• 한국항만경제학회지
• /
• 제23권4호
• /
• pp.216-227
• /
• 2007

건화물선 발틱운임인 케이프사이즈 운임지수(BCI), 파나막스사이즈 운임지수(BPI), 핸디막스사이즈 운임지수(BSI와 BHSI)들의 인과성과 효율성을 살펴본다. 인과성 분석을 위해 그란저 인과성 방법을 도입하여 BCI는 BPI, BSI, BHSI에 일방 그란저-cause하며, BSI는 BPI, BHSI에 일방 그란저-cause하고, BPI는 BHSI에 일방 그란저-cause함을 보인다. 이에 근거하여 모형을 구성하여 발틱 운임시장은 비효율적임을 보이고 예측능력 비교를 통해 BCI에 의한 발틱 핸디막스 운임의 예측력이 우수하며, 발틱 수퍼막스 운임과 발틱 케이프 사이즈 운임에 의한 발틱 파나막스 운임의 예측이 가장 정확하지 못함을 보인다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권3호
• /
• pp.651-658
• /
• 2013

For the marginal model and generalized estimating equations (GEE) method there is important full covariates conditional mean (FCCM) assumption which is pointed out by Pepe and Anderson (1994). With longitudinal data with time-varying stochastic covariates, this assumption may not necessarily hold. If this assumption is violated, the biased estimates of regression coefficients may result. But if a diagonal working correlation matrix is used, irrespective of whether the assumption is violated, the resulting estimates are (nearly) unbiased (Pan et al., 2000).The quadratic inference functions (QIF) method proposed by Qu et al. (2000) is the method based on generalized method of moment (GMM) using GEE. The QIF yields a substantial improvement in efficiency for the estimator of ${\beta}$ when the working correlation is misspecified, and equal efficiency to the GEE when the working correlation is correct (Qu et al., 2000).In this paper, we interest in whether the QIF can improve the results of the GEE method in the case of FCCM is violated. We show that the QIF with exchangeable and AR(1) working correlation matrix cannot be consistent and asymptotically normal in this case. Also it may not be efficient than GEE with independence working correlation. Our simulation studies verify the result.

• 응용통계연구
• /
• 제14권1호
• /
• pp.39-57
• /
• 2001

범주형 자료에서 오분류는 자료를 수집하는 과정에서 발생될 수 있다. 오분류되어 있는 자료를 정확한 자료로 간주하여 분석한다면 추정결과에 편의가 발생하고 검정력이 약화되는 결과를 초래하게 되며, 정확하게 분류된 자료를 오분류하고 판단한다면 오분류의 수정을 위해 불필요한 비용과 시간을 낭비해야 할 것이다. 따라서 정확하게 분류된 표본인지 오분류된 표본인지를 판정하는 것은 자료를 분석하기 전에 이루어져야할 매우 중요한 과정이다. 본 논문은 I$\times$J 분할표로 주어지는 범주형 자료에서 두 변수 중 하나의 변수에서만 오분류가 발생되는 경우에 오분류 여부를 검정하기 위해서 오분류 가능성이 없는 변수에 대한 주변합은 고정시키고, 오분류 여부를 가능성이 있는 변수의 주변합을 Sebastiani와 Ramoni(1997)가 제안한 Bound와 외부정보로 표현되는 Collapse의 개념, 그리고 베이지안 방법을 확장하여 자료에 적합한 모형과 사전정보를 고려한 사전모수를 다양하게 설정하면서 재분류하는 연구를 하였다. 오분류에 대한 정보를 얻기 위해서 Tenenbein(1970)에 의해 연구된 이중추출법을 이용하여 오분류 검정을 위한 새로운 통계량을 제안하였으며, 제안된 오분류 검정통계량에 관한 분포를 다양한 모의실험을 통하여 연구하였다.

