• Journal of Korea Society of Industrial Information Systems
• /
• v.7 no.1
• /
• pp.42-49
• /
• 2002

In this paper, we develop the Bayesian multiple comparison procedure for the normal model. The procedure which we suggest is based on the fractional Bayes factor of O'Hagan (1995). We apply our procedure to normal populations, when noninformative prior is assumed to the model parameters. We derive explicit form of Bayes Factors when the number of populations is greater than 3. A famous data is analyzed by the proposed procedure. For this example, the suggested method is straightforward for specifying distributionally and to implement computationally, with output readily adapted for required comparison.

• Communications for Statistical Applications and Methods
• /
• v.10 no.3
• /
• pp.719-729
• /
• 2003

We propose a Bayesian model selection procedure for nonlinear regression models under noninformative prior. For informative prior, Na and Kim (2002) suggested the Bayesian model selection procedure through MCMC techniques. We extend this method to the case of noninformative prior. The difficulty with the use of noninformative prior is that it is typically improper and hence is defined only up to arbitrary constant. The methods, such as Intrinsic Bayes Factor(IBF) and Fractional Bayes Factor(FBF), are used as a resolution to the problem. We showed the detailed model selection procedure through the specific real data set.

• The Korean Journal of Applied Statistics
• /
• v.14 no.2
• /
• pp.449-462
• /
• 2001

베이지안 다중 검정방법(multiple hypothesis test)은 여러 통계모형에서 성공적인 결과를 주는 것으로 알려져있다. 일반적으로, 베이지안 가설검정은 고려중인 모형에 대한 사후확률을 계산하여 가장 높은 확률은 갖는 모형을 선택하기 때문에 귀무가설의 기각여부에만 관심을 가지는 고전적인 분산분석 검정과는 달리 좀 더 구체적인 모형을 선택할 수 있는 장점이 있다. 이 논문에서는 독립이면서 로그정규분포를 따르는 K($\geq$3)개 모집단의 모수에 대한 가설 검정방법으로 O’Hagan(1995)이 제안한 부분 베이즈 요인을 이용한 베이지안 방법을 제안한다. 이 때 모수에 대한 사전분포로는 무정보적 사전분포를 사용한다. 제안한 검정 방법의 유용성을 알아보기 위하여 실제 자료의 분석과 모의 실험을 이용하여 고전적인 검정방법과 그 결과를 비교한다.