• Structural Engineering and Mechanics
• /
• 제25권3호
• /
• pp.347-363
• /
• 2007

A novel methodology, referred to as Auxiliary Domain Method (ADM), allowing for a very efficient solution of nonlinear reliability problems is presented. The target nonlinear failure domain is first populated by samples generated with the help of a Markov Chain. Based on these samples an auxiliary failure domain (AFD), corresponding to an auxiliary reliability problem, is introduced. The criteria for selecting the AFD are discussed. The emphasis in this paper is on the selection of the auxiliary linear failure domain in the case where the original nonlinear reliability problem involves multiple objectives rather than a single objective. Each reliability objective is assumed to correspond to a particular response quantity not exceeding a corresponding threshold. Once the AFD has been specified the method proceeds with a modified subset simulation procedure where the first step involves the direct simulation of samples in the AFD, rather than standard Monte Carlo simulation as required in standard subset simulation. While the method is applicable to general nonlinear reliability problems herein the focus is on the calculation of the probability of failure of nonlinear dynamical systems subjected to Gaussian random excitations. The method is demonstrated through such a numerical example involving two reliability objectives and a very large number of random variables. It is found that ADM is very efficient and offers drastic improvements over standard subset simulation, especially when one deals with low probability failure events.

• 한국수자원학회논문집
• /
• 제48권10호
• /
• pp.793-806
• /
• 2015

미계측유역의 유출량 모의는 수문학 분야에서 필수적인 사항이다. 강우-유출 모형을 이용하여 신뢰성 있는 유출량을 모의하기 위한 핵심사항은 강우-유출 모형의 매개변수를 추정하는 것이다. 하지만 현재 우리나라는 불충분한 수문자료로 인해 매개변수 추정에 어려움이 존재한다. 본 연구의 목표는 불확실성 반영을 위한 Bayesian 통계기법 기반의 강우-유출 모형의 매개변수를 지역화 하는 것이다. 그 방법은 다음과 같다. 첫째, 본 연구는 세계적으로 널리 사용되고 있는 Sacramento 강우-유출 모형에 Bayesian Markov Chain Monte Carlo 기법을 연계한 Bayesian Sacramento 강우-유출 모형을 사용하여 계측유역을 대상으로 13개 매개변수를 최적화하고 각 매개변수의 사후분포를 도출하였다. 둘째, 매개변수와 유역특성인자 사이에 회귀특성을 얻기 위해 다중선형회귀분석을 적용하여 유역특성을 고려한 지역화 매개변수를 결정하였다. 다중회귀분석을 통하여 산정된 지역화 매개변수를 계측유역에 전이하여 유출량을 모의 후 통계적 효율기준인 N-S계수, 일치계수 및 상관계수를 사용하여 지역화 매개변수 검증을 수행하였다.

• 한국해안·해양공학회논문집
• /
• 제25권6호
• /
• pp.394-404
• /
• 2013

본 연구에서는 너울성파랑을 정의하기 위한 첫 단계로 확률모의실험을 통해 파랑스펙트럼 첨두모수 $Q_p$, 주파수폭대역 모수 ${\varepsilon}$, 파랑스펙트럼 폭 모수 ${\nu}$의 특성들을 분석하였다. 이를 위해 유의파고 및 첨두주기의 결합확률 밀도함수를 새롭게 유도한 후, MCMC(Markov Chain Monte Carlo)기법을 이 함수에 적용하여 가상의 유의파고 및 첨두주기를 생성하였다. 그리고, 이 때 생성된 파랑자료들을 파랑스펙트럼모형에 적용하여 각각에 대한 파랑스펙트럼 형상모수들을 산정한 다음, 각각의 파랑자료들과 파랑스펙트럼 형상모수들의 상관관계 계수를 산정하는 방법으로 각 파랑스펙트럼 형상모수의 특성들을 조사하였다. 본 연구의 결과에 의하면, 파랑스펙트럼 형상모수 중 파랑스펙트럼 첨두모수가 유의파고 및 첨두주기에 관계없이 파랑스펙트럼의 뾰족한 정도를 잘 나타내고 있었는데, 이러한 특성은 후포 및 울릉도 파랑관측자료에서도 동일하게 나타나고 있는 것으로 확인되었다. 너울성파랑 정의를 위한 대표적인 파랑스펙트럼 형상모수로 파랑스펙트럼 첨두모수를 사용하는 것이 가장 적절한 것으로 보인다.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.733-745
• /
• 2010

