• 응용통계연구
• /
• 제15권1호
• /
• pp.57-71
• /
• 2002

본 논문에서는 지수생존 모형의 형태들로써 단순 지수모형, 변환 점 지수모형과 유한 혼합 지수모형 등 세 가지 모형을 소개한다. 이러한 모형들 중에서, 최적의 모형을 찾기 위하여 Gelfand와 Ghosh(1998)의 방법을 이용한 모형 선택 방법을 제안한다. 이때, 계산상의 어려움을 피하기 위하여 자료 확장 기법(Tanner와 Wong, 1987)과 깁스 샘플러(Gelfand와 Smith, 1990)를 사용하였다. 제안된 베이지안 방법을 설명하기 위하여 모의 실험 자료와Stangl의 항 우울제 자료에 적용한다. 모형 선택 방법은 사전 분포와 모형 선택 기준의 가중치에 민감하지 않다는 것을 제한된 우리의 실험으로 알 수 있었다.

• 대한교통학회지
• /
• 제17권4호
• /
• pp.85-97
• /
• 1999

본 연구의 목적은 수단선택과 통행배정의 결합모형을 통하여 정보이용률, 정보제공전략, 혼잡상태의 변화에 따른 자가용 운전자와 버스승객의 정보제공효과를 비교, 평가하는 데 있다. 평가모형은 수단간 효용차를 웨이블 분포로 가정한 수단선택과 정보이용자와 비이용자의 노선선택시 비용인지오류크기를 상이하게 적용하여 노선선택행위를 설명한 확률적 사용자 평형모형으로 구성된다. 정보제공전략에 있어 사용자 최적과 체계 최적외에 두 전략의 혼합전략을 구사했을 경우를 비교하였다. 모의실험은 Sioux Falls Network에서 이뤄졌다. 평가결과 정적모형에서는 혼잡이 심하고, 체계최적상태에서 정보이용률이 0.4∼0.6일 때 총 통행시간의 절감효과가 크게 나타났으며. 이 때 버스 분담율도 증가하였다. 특히 정보이용률에 따른 총 통행비용의 분포가 U자 형태를 나타냄으로써 Braess의 역설이 존재함을 알 수 있었다. 그러나 일별동적모형에서는 시간이 경과함에 따라 정보이용률에 비례하여 정보제공효과가 나타남으로써 다소 상이한 결과를 보여주었다.

• 응용통계연구
• /
• 제15권1호
• /
• pp.139-151
• /
• 2002

본 논문에서는 베이지안 기법을 이용한 비선형회귀모형의 선택법을 제안하였다. 베이즈요인에 기초한 이 방법은 주로 대표본의 경우에 이용되는 고전적 모형선택법에 비해 사전정보를 이용하는 측면과 비내포모형 및 소표본의 경우에 대해서도 효과적으로 사용될 수 있다는 장점을 가진다. 본 논문에서는 정보적 사전분포를 고려하였으며, 베이즈요인의 추정 방법으로 Laplace - Metropolis 추정 법을 제안하였다. 또한 MCMC 과정을 통해 추정된 모수의 수렴진단에 대해서도 고려하였다. 실제자료에 대한 최적의 모형선택 및 진단과정을 구체적으로 제시하였다.

• 대한교통학회지
• /
• 제10권2호
• /
• pp.43-54
• /
• 1992

전통적인 신호제어모형은 다음의 두가지 결점을 내포하고 있다. 신호현시의 방법을 적정화하는 점이다. Rouphail(1990)은 전통적으로 행해온 신호주기와 녹색시간분할의 적정화에서 더 나아가 현시방법(signal timing)과 좌회전의 문제를 동시적으로 적정화 시킬 수 있는 모형을 제시한 바 있다. 그러나 Rouphail의 모형은 4개 현시에 국한되었고 현시방법(또는 현시의 선택)도 대단히 제약적이었다. 본연구는 이러한 Rouphail의 모형을 실제상황 에 보다 일반성있게 적용할 수 있도록 확장하는 연구이다. 여기서는 현시방법(또는 선택하는 현시으 형태와 수)을 확대시키고 또 연속변수와 이산변수를 동시에 적정화시키는 혼합정수선형계획법을 적용한 컴퓨터 모형을 구성하고 이를 사례 지역에 적용하엿다. 분석결과는 본 모형이 Rouphail 모형과 비교할 때 현시방법의 선택문제에 있어서 뿐만 아니라 좌회전(비보호, 보호 또는 혼합적)현시의 처리에 있어서 훨씬 더 효율적임을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제20권2호
• /
• pp.293-299
• /
• 2009

