• Korean journal of applied entomology
• /
• v.37 no.2
• /
• pp.151-157
• /
• 1998

Infestations of two spotted spider mite (TSSM), Tetranychus urticae Koch, on glasshouse rose (Rosa sp.) grown by an arching method, were determined by counts of the number of TSSM per leaflet in Buyeo, Chungnam Province, for a 2-yr period. Binomial sampling plans were developed based on the relationship between mean density per leaflet (m), and proportion of leaflets infested with ( T mites (PT), according to the empirical model In (m) = a+p In (-ln (1 -PT)). T was defined as tally threshold, and set to 1, 3, 5, 7, and 9 mites per leaflet. Increasing sample size had little effects on the precision of the binomial sampling plan, regardless of tally threshold. However, the precision increased with higher tally thresholds. There was a negligible improvement in precision with T ) 7 mites per leaflet. T= 7 was chosen as the best tally threshold for estimating densities of TSSM based on the precision of the model. Independent data set was used to evaluate the model. The binomial model with T= 7 provided reliable predictions of mean densities of TSSM observed on the commercial glasshouse roses.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2017.05a
• /
• pp.399-400
• /
• 2017

홍수나 가뭄 등 극치 현상의 통계분석 및 빈도해석에 있어 극치분포형이 널리 사용되고 있으며, 이러한 극치분포형의 특성을 이해하기 위해서는 분포형의 오른쪽 꼬리(right tail) 부분 특성을 자세히 분석할 필요가 있다. 이에 따라 본 연구에서는 Monte Carlo 모의를 통하여 다양한 극치분포형의 오른쪽 꼬리 부분의 통계적 특성 및 그 예측 능력을 연구하였다. 극치분포형으로는 우리나라 확률수문량 산정에 널리 활용되고 있는 generalized extreme value (GEV), Gumbel, generalized logistic 분포를 사용하였으며, 매개변수 산정 방법으로는 확률가중모멘트법을 사용하였다. 모의실험의 모분포로는 수문빈도해석에서 많이 사용되는 GEV 분포를 사용하였고, 30년 이상 자료를 보유한 기상청 지점 자료의 왜곡도를 조사하여 모의실험에 사용되는 모집단의 왜곡도로 가정하여 표본 자료를 발생시켰다. 예측 능력의 평가는 재현기간 10~1000년의 확률수문량을 왜곡도계수를 고려한 GEV 도시위치공식을 이용하여 GEV 확률지에 도시하고, 평균제곱근오차(root mean square error), 편의(bias), 평균상대오차(mean relative difference), 평균절대상대오차(mean absolute relative difference)를 이용하여 최적 분포형을 선정함으로써 이루어진다. 또한 예측 능력 평가결과의 타당성 확인을 위해 극치분포형의 적합정도를 잘 나타낸다고 알려진 modified Anderson-Darling 방법의 검정결과와 비교하여 적절성을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• v.21 no.5
• /
• pp.927-934
• /
• 2010

In this paper, we introduce a method of parameter estimation of progressive Type I interval censored sample and progressive type II censored sample. We propose a new parameter estimation method, that is converting the data which obtained by progressive type I interval censored, those data be used to estimate of the parameter in progressive type II censored sample. We used exponential distribution with unknown scale parameter, the maximum likelihood estimator of the parameter calculates from the two methods. A simulation is conducted to compare two kinds of methods, it is found that the proposed method obtains a better estimate than progressive Type I interval censoring method in terms of mean square error.

• Journal of Navigation and Port Research
• /
• v.37 no.5
• /
• pp.453-461
• /
• 2013

This paper describes evaluation procedures and experimental results for the estimation of Cumulative Distribution Functions (CDF) giving best-fit to the sample data in the Probability based risk Evaluation Techniques (PET) which is to assess the risks of a small-sized sea floater. The CDF in the PET is to provide the reference values of risk acceptance criteria which are to evaluate the risk level of the floater and, it can be estimated from sample data sets of motion response functions such as Roll, Pitch and Heave in the floater model. Using Maximum Likelihood Estimates and with the eight kinds of regulated distribution functions, the evaluation tests for the CDF having maximum likelihood to the sample data are carried out in this work. Throughout goodness-of-fit tests to the distribution functions, it is shown that the Beta distribution is best-fit to the Roll and Pitch sample data with smallest averaged probability errors $\bar{\delta}(0{\leq}\bar{\delta}{\leq}1.0)$ of 0.024 and 0.022, respectively and, Gamma distribution is best-fit to the Heave sample data with smallest $\bar{\delta}$ of 0.027. The proposed method in this paper can be expected to adopt in various application areas estimating best-fit distributions to the sample data.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.09a
• /
• pp.134-141
• /
• 2010

