• 대한안전경영과학회지
• /
• 제10권2호
• /
• pp.205-210
• /
• 2008

The research interprets the principles of sampling error design for quality statistics models such as hypothesis test, interval estimation, control charts and acceptance sampling. Introducing the proper discussions of the design of significance level according to the use of hypothesis test, then it presents two methods to interpret significance by Neyman-Pearson and Fisher. Second point of the study proposes the design of confidence level for interval estimation by Bayesian confidence set, frequentist confidential set and fiducial interval. Third, the content also indicates the design of type I error and type II error considering both productivity and customer claim for control chart. Finally, the study reflects the design of producer's risk with operating charistictics curve, screening and switch rules for the purpose of purchasing and subcontraction.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.366-366
• /
• 2012

확률강우량은 하천설계, 수자원설계 및 계획을 위한 기초자료로 활용되며 최근 이상기후 및 기후변화로 인한 극치강우의 빈도 및 양적 증가로 인한 확률강우량 산정의 불확실성 분석에 대한 관심이 크게 증가하고 있다. 수문빈도 해석에 있어서 대부분 지역이 50년 이하의 수문자료가 이용되고 있으며 수문설계에서 요구되는 50년 이상의 확률강수량 추정시에는 상당한 불확실성을 내포하고 있다. 이러한 점에서 본 연구에서는 자료연수에 따른 Sampling Error와 분포형의 매개변수의 불확실성을 고려한 해석모형을 구축하고자 한다. 빈도해석에서 매개변수를 추정하기 위해서는 일반적으로 모멘트법, 최우도법, 확률가중모멘트법이 이용되고 있으나 사용되는 분포형에 따라서 통계학적으로 불확실성 구간을 정량화하는 과정이 난해할 뿐만 아니라 극치 수문자료가 Thick-Tailed분포의 특성을 가짐에도 불구하고 신뢰구간 산정시 정규분포로 가정하는 등 기존 해석 방법에는 많은 문제점을 내포하고 있다. 본 연구에서는 이러한 매개변수의 불확실성 평가에 있어서 우수한 해석능력을 발휘하는 Bayesian기법을 도입하여 분포형의 매개변수를 추정하고 매개변수 추정과 관련된 불확실성을 평가하고자 한다. 이와 별개로 자료연한에 따른 Sampling Error를 추정하기 위해서 Bootstrapping 기반의 해석모형을 구축하고자 하며 최종적으로 빈도해석시에 나타나는 불확실성을 종합적으로 검토하였다. 빈도해석을 위한 확률분포형으로 GEV(generalized extreme value)분포를 이용하였으며 Gibbs 샘플러를 활용한 Bayesian Markov Chain Monte Carlo 모의를 기본 해석모형으로 활용하였다.

• 한국산학기술학회논문지
• /
• 제17권5호
• /
• pp.645-652
• /
• 2016

입력 랜덤 변수(input random variable)의 통계 모델링은 기계시스템의 신뢰성 해석(reliability analysis), 신뢰성 기반 설계(reliability-based design optimization), 해석모델의 통계적 검정(validation) 및 보정(calibration)을 위해 반드시 필요하다. 대표적인 통계모델링 기법에는 Akaike Information Criterion (AIC), AIC correction (AICc), Bayesian Information Criterion, Maximum Likelihood Estimation (MLE), Bayesian 방법 등이 있다. 이러한 방법들은 기본적으로 주어진 데이터로부터 후보 모델의 우도함수값을 이용하여 후보 모델 중 가장 적합한 모델을 선택하는 방법이며, 방법에 따라 데이터 수 혹은 파라미터의 수를 고려하여 모델을 선정한다. 하지만 실제 현장에서 데이터의 통계모델링을 하는 엔지니어는 각 방법의 장단점에 대한 이해가 부족하여 어떤 방법이 정확한 방법인지 몰라 통계모델링 수행 시 어려움이 있다. 본 논문에서는 다양한 통계모델링 방법들을 비교하고 각 방법의 장단점 분석을 통해 가장 적합한 모델링 기법을 제안하고자 한다. 각 방법의 검증을 위해 다양한 모분포를 가정하고 다양한 사이즈의 샘플을 임의로 생성하여 시뮬레이션을 수행하였으며, 실제 공학 데이터를 사용하여 통계모델링 방법의 유효성을 검증하였다.

