• 응용통계연구
• /
• 제6권2호
• /
• pp.311-318
• /
• 1993

본 논문에서는 Warner의 확률응답모형 대신에 강요질문모형을 반복 사용하여 응답자들이 진실되게 응답했는가에 대한 가설점검을 하고 Warner모형을 사용한 경우와 검정력을 비교하였다. 또한 강요질문모형을 사용하여 민감한 특성을 갖는 모집단비율의 추정량을 구하고 Warner모형을 사용하여 얻은 추정량들보다 효율적이 되는 조건을 찾았다.

• 대한기계학회:학술대회논문집
• /
• 대한기계학회 2004년도 춘계학술대회
• /
• pp.1023-1028
• /
• 2004

A micro-pressure wave is generated by the high-speed train which enters a tunnel, and it causes explosive noise and vibration at the exit. It is known that train speed, train-tunnel area ratio, nose slenderness and nose shape mainly influence on generating micro-pressure wave. So it is required to minimize it by searching optimal values of such train shape factors and tunnel condition. In this study, response surface model, one of approximation models, is used to perform optimization effectively and analyze sensitivity of design variables. Owen's randomized orthogonal array and D-optimal Design are used to construct response surface model. In order to increase accuracy of model, stepwise regression is selected. Finally SQP(Sequential Quadratic Programming) optimization algorithm is used to minimize the maximum micro-pressure wave by using built approximation model.

• 응용통계연구
• /
• 제4권2호
• /
• pp.179-193
• /
• 1991

이 논문에서는 1960년대에 S. Warner에 의해 제시되었던 다양한 PR 기법을 소개하고 그 것들에 대한 최우추정량을 검토하였다. 이 논문의 주요 주제 중 하나는 Warner 모형, 무관질문 모형, 다앙응담모형을 선형모형으로 표현하는 것이다. 또 다른 주제는 PR 모형의 추론을 연구함에 있어서 베이지안 접근 방법을 이용하여 고찰하는 것이다.

• 응용통계연구
• /
• 제12권2호
• /
• pp.585-591
• /
• 1999

Warner(1965)의 확률화 응답 모형을 두 번 연속사용하여 응답자들이 일관성 있는 응답을 했다는 가설을 검정하는 검정통계량을 제안했다. 이것은 양측과 단측 대립가설 모두 검정하는데 이용할 수 있으며, 제안된 검정통계량의 조건분포는 정규분포에 근사한다. 이 검정통계량의 조건부 검정력 함수와 비조건부 검정력 함수를 구하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제13권2호
• /
• pp.341-354
• /
• 2002

This paper is planned to use randomized response technique which is an indirect response technique on internet as a way of obtaining much more precise information, not revealing secrets of responsors, considering that respondents are generally reluctant to answer in a survey to get sensitive information targeting employees, customers, etc.

• Journal of the Korean Data and Information Science Society
• /
• 제14권3호
• /
• pp.591-603
• /
• 2003

This paper is planned to use randomized response technique which is an indirect response technique on internet as a way of obtaining much more precise information, not revealing secrets of responsors, considering that respondents are generally reluctant to answer in a survey to get sensitive information targeting employees, customers, etc.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2002년도 춘계학술대회
• /
• pp.107-118
• /
• 2002

This paper is planned to use randomized response technique which is an indirect response technique on internet as a way of obtaining much more precise information, not revealing secrets of responsors, considering that respondents are generally reluctant to answer in a survey to get sensitive information targeting employees, customers, etc.

• 응용통계연구
• /
• 제12권1호
• /
• pp.143-152
• /
• 1999

본 논문에서는 응답자가 민감한 속성을 가지고 있지 않으면 직접 "예"라고 응답하고, 민감한 속성을 가지고 있으면 Greenberg et al.(1969)의 무관질문모형의 확률장치를 이용하여 선택된 질문에 응답을 하는 새로운 무관확률화응답모형을 제안하였다. 그리고, 제안한 모형이 Mangat(1994)의 관련질문모형보다 효율적인 되는 조건을 제시하였고, 수치적으로 효율성을 비교하였다. 또한, Leysieffer와 Warner(1976)의 위험함수와 Flinger et al.(1977)의 사생활 보호 측도를 이용하여 제안한 모형이 Mangat의 관련질문모형에 비하여 개인의 사생활을 보호해 주는 측면에서 더 효율적임을 보였다.효율적임을 보였다.

• 응용통계연구
• /
• 제11권1호
• /
• pp.141-150
• /
• 1998

본 논문에서는 매우 민감한 조사에서 모집단이 양적속성을 갖는 여러 개의 집락으로 구성되어 있을 때, 집락을 추출단위로 하는 단순집락추출법에 양적속성의 무관질문모형을 적용하였다. 그리고, 일정한 비용하에서 분산을 최소로 하는 집락의 크기와 표본집락의 수의 최적값을 구하여 최소분산의 형태를 도출하였다. 또한, 제안한 단순집략추출법에 의한 무관질문모형과 단순임의 추출법에 의한 무관질문모형과의 효율성을 비교해 보았다.

• Computers and Concrete
• /
• 제32권6호
• /
• pp.607-613
• /
• 2023

The objective of this work is to determine the compressive strength of geopolymer concrete utilizing four distinct machine learning approaches. These techniques are known as gradient boosting machine (GBM), generalized linear model (GLM), extremely randomized trees (XRT), and deep learning (DL). Experimentation is performed to collect the data that is then utilized for training the models. Compressive strength is the response variable, whereas curing days, curing temperature, silica fume, and nanosilica concentration are the different input parameters that are taken into consideration. Several kinds of errors, including root mean square error (RMSE), coefficient of correlation (CC), variance account for (VAF), RMSE to observation's standard deviation ratio (RSR), and Nash-Sutcliffe effectiveness (NSE), were computed to determine the effectiveness of each algorithm. It was observed that, among all the models that were investigated, the GBM is the surrogate model that can predict the compressive strength of the geopolymer concrete with the highest degree of precision.