• 정보과학회 논문지
• /
• 제43권8호
• /
• pp.835-840
• /
• 2016

몬테카를로 렌더링은 사진과 흡사한 이미지를 렌더링하는 데 널리 쓰이는 기술이다. 그러나 이 기술로 고품질의 이미지를 얻으려면 픽셀 당 샘플의 수를 증가시켜야 하며, 필연적으로 긴 렌더링 시간을 필요로 한다. 이 문제를 풀기 위하여, 이미지 필터링 기술을 적용할 수 있다. 이는 적은 샘플 수로, 노이즈가 존재하는 렌더링 결과를 빠른 시간 내에 구한 뒤, 필터링을 적용하여 추가적인 샘플 없이 정답 이미지에 근사하는 부드러운 이미지를 얻는 방법이다. 본 논문에서는 에이트러스 웨이블릿필터에 스테인의 공평 에러 추정법(SURE)을 적용하여, 실시간에 가까운 속도로 렌더링한 이미지의 노이즈를 제거하는 방법을 제안한다. 슈어(SURE)를 이용하여 에이트러스 웨이블릿 필터의 필터링으로 인한 에러를 추정할 수 있고, 이를 통하여 에러를 줄이는 방향으로 웨이블릿의 계수를 정할 수 있다. 본 연구진은 이 필터링 방법을 최신 실시간 광선추적법 시스템인 엠브리(embree)에 적용하여 성능을 확인하였다.

• 응용통계연구
• /
• 제29권7호
• /
• pp.1459-1473
• /
• 2016

시간의 흐름에 따라 관측되는 경시적(longitudinal) 자료의 경우, 경시적 자료와 생존(survival) 자료가 종종 동시에 수집된다. 이 때 경시적 자료에서 발생하는 결측이 생존자료와의 연관성으로 인해 발생한 무시할 수 없는 결측(non-ignorable missing)이라면, 경시적 자료분석 방법만으로는 두 자료 간의 연관성을 고려하지 않아 독립변수에 대한 효과는 편향된 결과를 얻게 된다. 이러한 문제를 해결하기 위해서 결측의 원인이 생존시간과 연관되어 있으므로 생존모형을 고려하여 불편추정량을 얻기 위해 경시적 자료와 생존자료의 결합모형에 대한 연구가 이루어져 왔다. 본 논문은 경시적 자료의 형태가 영이 많이 존재하는 영과잉 가산자료(zero-inflated count data)와 생존자료의 결합모형을 연구하였다. 경시적 영과잉 가산자료와 생존자료는 각각 허들모형(hurdle model)과 비례위험모형(proportional hazards model)의 부 모형을 적용하였고, 두 부 모형들의 변량효과가 다변량 정규분포를 따른다는 가정을 통하여 결합하였다. 모수의 최우추정법으로 EM 알고리즘을 활용하였고, 추정된 표준오차를 계산하기 위해 프로파일 우도(profile likelihood)를 이용하였다. 최종적으로 모의실험을 통해 두 부 모형의 변량효과 간 상관관계가 존재하는 경우 결합모형이 개별적 모형보다 편의와 포함확률(coverage probability)의 측면에서 더 우수함을 보였다.

• 응용통계연구
• /
• 제30권3호
• /
• pp.363-376
• /
• 2017

보험 시장은 포화되고 그 성장 동력은 소진되어 보험 산업이 저성장에 머물러 있는 가운데 보험사들은 치열한 경쟁 환경에 놓여있다. 이러한 상황에서 보험 상품에 대한 보험수리적 계산의 기초가 되는 보험 청구액의 흐름을 잘 설명할 수 있는 확률분포를 찾아내는 것은 중요한 쟁점이 될 것이다. 보험 청구액의 분포는 일반적으로 두꺼운 꼬리를 가지면서 왼쪽으로 치우친 로그정규분포나 파레토 분포로 잘 설명된다고 알려져 있으나 최근에는 기운 정규분포나 기운 t 분포가 보험 청구액 분포로 적절한 것으로 고찰되었다. Cooray와 Ananda (2005)는 로그정규분포와 파레토 분포의 장점을 모두 가진 로그정규-파레토 복합분포를 제시하고 단일분포보다 더 높은 적합도를 가짐을 확인하였다. 본 논문에서는 기운 정규분포와 기운 t 분포를 머리 부분으로 결합한 새로운 복합분포를 소개하고 덴마크의 화재보험 청구액 데이터와 미국의 배상 지불금 데이터에 적용하여 기존의 다른 복합분포들을 포함하여 여러 단일분포들과 그 성능을 비교한다.