• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2002년도 추계 학술발표회 논문집
• /
• pp.169-174
• /
• 2002

본 연구는 k개 지수분포 모수들의 기하평균에 대한 베이지안추정 방법을 제시하였다. 이를 위해 Tibshirani가 제안한 직교변환법으로 비정보적 사전확률분포를 도출하여 모수들의 결합사후확률분포를 유도해 내었으며, 이 분포 하에서 가중 몬테칼로 방법을 사용하여 기하평균을 추정하는 절차를 제안하였다. 모의실험과 실제자료의 예를 통해 제안된 베이지안 추정의 유효성 및 효용성을 보였으며, 본 연구에서 제안한 사전확률분포가 전통적인 포함확률을 기준으로 볼 때, Jeffrey의 사전확률분포 보다 더 유효한 추정을 함을 보였다.

• Communications for Statistical Applications and Methods
• /
• 제3권3호
• /
• pp.1-9
• /
• 1996

본 논문에서는 일반화 회귀모형의 회귀모수${\beta}$에 대한 사전정보의 형태에 따른 각 추정량들에 대하여 연구하였다. 먼저 사전정보가 ${\beta}$에 대한 사전분포로 주어지는 경우에 해당하는 베이지안 회귀추정량을 제시하였고, 다른 하나는 ${\beta}$에 대한 사전정보모형으로 선형회귀모형식이 주어진 경우의 일반화 혼합회귀추정량에 대하여 연구하였다. 두가지 경우로부터 얻어진 각 추정량의 정도를 알아보기 위하여 각 추정량의 공분산행렬을 이 용하여 서로 비교하여 보았다. 각 추정량의 분산비들을 이용하여 일반적으로 일반화 혼합회귀추정량이 베이지안 회귀추정량들보다 비교적 작은 분산값을 가진다는 결론을 얻었다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.737-746
• /
• 2013

Tobin (1958)에 의해 처음 소개된 절단 회귀모형에서 베이지안 추정은 최대가능도 추정보다 실제값에 가까운 것으로 알려져 있으나 베이지안 방법론이 구간추정 문제에 있어서도 성공적으로 작동할 수 있을 지에 대해서는 알려진 바가 없다. 일반적으로 베이지안 방법론에서 사전분포는 분석자의 사전정보를 반영하기 때문에 주관적인 분석이 될 수 밖에 없는데, 이렇게 주관적인 분석에서는 빈도학파들이 요구하는 기준을 따르기 어렵다. 그러나 무정보사전분포는 때때로 빈도학파적 특성을 갖는 베이지안 추론을 가능하게 한다. 본 연구에서는 절단 회귀모형에서 무정보사전분포에 의한 베이지안 신뢰구간의 빈도학파적 특성을 살펴보고 최대가능도 추정 신뢰구간과 포함확률을 비교한다. 이를 통해 최대가능도 추정의 표준오차가 과소 추정되고 있음 밝힌다.

• 응용통계연구
• /
• 제26권5호
• /
• pp.713-723
• /
• 2013

본 연구에서는 2-모수 파레토분포에 대해 무정보사전분포인 준거사전분포의 가정 하에서 객관적 베이지안 모수추정 절차를 제안하였다. 베이지안 추정은 깁스샘플링에 의해서 수행된다. 깁스샘플러에서 모수생성하는 방법은 형태모수는 감마분포로부터 생성하고 척도모수는 적응기각표집 알고리즘에 의해 생성한다. 제안된 베이지안 모수추정 절차는 모의실험과 자료분석에서 기존의 추정방법들인 L-적률추정법, 최우추정법, 공액사전분포 하의 주관적 베이지안 모수추정법과 비교된다.

• 응용통계연구
• /
• 제22권3호
• /
• pp.443-461
• /
• 2009

신용전이행렬을 추정함에 있어서 국내의 등급전이자료의 축적이 부족한 점을 극복하기 위하여 외국의 신용평가기관(무디스)의 전이행렬자료와 국내의 신용등급 부여자료를 이용하여 경험적 베이지안 추정방법에 의한 전이행렬을 도출하고, 이 전이행렬을 다른 전이행렬과 비교해보기 위하여 전이행렬의 동적인 요소를 평균전이확률의 개념으로 표시할 수 있는 특성척도를 개발하여 신용전이행렬의 시계열 특성과 통계적 특성을 비교한다. 시계열자료의 척도는 베이지안 추정행렬이 안정적임을 보여주는 반면 국내 행렬은 시간적으로 변화의 폭이 크고 무디스나 베이지안 행렬보다 상대적으로 인접전이의 비율이 높게 나타났다. 붓스트랩 검정을 통하여 세 가지 추정방법이 통계적으로 유의한 차이가 있음을 보이고 베이지안 행렬이 무디스 자료보다는 국내자료에 더 많은 영향을 받았음을 유추할 수 있다. 신용등급 전이에 따른 포트폴리오의 가치변화를 고려하는 몬테칼로 시뮬레이션을 통하여 신용 VaR를 구하여 비교하였다. 국내 전이행렬의 경우에 평균은 가장 크고 신용위험도 가장 큰 값을 보였다. 시뮬레이션에서도 베이지안 추정에 의한 결과가 국내자료에 의한 결과와 더 가깝다는 것을 알 수 있다.