이 논문에서는 대구 두 개 동의 시간별 오존농도를 예측하는 모형으로 회귀, 자기회귀누적이동평균, 자기회귀누적이동평균 오차를 가지는 회귀 같은 선형모형들을 고려하였다. 평균제곱오차제곱근에 근거하여 보았을 때 한 개 동에서는 자기회귀누적이동평균 모형이 최적의 모형으로 선택되었고, 다른 동에서는 자기회귀누적이동평균 오차를 가지는 회귀 모형이 최적 모형으로 선택되었다. 이 최적의 모형으로부터 나온 잔차들의 변동석 분석을 수행하였는데 이를 통해 120 ppb를 넘는 오존 주의보 날짜를 예측하였다. 2000년에서 2003년까지의 훈련용 자료에 근거하여 보았을 때 잔차값의 경계값으로 35 ppb를 잡았을 때 오존주의보 날짜를 예측하는데 좋은 결과를 보였다. 하나의 동에서는 2004년의 오존주의보가 발령된 이틀 중 하루와 나머지 주의보가 발령되지 않은 364일을 모두 정확히 예측하였다. 다른 동에서는 2004년의 오존주의보가 발령된 하루와 주의보가 발령되지 않은 365일을 모두 정확히 예측하였다.

• 한국ITS학회 논문지
• /
• 제7권1호
• /
• pp.10-21
• /
• 2008

Wardrop(1952)의 확정적 사용자최적원리(Deterministic User Optimal Principle)에 의한 사용자의 통행행태는 교통망의 상황에 대하여 완전한 정보가 존재한다는 가정을 기반으로 하고 있다. 따라서 확정적 사용자최적원리에 따르면 사용자는 출발지와 도착지를 연결하는 최적경로를 선택하며, 사용자가 경로를 임의로 변경하여 통행비용을 줄일 수 없는 균형 상태에 도달함을 의미한다. 운전자의 통행경로선택기준은 다양하게 생각될 수 있으나, 일반적으로 확정적 사용자최적원리에서 운전자는 최소의 통행시간이 소요되는 경로를 선택한다. 그러나 현실의 교통망에서 발생하는 운전자의 통행행태는 통행시간으로 경로를 선택하지 않는 경향이 빈번하게 목격되며, 확정적 사용자최적원리에서처럼 통행시간만을 경로선택의 기준으로 적용하는 모형은 비합리적인 통행행태를 유도할 가능성이 높다. 이에 본 연구는 운전자의 경로를 인지하는 행태를 보다 현실적으로 모사하는 확정적 최적통행배정모형을 제안한다. 이를 위해 모형을 사용자가 경로를 결정함에 있어 출발지와 도착지에서 경로를 인지하는 일반적인 특성으로 통행시간 정보뿐만 아니라 도로주행 조건, 출발지와 도착지에 대한 교통망 정보의 유무 등을 동시에 반영한다고 가정한다. 또한 본 연구는 출발지를 기준으로 하는 통행을 전개하는 전방탐색기법과 도착지를 기준으로 통행을 후퇴하는 후방탐색기법을 동시에 수식과 알고리즘에 반영하여 사용자의 경로인지특성을 반영하는 노력이 주 내용이다.

