• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.1752-1756
• /
• 2007

정교한 강우-유출 모의를 위해서는 적절한 매개변수의 추정이 필수적이며, 매개변수 추정 방법은 시행착오(trial and error)에 의한 수동보정법과 최적화방법을 사용한 자동보정법으로 구분할 수 있다. 모형의 매개변수의 수가 많은 경우 수동보정법에 의한 매개변수 추정은 매우 어렵다. 자동 보정법에 사용되는 최적화방법은 Rosenbrock 알고리즘, patten search, 컴플렉스(complex) 방법, Powell 방법 등과 같은 지역최적화 방법과 전역최적화 방법으로 나눌 수 있다. 그러나 기존 방법론들은 매개변수의 최적화를 추적하기 위한 알고리즘이 대부분이며 이들 매개변수에 관련된 불확실성을 평가하는데는 미흡한 단접이 있다. 이러한 점에서 본 연구에서는 강우-유출모형의 매개변수 추정에 있어서 불확실성을 평가할 수 있는 새로운 방법론을 검토하고자 한다. 매개변수와 관련된 불확실성을 평가하기 위한 방법은 여러 가지가 있으나 통계적으로 매우 우수한 능력을 보이는 Hierarchical Bayesian 알고리즘을 Probability-Distributed 강우-유출 모형에 적용하였다. 본 방법론은 최적화와 동시에 각 매개변수에 관련된 사후분포(posterior distribution)의 추정이 가능하므로 모형이 갖는 불확실성을 효과적으로 평가할 수 있다. 따라서, 수자원 관리에 있어서 불확실성을 고려할 수 있으므로 보다 수리수문학적 위험도를 저감할 수 있을 것으로 판단된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2016.05a
• /
• pp.206-206
• /
• 2016

최근 기상변동성 증가 및 기후변화로 인해 기존 한반도의 기상패턴과 다른 이상강우 현상이 증가하고 있다. 이러한 변동성 증가는 수자원 계획을 수립하는데 있어 불확실성을 가중시키기고 있다. 이러한 점에서 수문 시계열의 변화양상을 효과적으로 인지할 수 있으며, 유역단위에서 일관된 변화를 평가할 수 있는 변동성 분석 개발이 필요하다. 이에 본 연구에서는 기존 변동성 분석방법에 계층적 베이지안(Hierarchical Bayesian) 기법을 연계하여 유역단위에서 변동점 해석을 위한 모형을 개발하였다. 한강유역의 30년 이상의 강우 자료를 활용하여 연강우량 자료를 구축하였으며, 본 연구를 통해 개발된 모형의 적합성을 평가하였다. 분석결과, 약 2000년대를 기준으로 강우의 변화 양상을 확인할 수 있었으며, 과거에 비해 강우의 증가 특성을 효과적으로 평가할 수 있었다. 이와 같은 수문기상자료에 대한 변동성 분석은 미래에 발생 가능한 홍수나 가뭄과 같은 사상을 모의함에 있어 효율적으로 활용될 수 있을 것으로 판단된다.

• Journal of the Korean Statistical Society
• /
• v.31 no.2
• /
• pp.177-198
• /
• 2002

The estimation of variance components or variance ratios in linear model is an important issue in plant or animal breeding fields, and various estimation methods have been devised to estimate variance components or variance ratios. However, many traits of economic importance in those fields are observed as dichotomous or polychotomous outcomes. The usual estimation methods might not be appropriate for these cases. Recently threshold linear model is considered as an important tool to analyze discrete traits specially in animal breeding field. In this note, we consider a hierarchical Bayesian method for the threshold animal model. Gibbs sampler for making full Bayesian inferences about random effects as well as fixed effects is described to analyze jointly discrete traits and continuous traits. Numerical example of the model with two discrete ordered categorical traits, calving ease of calves from born by heifer and calving ease of calf from born by cow, and one normally distributed trait, birth weight, is provided.

• Journal of the Korean Data and Information Science Society
• /
• v.26 no.3
• /
• pp.755-762
• /
• 2015

One of the main objectives of the U.S. Census Bureau is the proper estimation of median household income for small areas. These estimates have an important role in the formulation of various governmental decisions and policies. Since direct survey estimates are available annually for each state or county, it is desirable to exploit the longitudinal trend in income observations in the estimation procedure. In this study, we consider Fay-Herriot type small area models which include time-specific random effect to accommodate any unspecified time varying income pattern. Analysis is carried out in a hierarchical Bayesian framework using Markov chain Monte Carlo methodology. We have evaluated our estimates by comparing those with the corresponding census estimates of 1999 using some commonly used comparison measures. It turns out that among three types of time-specific random effects the small area model with a time series random walk component provides estimates which are superior to both direct estimates and the Census Bureau estimates.

