 21st century in line with the different ensemble model simulations from the IPCC scenarios. The low frequency variability is modeled using the previously developed Wavelet Autoregressive Model (WARM), with a correction to preserve the variance associated with the full series from the HBM projections. The assumption here is that there is no useful information in the IPCC models as to the change in the low frequency variability of the regional, seasonal precipitation. This assumption is based on a preliminary analysis of these models historical and future output. Thus, preserving the low frequency structure from the historical series into the future emerges as a pragmatic goal. We find that there are significant biases between the observations and the base case scenarios for precipitation. The biases vary across models, and are shrunk using posterior maximum likelihood to allow some models to depart from the central tendency while allowing others to cluster and reduce biases by averaging. The projected changes in the future precipitation are small compared to the bias between model base run and observations and also relative to the inter-annual and decadal variability in the precipitation.