• Communications for Statistical Applications and Methods
• /
• 제1권1호
• /
• pp.94-101
• /
• 1994

본 논문은 패널(panel) 자기회귀 모형에서 자기회귀 계수의 추정을 베이지안 방법으로 접근하였는데, 이 때 특별히 Gibbs Sampling 방법을 이용하여 사후분포를 계산하였다. 또한 모의 실험을 통하여 자기회귀계수를 Gibbs Sampling 방법으로 추정한 베이지안 추정치가 non-Bayesian 방법으로 구한 추정치보다 더 우월함을 보였다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.991-1002
• /
• 2014

Greene (2004a,b), Lee와 Choi (2014) 등의 연구에서 토빗 회귀모형의 최대가능도 추정은 표준오차를 과소추정한다는 것이 알려졌고, 그 원인의 하나는 오차항 분산의 과소 추정에 있다고 한다. 오차항 분산의 과소 추정은 회귀계수에 대한 가설 검정 및 구간추정에 영향을 미칠 뿐 아니라 독립변수들의 주변효과를 추정하는데에도 영향을 미치게 되므로 토빗 회귀모형에 대한 적절한 분석이 수행되려면 최대가능도 추정의 과소 추정 문제를 해결하여야 한다. 일반적으로 무정보 사전분포에 의한 베이지안 추론 방법은 빈도학파들이 요구하는 효율성을 갖는 경우가 많다. 본 연구에서도 무정보 사전분포에 의한 베이지안 추론을 적용하여, 베이지안 방법론이 SUR 토빗 회귀모형에서 최대가능도 추정의 과소 추정 문제를 해결할 수 있는 하나의 대안이 될 수 있다는 것을 보였다.

• 대한안전경영과학회:학술대회논문집
• /
• 대한안전경영과학회 2013년 춘계학술대회
• /
• pp.517-531
• /
• 2013

보증 데이터를 통해 제품의 수명 및 형상모수를 추정할 때 최우추정법과 같은 전통적인 통계 분석방법(Classical Statistical Method)을 많이 사용하였다. 그러나 전통적인 통계 분석방법을 통해 수명과 형상모수의 추정 시 표본의 크기가 작거나 불완전한 경우 추정량의 신뢰성이 떨어진다는 단점이 있고 또 누적된 경험과 과거자료를 충분히 이용하지 못하는 단점도 있다. 이러한 문제점을 해결하기 위해 모수의 사전분포를 가정하는 베이지안(Bayesian) 기법의 적용이 필요하다. 하지만 보증 데이터분석에 있어서 베이지안 기법을 이용한 연구는 아직 미흡한 실정이다. 본 연구에서는 수명분포가 와이블 분포를 갖는 보증데이터를 활용하여 모수 추정의 효율성을 비교 분석하고자 한다. 이를 위해 와이블 분포의 모수가 대수정규분포를 따르는 사전분포를 갖는 베이지안 기법과 전통적 통계기법인 생명표법(Actuarial method)을 활용하여 추정량을 도출하고 비교 분석하였다. 이를 통해 충분한 관측 데이터를 확보할 수 없는 경우에 베이지안 기법을 이용한 보증 데이터 분석방법의 성능을 확인하고자 한다.

• 한국음향학회지
• /
• 제42권6호
• /
• pp.529-535
• /
• 2023

초생 프로펠러 캐비테이션에 의한 소음은 광대역 신호를 방출하는 적은 수의 음원으로 가정된다. 전통적인 캐비테이션 위치 추정 방법은 정확도가 낮으며, 해상도가 낮아 인접한 음원을 구분할 수 없다는 한계점이 있다. 희소 베이지안 학습 기법은 희소성을 가지는 신호에 대해 고해상도의 복원 성능을 보이는 기법으로, 전통적인 캐비테이션 위치추정 방법에 비해 고해상도로 위치를 추정하는 특성을 가진다. 본 논문에서는 희소 베이지안 학습 기법을 적용한 초생 프로펠러 캐비테이션 위치 추정 기법을 제안하고 실제 모형선 실험 결과를 통해 제안한 기법이 정확도 및 해상도 측면에서 기존 방식보다 뛰어남을 보였다.

• 한국통신학회논문지
• /
• 제19권8호
• /
• pp.1446-1452
• /
• 1994

본 논문은 일반적으로 채택하고 있는 소자(device)의 수명분포인 와이블(Weibull) 분포를 적용하여 소자의 가속(accelerated) 수명 테스트에서 얻은 데이터, 즉 소자의 고정 시간을 이용하여 소자의 수명을 예측(prediction)하는데 필요한 보수(parameter)들을 추정 하는데 베이지안(Bayesian) 추정법을 이용하였다. 베이지안 추정법에서 모수를 추정하기 위해서는 사전정보가 있어야 하는데 본 논문에서는 사전정보 없이 현재의 정보만을 이용하여 모수를 추정하는 방법을 제안하였다. 스트레스가 온도인 경우, Arrhenius 모델을 적용하여 소자의 정상동작 상태에서의 수명을 예측 하는데 선형 추정을 하였다.