• Management Science and Financial Engineering
• /
• v.12 no.2
• /
• pp.19-35
• /
• 2006

We use the hierarchical Bayesian approach to describe the transition probabilities of a binary nonhomogeneous Markov chain. The Markov chain is used for describing the transition behavior of emotionally disturbed children in a treatment program. The effects of covariates on transition probabilities are assessed using a logit link function. To describe the time evolution of transition probabilities, we consider two modeling strategies. The first strategy is based on the concept of exchangeabiligy, whereas the second one is based on a first order Markov property. The deviance information criterion (DIC) measure is used to compare models with two different time dependent structures. The inferences are made using the Markov chain Monte Carlo technique. The developed methodology is applied to some real data.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.724-726
• /
• 2005

베이지안망(Bayesian network)은 다수의 변수들 사이의 확률적 관계(조건부독립성: conditional independence)를 그래프 구조로 표현하는 모델이다. 이러한 베이지안망은 비감독학습(unsupervised teaming)을 통한 데이터마이닝에 적합하다. 이를 위해 데이터로부터 베이지안망의 구조와 파라미터를 학습하게 된다. 주어진 데이터의 likelihood를 최대로 하는 베이지안망 구조를 찾는 문제는 NP-hard임이 알려져 있으므로, greedy search를 통한 근사해(approximate solution)를 구하는 방법이 주로 이용된다. 하지만 이러한 근사적 학습방법들도 데이터를 구성하는 변수들이 수천 - 수만에 이르는 경우, 방대한 계산량으로 인해 그 적용이 실질적으로 불가능하게 된다. 본 논문에서는 그러한 대규모 데이터에서 학습될 수 있는 계층적 베이지안망(hierarchical Bayesian network) 모델 및 그 학습방법을 제안하고, 그 가능성을 실험을 통해 보인다.

• Proceedings of the IEEK Conference
• /
• 2006.06a
• /
• pp.681-682
• /
• 2006

일반적으로 축구 비디오 데이터는 멀티모달과 멀티레이어 속성을 지닌다. 이러한 데이터를 다루기 적합한 모델은 동적 베이지안 네트워크(Dynamic Bayesian Network: DBN) 형태의 위계적 은닉 마르코프 모델(Hierarchical Hidden Markov Model: HHMM)이다. 이러한 HHMM 중 다중속성의 특징들이 서로 상호작용하는 PHHMM(Product Hierarchical Hidden Markov Model)이 있다. 본 논문에서는 PHHMM 을 축구 경기의 Play/Break 이벤트 검색 및 분석에 적용하였고 바람직한 결과를 얻었다.

• Communications for Statistical Applications and Methods
• /
• v.26 no.2
• /
• pp.205-216
• /
• 2019

Diagnostic tests in medical fields detect or diagnose a disease with results measured by continuous or discrete ordinal data. The performance of a diagnostic test is summarized using the receiver operating characteristic (ROC) curve and the area under the curve (AUC). The diagnostic test is considered clinically useful if the outcomes in actually-positive cases are higher than actually-negative cases and the ROC curve is concave. In this study, we apply the stochastic ordering method in a Bayesian hierarchical model to estimate the proper ROC curve and AUC when the diagnostic test results are measured in discrete ordinal data. We compare the conventional binormal model and binormal model under stochastic ordering. The simulation results and real data analysis for breast cancer indicate that the binormal model under stochastic ordering can be used to estimate the proper ROC curve with a small bias even though the sample sizes were small or the sample size of actually-negative cases varied from actually-positive cases. Therefore, it is appropriate to consider the binormal model under stochastic ordering in the presence of large differences for a sample size between actually-negative and actually-positive groups.

• The Korean Journal of Applied Statistics
• /
• v.26 no.3
• /
• pp.453-470
• /
• 2013

In this paper, we consider a Bayesian analysis of the dose-effect relationship of cadmium to evaluate a benchmark dose(BMD). For this purpose, two dose-response curves commonly used in the toxicity study are fitted based on Bayesian methods to the data collected from the scientific literature on cadmium toxicity. Specifically, Bayesian meta-analysis and hierarchical modeling build an overall dose-effect relationship that use a piecewise linear model and Hill model, where the inter-study heterogeneity and inter-individual variability of dose and effect such as gender, age and ethnicity are accounted. Estimation of the unknown parameters is made by using a Markov chain Monte Carlo algorithm based user-friendly software WinBUGS. Benchmark dose estimates are evaluated for various cut-offs and compared with different tested subpopulations with with gender, age and ethnicity based on these two Bayesian hierarchical models.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2015.05a
• /
• pp.466-466
• /
• 2015

지역빈도해석은 수문학에서 오랜 역사를 갖고 있으며, 수년에 걸쳐 수문학적 변량의 정량적 추정을 위해 다양한 접근방법들이 제안되어 왔다. 그러나 제안된 방법들의 가설설정 수준이 높기 때문에 실제 적용에 제약이 많고, 적용 시에도 예측에 대한 불확실성이 높은 문제점이 있다. 본 연구에서는 이러한 문제점을 개선하기 위한 방법으로 계층적 베이지안 모델을 이용한 지역빈도해석 모형을 제안하고자 한다. 본 모형은 2개의 계층적 구조로 구성된다. 첫번째 계층은 재현기간별 GEV 분포의 매개변수를 정규화하여 주변분포로 설정하고, Kriging 기법을 이용하여 지형학적, 기상학적 정보들과 극치강수량 효과를 적합시켜 공간적 이질성과 미계측 유역에 대한 효과적인 보간을 가능하게 한다. 두번째 계층은 지점의 특성을 나타내는 매개변수들간의 공분산을 Bayesian 모델에 연계하여 매개변수들의 공간적 변동성을 나타낸다. 2개 계층의 결합확률분포는 MCMC 기법을 이용하여 예측값에 대한 불확실성을 정량적으로 분석하게 된다. 본 모형을 통해 홍수량 추정 시 필요한 시간 단위 극치강수량의 공간적 분포를 효과적으로 추정할 수 있을 것으로 판단된다.