• Journal of the Korean Data and Information Science Society
• /
• 제11권2호
• /
• pp.269-277
• /
• 2000

독립이면서 로그정규분포를 따르는 두 모집단의 평균 차이에 대한 검정으로 Berger와 Pericchi(1996, 1998)가 제안한 내재적 베이즈 요인(intrinsic Bayes factor)을 이용한 베이지안 방법을 제안한다. 이 때 모수에 대한 사전분포로는 무정보적 사전분포(noninformative prior)를 사용한다. 제안한 검정 방법의 유용성을 알아보기 위해 실제 자료의 분석과 모의실험을 이용하여 고전적인 검정 방범과 그 결과를 비교한다.

• 한국산업정보학회:학술대회논문집
• /
• 한국산업정보학회 1998년도 공동추계학술대회 경제위기 극복을 위한 정보기술의 효율적 활용
• /
• pp.807-813
• /
• 1998

이 논문에서는 로그정규분포에 대한 베이지안 모형선택방법을 제안한다. 일반적으로 , 모수에 대한 사전정보가 비정보적(noninformative)인 경우, 베이즈 요인(Bayes factor)은 결정할 수 없는 상수를 포함하는 것이 일반적이다. 이 경우, 베이즈 요인을 계산하기 위해 최근 활발히 연구중인 고유 베이즈 요인(Intrinsic Bayes factor)방법을 이용한다. 실제의 자료를 통해 로그정규분포의 적합도 검정에 대한 부분적 베이즈 요인을 계산한다.

• Journal of the Korean Statistical Society
• /
• 제26권4호
• /
• pp.477-491
• /
• 1997

A new predictive classification rule for assigning future cases into one of two multivariate normal population (with unknown normal mixture model) is considered. The development involves calculation of posterior probability of each possible normal-mixture model via a default Bayesian test criterion, called intrinsic Bayes factor, and suggests predictive distribution for future cases to be classified that accounts for model uncertainty by weighting the effect of each model by its posterior probabiliy. In this paper, our interest is focused on constructing the classification rule that takes care of uncertainty about the types of covariance matrices (homogeneity/heterogeneity) involved in the model. For the constructed rule, a Monte Carlo simulation study demonstrates routine application and notes benefits over traditional predictive calssification rule by Geisser (1982).

• Communications for Statistical Applications and Methods
• /
• 제12권2호
• /
• pp.483-496
• /
• 2005

We consider the power law process which is assumed to have multiple changepoints. We propose a binary segmentation procedure for locating all existing changepoints. We select one model between the no-changepoints model and the single changepoint model by the Bayes factor. We repeat this procedure until no more changepoints are found. Then we carry out a multiple test based on the Bayes factor through the intrinsic priors of Berger and Pericchi (1996) to investigate the system behaviour of failure times. We demonstrate our procedure with a real dataset and some simulated datasets.

• Journal of the Korean Data and Information Science Society
• /
• 제12권1호
• /
• pp.51-59
• /
• 2001

독립이면서 로그정규분포를 따르는 두 모집단의 평균 차이에 대한 검정으로 O'Hagan (1995)이 제안한 부분 베이즈요인을 이용한 베이지안 방법을 제안한다. 이 때 모수에 대한 사전분포로는 무정보적 사전분포를 사용한다. 제안한 검정 방법의 유용성을 알아보기 위하여 실제 자료의 분석과 모의실험을 이용하여 고전적인 검정방법과 그 결과를 비교한다.

• 응용통계연구
• /
• 제13권1호
• /
• pp.115-131
• /
• 2000

이 논문에서는 평균-이동모형(mean-shift model)을 이상점을 위한 대립모형으로 사용하여 변량모형(random effect model)에서의 이상점 검출을 위한 베이즈인자(Bayes factor)를 제시한다. 그러나 가능한 사전 정보가 없어서 무정보사전분포(noninformative prior distribution)가 사용되어야만 할 때, 대부분의 무정보사전분포는 부적절분포(improper distribution)이기 때문에 베이즌 인자에는 사전분포로부터 나온 미지의 상수가 포함되어 잇다. 이 문제를 해결하기 위해 이 논문에서는 Berger와 Pericchi (1996)가 제시한 내재베이즈인자(the intrinsic Bayes factor;IBF)를 사용한다. 또한 이 베이즈인자를 계산상 어려움을 해결하기 위해 Verdinellidh Wasserman(1995)의 일반화 세비디지키 밀도비를 이용하여 수정하고 이것을 이용하여 이상점을 검출하는 방법을 제시한다. 마지막으로 인위적으로 이상점을 포함하고 있는 데이터를 만들고 제시된 방법으로 가상실험을 하고 또한 실제 데이터에서 제시한 방법으로 이상점을 찾아보았다.

• Communications for Statistical Applications and Methods
• /
• 제10권3호
• /
• 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.

• 응용통계연구
• /
• 제17권2호
• /
• pp.281-301
• /
• 2004

본 논문에서는 일변량 정규분포를 따르는 확률변수의 관측치열에 대한 변화점 문제(change point problem)를 고찰한다. 변화점의 존재유무, 그리고 만일 변화점이 존재한다면 어떠한 유형으로 발생했는지 즉, 변화점 발생 이후로 평균만 변화, 분산만 변화, 또는 평균과 분산 모두가 변화했는지를 밝힌다. 가능한 여러 유형의 변화모형들 가운데 최적의 모형을 선택하기 위해 베이지안 모형선택 기법을 이용하고, 선택된 모형에 내재된 모수를 추정 하기 위해 메트로폴리스-혜스팅스 알고리 즘을 포함한 깁스샘플링 을 이용한다. 이러한 방법론은 모의실험을 통해 검토되고, 또한 서울지역의 겨울철 평균기온 자료에 적용된다.

• Journal of the Korean Data and Information Science Society
• /
• 제16권4호
• /
• pp.861-870
• /
• 2005

The Bayesian model selection procedures for the shape parameter of gamma distribution are proposed in order to test that the failure rate of gamma distribution is constant, increasing or decreasing. The encompassing intrinsic Bayes factor by Beger and Pericchi (1996) based on Jeffreys prior for shape parameter is used to investigate the usefulness of the proposed Bayesian model selection procedures via both real data and pseudo data.

• Journal of the Korean Data and Information Science Society
• /
• 제12권1호
• /
• pp.41-50
• /
• 2001

독립이면서 지수분포를 따르는 K개 모집단의 평균차이에 대한 가설 검정방법으로 Beregr와 Perrichi (1996, 1998)가 제안한 내재적 베이즈 요인을 이용한 베이지안 방법을 제안한다. 이 때 모수에 대한 사전분포로는 무정보적 사전분포를 사용한다. 모의실험을 통하여 제안한 검정방법의 유용성을 알아본다.