• Journal of the Korean Statistical Society
• /
• 제31권1호
• /
• pp.1-16
• /
• 2002

Since changepoint identification is important in many data analysis problem, we wish to make inference about the locations of one or more changepoints of the sequence. We consider the Bayesian nonparameteric inference for multiple changepoint problem using a Bayesian segmentation procedure proposed by Yang and Kuo (2000). A mixture of products of Dirichlet process is used as a prior distribution. To decide whether there exists a single change or not, our approach depends on nonparametric Bayesian Schwartz information criterion at each step. We discuss how to choose the precision parameter (total mass parameter) in nonparametric setting and show that the discreteness of the Dirichlet process prior can ha17e a large effect on the nonparametric Bayesian Schwartz information criterion and leads to conclusions that are very different results from reasonable parametric model. One example is proposed to show this effect.

• 한국해안해양공학회지
• /
• 제19권2호
• /
• pp.170-178
• /
• 2007

대부분의 포물형 수치모형은 경계 외측의 수심이 해안방향으로 변하지 않는 Snell 법칙을 적용할 수 있는 조건으로 국한한다. 여기에는 기존의 Kirby 방법이 있으며 본 논문에서는 이를 수정한 방법 그리고 Dirichlet 경계조건에 대해 자세히 기술하고 이에 대한 수치실험 결과를 제시하였다. 일정 수심 위에 존재하는 원형 천퇴에 대한 수치실험 결과 계산영역 좌우에 가상 수치 조정구역을 두고 본 Dirichlet 경계조건을 적용한 경우가 파고비의 분포가 가장 작게 왜곡되는 것으로 나타났다.

• 한국유통학회지:유통연구
• /
• 제4권1호
• /
• pp.17-29
• /
• 1999

We investigated the consumer behavior of store choice using consumer panel data. The NBD-Dirichlet model known to be predictive of the consumer's brand choice was also found to be well fitted for the store choice behavior. Understanding the regularity in the store choice will provide both manufacturers and sistributors with the necessary guidelines for their competitive strategies.

• Journal of the Korean Statistical Society
• /
• 제30권3호
• /
• pp.481-498
• /
• 2001

Empirical Bayes procedure of nonparametric estiamtion of cumulative hazard rates based on censored data is considered using the beta process priors of Hjort(1990). Beta process priors with unknown parameters are used for cumulative hazard rates. Empirical Bayes estimators are suggested and asymptotic optimality is proved. Our result generalizes that of Susarla and Van Ryzin(1978) in the sensor that (i) the cumulative hazard rate induced by a Dirichlet process is a beta process, (ii) our empirical Bayes estimator does not depend on the censoring distribution while that of Susarla and Van Ryzin(1978) does, (iii) a class of estimators of the hyperprameters is suggested in the prior distribution which is assumed known in advance in Susarla and Van Ryzin(1978). This extension makes the proposed empirical Bayes procedure more applicable to real dta sets.

• Communications for Statistical Applications and Methods
• /
• 제14권1호
• /
• pp.121-131
• /
• 2007

In this paper, we examine the problem of estimating the sensitive characteristics and behaviors in a multinomial randomized response model using Bayesian approach. We derived a posterior distribution for parameter of interest for multinomial randomized response model. Based on the posterior distribution, we also calculated a credible intervals and mean squared error (MSE). We finally compare the maximum likelihood estimator and the Bayes estimator in terms of MSE.

• 한국수학교육학회지시리즈B:순수및응용수학
• /
• 제5권2호
• /
• pp.123-132
• /
• 1998

Let F and G denote the distribution functions of the failure times and the censoring variables in a random censorship model. Susarla and Van Ryzin(1978) verified consistency of $F_{\alpha}$, he NPBE of F with respect to the Dirichlet process prior D($\alpha$), in which they assumed F and G are continuous. Assuming that A, the cumulative hazard function, is distributed according to a beta process with parameters c, $\alpha$, Hjort(1990) obtained the Bayes estimator $A_{c,\alpha}$ of A under a squared error loss function. By the theory of product-integral developed by Gill and Johansen(1990), the Bayes estimator $F_{c,\alpha}$ is recovered from $A_{c,\alpha}$. Continuity assumption on F and G is removed in our proof of the consistency of $A_{c,\alpha}$ and $F_{c,\alpha}$. Our result extends Susarla and Van Ryzin(1978) since a particular transform of a beta process is a Dirichlet process and the class of beta processes forms a much larger class than the class of Dirichlet processes.

• 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.

• 스마트미디어저널
• /
• 제11권3호
• /
• pp.9-17
• /
• 2022

알고리즘을 이용하여 금융 상품을 거래하는 알고리즘 트레이딩은 시장의 많은 요인들로 인해 그 결과가 안정적이지 못한 문제가 있다. 이 문제를 완화시키기 위해 트레이딩 알고리즘들을 조합한 앙상블 기법들이 제안되었다. 하지만 이 앙상블 방법에도 여러 문제가 존재한다. 첫째, 앙상블의 필요 요건인 앙상블에 포함된 알고리즘의 최소 성능 요건(랜덤 이상)을 만족시키도록, 트레이딩 알고리즘을 선택하지 못할 수 있다는 점이다. 둘째, 과거에 우수한 성능을 보인 앙상블 모델이 미래에도 우수한 성능을 보일 것이라는 보장이 없다는 점이다. 이 문제점들을 해결하기 위해 앙상블 모델에 포함되는 트레이딩 알고리즘들을 선택하는 방법을 다음과 같이 제안한다. 과거의 데이터를 기반으로 상위 성능의 앙상블 모델들에 포함된 트레이딩 알고리즘들의 기여도를 측정한다. 그러나 이 과거 데이터에만 기반 된 기여도들은 과거의 데이터가 충분히 많지 않고 과거 데이터의 불확실성이 반영되어 있지 않기 때문에 디리클레 분포를 사용하여 기여도 분포를 근사시키고, 기여도 분포에서 기여도 값들을 샘플하여 불확실성을 반영한다. 과거 데이터로부터 구한 트레이딩 알고리즘의 기여도 분포를 기반으로 Transformer을 훈련하여 미래의 기여도를 예측한다. 예측된 미래 기여도가 높은 트레이딩 알고리즘들을 앙상블 모델에 선택하여 포함시킨다. 실험을 통하여 제안된 앙상블 방법이 기존 앙상블 방법들과 비교하여 우수한 성능을 보임을 입증하였다.

• Communications for Statistical Applications and Methods
• /
• 제21권2호
• /
• pp.135-145
• /
• 2014

The present study surveys Bayesian modeling structure for inferences about transition probabilities of Markov chain. The motivation of the study came from the data that shows transitional behaviors of emotionally disturbed children undergoing residential treatment program. Dirichlet distribution was used as prior for the multinomial distribution. The analysis with real data was implemented in WinBUGS programming environment. The performance of the model was compared to that of alternative approaches.

• ETRI Journal
• /
• 제43권1호
• /
• pp.74-81
• /
• 2021

The mixture model is a very powerful and flexible tool in clustering analysis. Based on the Dirichlet process and parsimonious Gaussian distribution, we propose a new nonparametric mixture framework for solving challenging clustering problems. Meanwhile, the inference of the model depends on the efficient online variational Bayesian approach, which enhances the information exchange between the whole and the part to a certain extent and applies to scalable datasets. The experiments on the scene database indicate that the novel clustering framework, when combined with a convolutional neural network for feature extraction, has meaningful advantages over other models.