• 한국수자원학회논문집
• /
• 제43권8호
• /
• pp.733-745
• /
• 2010

수문자료의 계절성은 수자원관리의 관점에서 매우 중요한 요소로서 계절성의 변동은 댐의 운영, 홍수조절, 관개용수 관리 등 다양한 분야와 밀접한 관계를 가지고 있다. 수문빈도해석을 위해 POT 자료와 같은 부분기간치계열을 사용함으로써 자료의 확충, 계절성 확보, 발생빈도모형의 구축 등이 가능하다. 본 연구에서는 POT 자료의 장점을 효과적으로 빈도해석에 연계시키는 방법론으로서 POT 자료로부터 계절성을 추출하고 이를 빈도해석과 연계시켜 Bayesian 기법을 기반으로 하는 비정상성 빈도해석 모형을 구축하였다. 서울지점의 관측 자료로부터 98% Threshold를 적용하여 POT 자료를 추출하였으며, GEV 분포에 대한적합성을 검토하였다. 위치 및 규모매개변수의 계절적변동성을 Fourier 급수로 표현하고, Bayesian Markov Chain Monte Carlo 모의를 통해 매개변수들의 사후분포를 추정하였으며, 사후분포와 Quantile 함수를 이용하여 재현기간에 따른 확률강수량을 추정하였다. 계절성을 고려한 비정상성빈도해석 결과 7~8월의 비정상성 확률강수량과 기존 정상성빈도해석의 결과가 유사한 값을 나타내고 있으며 동시에 계절성을 반영한 확률강수량의 거동을 효과적으로 모의가 가능하였다.

• 한국수자원학회논문집
• /
• 제53권5호
• /
• pp.383-393
• /
• 2020

본 연구에서는 소양강댐 유역에서의 실측 단일사상 강우-유출 자료를 활용하여 Clark 단위도 방법의 매개변수를 최적화 하였으며, 그 결과를 제시하였다. 일반적으로 국내에서는 유역특성인자 최적화 분석시 미육군공병단의 HEC-1, HEC-HMS 등의 모형을 사용하고 있다. 그러나 해당 모형의 경우 유출수문곡선의 형상, 크기 등의 재현에만 초점이 맞춰져 있으며, 산정된 매개변수들의 평균을 사용하고 있어 실제 강우-유출 관계를 묘사하는데 어려움이 존재하고 있다. 이러한 점에서 본 연구에서는 기존 Clark 합성단위도법과 계층적 Bayesian 기법을 결합하여 수집된 강우-유출 자료를 동시에 활용하여 매개변수를 산정할 수 있는 모형을 개발하였다. 본 연구에서 개발된 모형을 적용한 결과 개별 단일사상 기반의 최적화 기법에 비해 다중 강우-유출 자료를 Pooling하여 매개변수를 산정하는 계층적 Bayesian 모형에서 BIC 결과 및 다수의 통계적 지표를 통해 모형의 우수성을 확인할 수 있었다. 더불어 홍수량에 따른 유역특성인자 매개변수 반응에 대한 관계규명을 기반으로 향후 댐 설계 또는 PMF 산정시 본 연구의 결과가 활용이 가능할 것으로 판단된다.

• Journal of the Korean Statistical Society
• /
• 제35권3호
• /
• pp.239-250
• /
• 2006

A $2{\times}2$ crossover design including carryover effect is considered for assessment of population bioequivalence of two drug formulations in a Bayesian framework. In classical analysis, it is complex to deal with the carryover effect since the estimate of the drug effect is biased in the presence of a carryover effect. The proposed method in this article uses uninformative priors and vague proper priors for objectiveness of priors and the posterior probability distribution of the parameters of interest is derived with given priors. The posterior probabilities of the hypotheses for assessing population bioequivalence are evaluated based on a Markov chain Monte Carlo simulation method. An example with real data set is given for illustration.