수문자료의 계절성은 수자원관리의 관점에서 매우 중요한 요소로서 계절성의 변동은 댐의 운영, 홍수조절, 관개용수 관리 등 다양한 분야와 밀접한 관계를 가지고 있다. 수문빈도해석을 위해 POT 자료와 같은 부분기간치계열을 사용함으로써 자료의 확충, 계절성 확보, 발생빈도모형의 구축 등이 가능하다. 본 연구에서는 POT 자료의 장점을 효과적으로 빈도해석에 연계시키는 방법론으로서 POT 자료로부터 계절성을 추출하고 이를 빈도해석과 연계시켜 Bayesian 기법을 기반으로 하는 비정상성 빈도해석 모형을 구축하였다. 서울지점의 관측 자료로부터 98% Threshold를 적용하여 POT 자료를 추출하였으며, GEV 분포에 대한적합성을 검토하였다. 위치 및 규모매개변수의 계절적변동성을 Fourier 급수로 표현하고, Bayesian Markov Chain Monte Carlo 모의를 통해 매개변수들의 사후분포를 추정하였으며, 사후분포와 Quantile 함수를 이용하여 재현기간에 따른 확률강수량을 추정하였다. 계절성을 고려한 비정상성빈도해석 결과 7~8월의 비정상성 확률강수량과 기존 정상성빈도해석의 결과가 유사한 값을 나타내고 있으며 동시에 계절성을 반영한 확률강수량의 거동을 효과적으로 모의가 가능하였다.

• 디지털융복합연구
• /
• 제13권10호
• /
• pp.219-224
• /
• 2015

본 연구는 우리나라 가계저축률의 정규분포혼합을 추정한다. 2014년 마이크로데이터인 MDSS를 이용하였고 추정방법으로는 깁스알고리즘을 이용하였다. 실증분석결과의 주요내용은 다음과 같다. 첫째, 정규분포혼합을 추정하기 위한 방법으로 깁스알고리즘은 잘 작동하였다. 즉 주요 모수추정치는 모두 정상적 분포를 갖는 것으로 나타났다. 둘째 저축률 자료는 적어도 2개의 성분, 즉 저축률이 평균 0%인 성분과 평균 29.4%인 성분으로 이루어져 있는 것으로 보인다. 즉 우리나라의 가계는 고저축률 집단과 저저축률 집단으로 나누어질 수 있다는 뜻이다. 셋째 정규분포혼합모형 자체는 어떤 가계가 첫째 성분 또는 둘째 성분에 속하는가를 설명할 수 없다. 이에 본 연구는 추가적인 분석을 수행하였지만 소득수준과 가구주 연령은 이에 대한 설명력을 지니지 못하는 것으로 판단된다.

• Journal of the Korean Data and Information Science Society
• /
• 제28권3호
• /
• pp.709-720
• /
• 2017

In healthcare and medical research, many important variables have a measurement error such as body mass index and laboratory data. It is also not easy to collect samples of large size because of high cost and long time required to collect the target patient satisfied with inclusion and exclusion criteria. Beside, the demand for solving a complex scientific problem has highly increased so that a semiparametric regression approach could be of substantial value solving this problem. To address the issues of measurement error, small domain and a scientific complexity, we conduct a multivariable Bayesian smoothing under structural measurement error covariate in this article. Specifically we enhance our previous model by incorporating other useful auxiliary covariates free of measurement error. For the regression spline, we use a radial basis functions with fixed knots for the measurement error covariate. We organize a fully Bayesian approach to fit the model and estimate parameters using Markov chain Monte Carlo. Simulation results represent that the method performs well. We illustrate the results using a national survey data for application.

