• 대한수학회논문집
• /
• 제13권3호
• /
• pp.629-634
• /
• 1998

As most of distributions appearing in applications are finite but with the unknown domain of finiteness, we propose to use the robust minimax approach for the determination of the boundaries of this domain. The obtained least favorable distribution minimizing Fisher information over the class of the approximately Gaussian finite distributions gives the reasonable sizes of the domain of finiteness and the thresholds of truncation.

• 한국수학교육학회지시리즈B:순수및응용수학
• /
• 제8권2호
• /
• pp.79-85
• /
• 2001

As most Of distributions in applications have a finite support, we introduce the class of finite distributions with the known shape of their central part and the unknown tails. Furthermore, we use the Huber minimax approach to determine the unknown characteristics of this class. We obtain the least informative distributions minimizing Fisher information for location in the classes of the truncated Gaussian and uniform distributions, and these results give the reasonable values of the thresholds of truncation. The properties of the obtained solutions are discussed.

• 한국수자원학회논문집
• /
• 제50권3호
• /
• pp.191-200
• /
• 2017

본 연구에서는 부정류 계산모형의 안정적인 매개변수를 선정하기 위하여, 다수 지점의 관측치를 고려한 모형보정의 결과로부터 얻은 파레토 최적화와 최소최대 후회도 방법(minimax regret approach, MRA)을 결합하는 방법을 제안하였다. 여러 지점의 관측치를 고려한 모형의 보정은 다목적 최적화 문제로서, 통합접근법을 적용하여 최적해를 구하였다. 통합접근법은 여러 지점에 대한 가중치를 결합하여 하나의 목적함수를 얻고, 여러 번의 개별 최적화를 수행함으로써 다수의 파레토 최적해들을 구하는 방법이다. 이때 유량에 따른 조도계수의 가변성을 나타내는 두 개의 매개변수로 구성된 관계식을 이용하여 두 구간에 대한 매개변수들을 모형의 추정 대상 매개변수로서 최적화하였다. 이후 각기 다른 홍수사상에 대해 보정과 검증을 수행하였으며 각각에 대한 평가지표의 후회도를 정량화하였고 이를 결합한 결합후회도를 산정하였다. 이를 기준으로 파레토 최적해들의 순위를 결정하였다. 계산결과 추정된 모형의 가변조도계수와 그로부터 얻은 두 개 지점에서의 표준화된 RMSE들은 두 지점에 대한 가중치의 조합에 따라 선택되는 매개변수 값에 따라 달라짐을 알 수 있었다. 본 연구에서 제시한 방법은 수문 및 수리모형의 다수의 관측지점의 자료를 이용한 매개변수 산정문제에 있어서 안정적인 해를 도출할 수 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제10권2호
• /
• pp.289-298
• /
• 1999

We consider a minimax approach to make a design robust to many types or uncertainty arising in reality when dealing with non-normal linear models. We try to build a design to protect against the worst case, i.e. to improve the "efficiency" of the worst situation that can happen. In this paper, we especially deal with the generalized linear model. It is a known fact that the generalized linear model is a universal approach, an extension of the normal linear regression model to cover other distributions. Therefore, the optimal design for the generalized linear model has very similar properties as the normal linear model except that it has some special characteristics. Uncertainties regarding the unknown parameters, link function, and the model structure are discussed. We show that the suggested approach is proven to be highly efficient and useful in practice. In the meantime, a computer algorithm is discussed and a conclusion follows.