• 한국경영과학회지
• /
• 제20권3호
• /
• pp.105-122
• /
• 1995

Based on linear models, the inference about the true measurement x$_{f}$ and the optimal designs x (nx1) for the calibration experiments are considered via Baysian statistical decision analysis. The posterior distribution of x$_{f}$ given the observation y$_{f}$ (qxl) and the calibration experiment is obtained with normal priors for x$_{f}$ and for themodel parameters (.alpha., .betha.). This posterior distribution is not in the form of any known distributions, which leads to the use of a numerical integration or an approximation for the calculation of the overall expected loss. The general structure of the expected loss function is characterized in the form of a conjecture. A near-optimal design is obtained through the approximation nof the conditional covariance matrix of the joint distribution of (x$_{f}$ , y$_{f}$ $^{T}$ )$^{T}$ . Numerical results for the univariate case are given to demonstrate the conjecture and to evaluate the approximation.n.

• Smart Structures and Systems
• /
• 제15권3호
• /
• pp.735-749
• /
• 2015

The major difficulty of using Bayesian probabilistic inference for system identification is to obtain the posterior probability density of parameters conditioned by the measured response. The posterior density of structural parameters indicates how plausible each model is when considering the uncertainty of prediction errors. The Markov chain Monte Carlo (MCMC) method is a widespread medium for posterior inference but its convergence is often slow. The differential evolution adaptive Metropolis-Hasting (DREAM) algorithm boasts a population-based mechanism, which nms multiple different Markov chains simultaneously, and a global optimum exploration ability. This paper proposes an improved differential evolution adaptive Metropolis-Hasting algorithm (IDREAM) strategy to estimate the posterior density of structural parameters. The main benefit of IDREAM is its efficient MCMC simulation through its use of the adaptive Metropolis (AM) method with a mutation strategy for ensuring quick convergence and robust solutions. Its effectiveness was demonstrated in simulations on identifying the structural parameters with limited output data and noise polluted measurements.

• Journal of the Korean Statistical Society
• /
• 제22권2호
• /
• pp.219-234
• /
• 1993

A measuring instrument must be calibrated for accurate inferences of an unknown quantity. Bayesian calibration designs with respect to squared error loss based on a linear model are discussed in Kim and Barlow (1992). In this paper, we consider approximations of the optimal calibration designs using the idea of Gaussian inflence diagrams. The approximation is evaluated by means of numerical calculations, where it is compared with the exact values from the numerical integration.

• 대한토목학회논문집
• /
• 제37권1호
• /
• pp.29-41
• /
• 2017

확률강수량 산정은 하천관리, 수공구조물 설계 및 위험도 분석에 있어 중요한 기초적인 자료 중 하나이다. 실무에서는 대표지속시간에 대해서 지점빈도해석을 통해 확률강수량을 추정하고 이를 지속시간에 대해서 회귀분석을 실시하여 IDF (intensity-duration-frequency) 곡선을 작성한다. 이들 IDF곡선을 활용하여 기타 지속시간에 대해서는 내삽 또는 외삽으로 보간 하여 확률강수량 추정이 이루어지고 있다. 우리나라의 경우 상대적으로 자료 연한이 짧은 점을 고려한다면, 보다 정확하고 신뢰성 있는 확률강수량 산정 기법의 필요성이 대두되고 있다. 이러한 이유로 본 연구에서는 Bayesian GLM 모형을 통하여 자료의 확률분포 매개변수의 Scaling 특성을 고려할 수 있는 지역빈도해석 모형을 개발하였다. 모형 적용결과 개별지점에서 효과적인 매개변수 추정뿐만 아니라, 유역전체의 특성을 대표하는 매개변수 추정이 가능하였다. 본 연구결과를 통해 도출된 IDF 곡선은 향후 다양한 수자원분야의 기초자료로 활용될 수 있을 것으로 기대되며, 미계측유역 또는 지속시간별 자료가 불충분한 지역에 대해서도 활용이 가능할 것으로 판단된다.