• Communications for Statistical Applications and Methods
• /
• 제23권2호
• /
• pp.131-146
• /
• 2016

In research on behavioral studies, significant attention has been paid to the stage-sequential process for longitudinal data. Latent class profile analysis (LCPA) is an useful method to study sequential patterns of the behavioral development by the two-step identification process: identifying a small number of latent classes at each measurement occasion and two or more homogeneous subgroups in which individuals exhibit a similar sequence of latent class membership over time. Maximum likelihood (ML) estimates for LCPA are easily obtained by expectation-maximization (EM) algorithm, and Bayesian inference can be implemented via Markov chain Monte Carlo (MCMC). However, unusual properties in the likelihood of LCPA can cause difficulties in ML and Bayesian inference as well as estimation in small samples. This article describes and addresses erratic problems that involve conventional ML and Bayesian estimates for LCPA with small samples. We argue that these problems can be alleviated with a small amount of prior input. This study evaluates the performance of likelihood and MCMC-based estimates with the proposed prior in drawing inference over repeated sampling. Our simulation shows that estimates from the proposed methods perform better than those from the conventional ML and Bayesian method.

• Communications for Statistical Applications and Methods
• /
• 제25권5호
• /
• pp.471-488
• /
• 2018

In this paper, we propose extending proportional hazards frailty models to allow a discrete distribution for the frailty variable. Having zero frailty can be interpreted as being immune or cured. Thus, we develop a new survival model induced by discrete frailty with zero-inflated power series distribution, which can account for overdispersion. This proposal also allows for a realistic description of non-risk individuals, since individuals cured due to intrinsic factors (immunes) are modeled by a deterministic fraction of zero-risk while those cured due to an intervention are modeled by a random fraction. We put the proposed model in a Bayesian framework and use a Markov chain Monte Carlo algorithm for the computation of posterior distribution. A simulation study is conducted to assess the proposed model and the computation algorithm. We also discuss model selection based on pseudo-Bayes factors as well as developing case influence diagnostics for the joint posterior distribution through ${\psi}-divergence$ measures. The motivating cutaneous melanoma data is analyzed for illustration purposes.

• 응용통계연구
• /
• 제29권4호
• /
• pp.627-641
• /
• 2016

본 논문에서는 겉보기 무관 회귀모형을 고려하고 디리크레 프로세스 혼합모형을 오차항의 분포로 하는 비모수 베이지안 방법을 제안한다. 제안된 모형을 바탕으로 사후분포를 유도하고 디리크레 프로세스 혼합모형의 붕괴깁스표집 방법을 통해 마코프 체인 몬테 칼로 알고리듬을 구성하고 사후추론을 실시한다. 모형의 성능을 비교하기 위해 모의실험을 실시하고, 더 나아가 한국지역의 강수량 예측에 대한 실제 자료에 적용해 본다.

• Communications for Statistical Applications and Methods
• /
• 제25권1호
• /
• pp.43-60
• /
• 2018

This paper considers the use of classical and Bayesian inference methods to analyze data generated by variables whose natural behavior can be modeled using asymmetric distributions in the presence of left censoring. Our approach used a $L{\grave{e}}vy$ distribution in the presence of left censored data and covariates. This distribution could be a good alternative to model data with asymmetric behavior in many applications as lifetime data for instance, especially in engineering applications and health research, when some observations are large in comparison to other ones and standard distributions commonly used to model asymmetry data like the exponential, Weibull or log-logistic are not appropriate to be fitted by the data. Inferences for the parameters of the proposed model under a classical inference approach are obtained using a maximum likelihood estimators (MLEs) approach and usual asymptotical normality for MLEs based on the Fisher information measure. Under a Bayesian approach, the posterior summaries of interest are obtained using standard Markov chain Monte Carlo simulation methods and available software like SAS. A numerical illustration is presented considering data of thyroglobulin levels present in a group of individuals with differentiated cancer of thyroid.