• 응용통계연구
• /
• 제11권2호
• /
• pp.287-302
• /
• 1998

표본평균(sample mean)의 밀도함수(density function)와 분포함수(distribution function)에 대한 안부점 근사(saddlepoin\ulcorner approximation)는 Daniels(1954, 1987), Lugannani와 Rice(1980)등에 의하여 유도되었으며, 이 근사식들의 정확도는 대표본(large sample)의 경우는 물론 소표본(small sample)의 경우에도 매우 뛰어난 것으로 알려져 있다. 최근 Easton과 Ronchetti(1986)는 일반적 통계량(general statistics)의 밀도함수에 대한 안부점 근사법을 제안하였고, 분포함수에 대한 근사로는 밀도함수에 대한 안부점 근사식을 직접 수치적으로 적분하는 방법을 제안하였다. 본 논문에서는 일반적 통계량의 분포함수에 대한 안부점 근사법을 제안하고, 이를 표본분산(sample variance)과 스튜던트화 평균(studentizd mean)의 분포함수에 대한 근사에 적용하였다.

• 응용통계연구
• /
• 제14권2호
• /
• pp.333-344
• /
• 2001

통계적 추론에 사용되는 많은 통계량들은 평균벡터의 평활함수의 형태로 표현이 가능하다. 본 연구에서는 이들 통계량들의 분포함수에 대한 안부점근사법을 제시하였다. 이 방법은 Na(1998)에서 제시된 일반적 통계량의 분포함수에 대한 안부점근사법이 평균벡터의 평활함수모형에 특히 유용하게 사용될 수 있음을 보인 것이다. 이 근사법은 정규근사에 비해 근사의 정도가 뛰어나며, 특히 통계량의 꼬리부분의 확률에 대해서도 정확도가 그대로 유지되는 장점이 있어 정밀한 추론이 요구되는 많은 문제에 효과적으로 사용될 수 있다. 모의 실험에 사용할 평균벡터의 평활함수 모형으로는 스튜던트화 분산을 고려하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제10권1호
• /
• pp.29-36
• /
• 1999

분할표 분석에서 승산비 (odds ratio)에 대한 추론은 중요하다. 이에 대한 정확한 추론은 비중심초기하(noncentral hypergeometric) 분포의 누적확률등의 계산이 요구되어 표본의 크기가 클 경우 많은 양의 계산과 계산시간이 요구되므로 StatXact 등의 프로그램을 이용하는 것이 일반적이다. 본 논문에서는 정확한 추론에 대한 대안적 방법으로 안부점 근사(saddlepoint approximation)의 결과를 이용한 점근적 추론법을 제시하였다. 이 방법은 비교적 소표본의 경우에도 정확한 추론의 결과와 일치하며, 기존의 정규근사를 이용한 방법에 비해 매우 뛰어난 정확도를 유지함을 예제를 통해 확인하였다.