임분 단위의 재적 및 생체량은 LiDAR 자료의 높이 분포변수들로부터 추정될 수 있다. LiDAR 자료의 높이 분포변수들은 재적을 측정하는 임분고(stand height)와 임분평균 지하고(mean crown base height), 그리고 수관형태에 따른 평균수관장(mean crown depth) 등의 변수와 직 간접적인 연관성이 있다. 그러므로, 본 연구에서는 잣나무림의 샘플지역에서 반사된 LiDAR 자료의 높이분포변수를 이용하여 임분단위의 수간재적을 추정한 다음, 앞 세부연구에서 수행한 방법을 이용하여 임분의 생체량을 추정하였다. 변수는 임분 내에서 반사되는 LiDAR 자료의 평균높이, 최대 최소높이, 높이값들의 표준편차, 변이계수, 첨도, 왜도, 식생반사비율, 10분위 높이자료와 강도데이터의 기술통계량 등을 사용하였다. 그리고, 최종적인 임분수간재적은 다중회귀분석을 통하여 수행되었다. 다중회귀분석을 통하여 각 변수들은 임분수간재적과 가장 관련있는 2~3개의 변수들로 추려졌으며, 추정된 회귀식의 결정계수는 0.66으로 분석되었다. 또한 유보표본을 이용하여 검증한 결과의 결정계수는 0.59로 분석되어 LiDAR 자료의 높이분포변수들은 임분의 재적을 비교적 잘 설명할 수 있음이 밝혀졌다.

• Journal of dental hygiene science
• /
• v.3 no.2
• /
• pp.83-88
• /
• 2003

Patient satisfaction is now recognized as a outcome indicator of health care quality. The objective of this research was to evaluate a patient satisfaction survey instrument specially applicable to dental care, and to examines the reliability and the effect of response biases on reported satisfaction. The acceptability of satisfaction as a quality indicators was qualified by several measurement problems. The patient questionnaire was administered in four different study samples to examine the consistency of data. Cronbach's alpha was used as the measure of internal consistency. A aquiesent bias was found in the sample of 80(20%) respondents. Response biases affacted level of measured satisfaction. Highly acquiesent respondents were older, less well educated than nonaquiesent subject.

• Communications for Statistical Applications and Methods
• /
• v.3 no.3
• /
• pp.169-178
• /
• 1996

일반적인 실험군과 대조군의 척도모수에 대한 가설을 Orban과 Wolfe(1982)가 도입한 placement를 이용하여 비모수적 검정법을 제안하였다. 위치모수를 알고 있는 경우에 제안된 통계량의 귀무가설하에서의 평균과 분산 그리고 반복점근분포(iterative asymptotic distribution)를 구하였고 기존의 검정법들과 소표본 모의실험을 통하여 실험 유의수준과 실험검정력을 비교하였다.

• Korean Journal of Fisheries and Aquatic Sciences
• /
• v.9 no.2
• /
• pp.143-150
• /
• 1976

A trial has been made to find out a new method of calculating the survival rate of a fish Population utilizing the length composition data and the characteristics of the frequency curve of the length which usually is normal distribution curve. In this paper, a stochastic method is introduced and applied to calculate the survival rate of yellow croaker caught by Korean trawlers in the Yellow Sea and the East China Sea in 1971. The results are as follows : Mean of survival rate 0.46089 Variance 0.03073 Standard deviation 0.17529 95 percent confidence interval 0.36040-0.56138.

• Journal of Korean Society of Forest Science
• /
• v.61 no.1
• /
• pp.1-7
• /
• 1983

In the estimation of diameter distribution in a stand using Weibull distribution function, the calculation method of experimental distribution was presented in previous paper. This study was to estimate the diameter distribution of Korean pine stands by Weibull distribution which represents Gamma function, with mean diameter and mean basal-area diameter of the random sample trees. The results obtained fitted the diameter distribution in experimental stands. Thus, this method appears to be used for the estimation of diameter distribution in a stand as well as for the analysis and prediction of stand construction for the future.

• The Korean Journal of Applied Statistics
• /
• v.13 no.1
• /
• pp.115-131
• /
• 2000

이 논문에서는 평균-이동모형(mean-shift model)을 이상점을 위한 대립모형으로 사용하여 변량모형(random effect model)에서의 이상점 검출을 위한 베이즈인자(Bayes factor)를 제시한다. 그러나 가능한 사전 정보가 없어서 무정보사전분포(noninformative prior distribution)가 사용되어야만 할 때, 대부분의 무정보사전분포는 부적절분포(improper distribution)이기 때문에 베이즌 인자에는 사전분포로부터 나온 미지의 상수가 포함되어 잇다. 이 문제를 해결하기 위해 이 논문에서는 Berger와 Pericchi (1996)가 제시한 내재베이즈인자(the intrinsic Bayes factor;IBF)를 사용한다. 또한 이 베이즈인자를 계산상 어려움을 해결하기 위해 Verdinellidh Wasserman(1995)의 일반화 세비디지키 밀도비를 이용하여 수정하고 이것을 이용하여 이상점을 검출하는 방법을 제시한다. 마지막으로 인위적으로 이상점을 포함하고 있는 데이터를 만들고 제시된 방법으로 가상실험을 하고 또한 실제 데이터에서 제시한 방법으로 이상점을 찾아보았다.