• 응용통계연구
• /
• 제29권4호
• /
• pp.643-656
• /
• 2016

고차원 자료(high dimensional data)는 변수의 수가 표본의 수보다 많은 자료로 다양한 분야에서 관측 또는 생성되고 있다. 일반적으로, 고차원 자료에 대한 회귀 모형에서는 모수의 추정과 과적합을 피하기 위하여 변수 선택이 이루어진다. 벌점화 회귀 모형(penalized regression model)은 변수 선택과 회귀 계수의 추정을 동시에 수행하는 장점으로 인하여 고차원 자료에 빈번하게 적용되고 있다. 하지만, 벌점화 회귀 모형에서도 여전히 조율 모수 선택(tuning parameter selection)을 통한 최적의 모형 선택이 요구된다. 본 논문에서는 벌점화 회귀 모형 중에서 대표적인 LASSO 회귀 모형을 기반으로 모형 선택의 기준들에 대한 LASSO 회귀 추정량의 편의가 어떠한 영향을 미치는지 모의실험을 통하여 수치적으로 연구하였고 편의의 보정의 필요성에 대하여 나타내었다. 실제 자료 분석에서의 영향을 나타내기 위하여, 폐암 환자의 유전자 발현량(gene expression) 자료를 기반으로 바이오마커 식별(biomarker identification) 문제에 적용하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 봄 학술발표논문집 Vol.28 No.1 (B)
• /
• pp.538-540
• /
• 2001

PCA는 다변수 데이터 해석법 중 가장 널리 알려진 방법 중 하나로 많은 응용을 가지고 있다. 그런데, PCA는 선형 모델이어서 비선형 구조를 분석하는데 효과적이지 않다. 이를 극복하기 위해서 PCA의 조합을 이용하는 PCA 혼합 모형이 제안되었다. PCA 혼합 모형의 핵심은 구조 선택, 즉 mixture 요소의 수와 PCA 기저의 수의 결정 인데 그의 체계적인 결정 방법이 필요하다. 본 논문에서는 단순화된 PCA 혼합 모형과 이를 위한 효율적인 구조 선택 방법을 제안한다. 각각의 mixture 요소 수에 대해서 모든 PCA 기저를 갖도록 한 상태에서 PCA 혼합 모형의 파라미터를 EM 알고리즘을 써서 결정한다. 최적의 mixture 요소의 수는 오류를 최소로 하는 것으로 결정한다. PCA 기저의 수는 PCA의 정렬성 특성을 이용해서 중요도가 적은 기저부터 하나씩 잘라 내며 오류가 최소로 하는 것으로 결정한다. 제안된 방법은 특히 다차원 데이터의 경우에 EM 학습의 횟수를 많이 줄인다. 인공 데이터에 대한 실험은 제안된 방법이 적절한 모델 구조를 결정한다는 것을 보여준다. 또, 눈 감지에 대한 실험은 제안된 방법이 실용적으로도 유용하다는 것을 보여준다.

• Journal of the Korean Data and Information Science Society
• /
• 제21권2호
• /
• pp.279-289
• /
• 2010

이 논문에서는 호흡곤란을 주호소로 내원한 668명의 환자를 대상으로 입퇴원 결정을 위한 간편한 통계모형을 제안한다. 이것을 위해 55개 변수 중 임상전문가에 의해 중요하다고 선택된 11개 변수를 설명변수로 이용하였다. 먼저 변환과정으로 11개 연속형 변수 각각에 대해 실제 입원과 퇴원 환자의 커널밀도함수에 의해 퇴원구간을 설정하였다. 다음으로 11개 설명변수 중 퇴원구간에 속한 변수의 개수를 가지고 환자의 퇴원여부를 결정하는 최적 모형을 선택하였다. 입원과 퇴원 환자수의 불균형 때문에 최적 모형의 선택기준으로는 민감도와 특이도의 산술평균과 민감도와 정확률의 조화평균을 이용하였다. 그 결과 11개의 검사결과 중 7개 이상에서 퇴원구간이 나오면 퇴원을 결정하는 것이 최적 모형이 되었다.

• 한국ITS학회:학술대회논문집
• /
• 한국ITS학회 2004년도 제3회 정기총회 및 추계학술대회
• /
• pp.349-354
• /
• 2004