• Journal of the Korean Data and Information Science Society
• /
• 제26권4호
• /
• pp.813-826
• /
• 2015

본 연구는 화학 반응 모형의 추정 문제를 다루고 있다. 화학 반응 모형이란 생화학 분야에서 종(species) 들 간의 상호작용을 통한 변화 과정을 설명하기 위한 모형으로 생화학 분야 뿐 만 아니라 질병의 확산과정을 설명하는데 적용하는 모형이다. 본 연구에서는 화학 반응 모형 안에서 종들의 움직임이 확률적이라는 가정하에 Gillespie 알고리즘을 이용하여 모형 추정을 위한 우도함수를 구축하였다. 제한적인 자료구조 하에서 베이지안 접근법에 기반하여 MCMC (Markov chain Monte Carlo)방법에 기반한 모수의 추정 방법을 제안하였다. 제안된 방법들은 생태계 포식자-피식자 관계를 설명하기 위한 Lotka-Volterra 모형과 유전자 전사 (gene transcription) 과정을 설명하기 위한 L1 retrotransposition 모형에 적용하였다. 그 결과 우수한 추정 결과를 보였다.

• 대한기계학회논문집A
• /
• 제35권10호
• /
• pp.1299-1306
• /
• 2011

본 연구에서는 측정된 균열 데이터를 토대로 변동하중 하에서의 균열성장모델 변수들을 베이지안 모델변수 추정 방법을 통해서 확률적인 분포로 구하는 방법을 제시하였다. 모델변수의 확률분포를 구하기 위해 Markov Chain Monte Carlo (MCMC) 샘플링 방법을 이용하였다. 변동하중 하에서는 균열성장 모델이 더욱 복잡해 짐에 따라 기존의 MCMC 기법으로는 확률분포를 잘 구하지 못하므로 주변확률밀도분포를 제안함수로 사용하는 MCMC 기법을 새롭게 제안하였다. 모델변수의 추정을 위해 여러 크기의 일정 진폭 하중 하에서 시편시험을 수행하여 얻은 균열성장 데이터를 이용하였다. 추정된 변수들을 사용하여 변동하중 하에서의 시편에 대해 균열성장 예측을 수행하였고, 이를 실제 시험 데이터를 통해서 검증하였다.

• 대한토목학회논문집
• /
• 제39권6호
• /
• pp.667-673
• /
• 2019

지구 온난화로 인해 기후변화가 가속화되고 이에 따라 강풍에 대한 재해가 늘어날 것으로 판단된다. 이에 본 연구에서는 시간에 따른 선형 경향성을 고려한 비정상성 빈도해석 모형을 구축하기 위한 방법으로 Bayesian 기법을 적용하였다. 그리고 제주공항 지점의 연 최대풍속자료를 이용하여 극치분포 매개변수들의 사후분포를 추정하고 비정상성 빈도해석을 수행하였다. 재현기간 100년 빈도의 풍속을 추정한 결과를 보면, 경향성이 통계적으로 유의하며 이로 인해 비정상성 빈도해석에 의한 기본풍속이 정상성 빈도해석의 기본풍속보다 크게 추정되고 있다. 이처럼 기상자료의 정상성을 가정한 현재의 빈도해석 절차는 경향성이 존재하는 지역의 경우에 미래의 기본풍속을 과소 추정할 가능성이 크다고 판단된다.

• 응용통계연구
• /
• 제27권6호
• /
• pp.1049-1068
• /
• 2014

자기회귀 모형(autoregressive model)은 일변량(univaraite) 시계열자료의 분석에서 널리 사용되는 방법 중 하나이다. 그러나 이 방법은 자료에 일정한 추세가 있다고 가정하기 때문에 자료에 분절(structural break)이 존재할 때 적절하지 않을 수 있다. 이러한 문제점을 해결하기 위한 방법으로 국면전환(regime-switching) 모형인 임계자기회귀 모형(threshold autoregressive model)이 제안되었는데 최근 지연 모수(delay parameter)을 포함한 이 국면전환(two regime-switching) 모형으로 확장되어 많은 연구가 활발히 진행되고 있다. 본 논문에서는 이 국면전환 임계자기회귀 모형을 베이지안(Bayesian) 관점에서 살펴본다. 베이지안 분석을 위해 모수적 임계자기 회귀 모형 뿐만 아니라 디리슐레 과정(Dirichlet Process) 사전분포를 이용하는 비모수적 임계자기 회귀 모형을 고려하도록 한다. 두 가지 베이지안 임계자기 회귀 모형을 바탕으로 사후분포를 유도하고 마코프 체인 몬테 카를로(Markov chain Monte Carlo) 방법을 통해 사후추론을 실시한다. 모형 간의 성능을 비교하기 위해 모의실험을 통한 자료 분석을 고려하고, 더 나아가 한국과 미국의 국내 총생산(Gross Domestic Product)에 대한 실증적 자료 분석을 실시한다.

• 미생물학회지
• /
• 제54권3호
• /
• pp.254-265
• /
• 2018

최근 양계업에 막대한 피해를 끼치는 조류독감은 한국에서 수천억원의 거대한 경제적 손실을 초래하였다. 병원균의 전염경로를 파악할 수 있다면 막대한 손해를 끼치는 생물학적 피해의 확산을 막고 일부 지역으로 제한하는데 큰 도움이 될 것이다. 병원균 DNA 서열의 계통학적인 분석을 통하여 감염된 숙주들을 방향성이 있는 연결선으로 연관짓는 전염 계통수를 얻을 수 있다. 지난 10여년간 유전적 데이터뿐만 아니라 역학 데이터를 이용한 전염 계통수 추론의 방법론적 발전이 이루어졌다. 이에, 본 연구에서는 전염 계통수 추론 방법을 이용하여 지난 2014년 한국에 발병한 고병원성 조류독감 H5N8에서 유래한 DNA 서열을 재분석하였다. 당시, H5N8 바이러스는 전라북도에서 시작하여 지역적으로 접해있는 4개의 지역으로 확산되어 나갔던 것으로 알려져 있다. 전염 계통수를 추론하는 베이지언 통계 방법인 Markov chain Monte Carlo를 반복적으로 시행하고 이를 종합하여 철새 외래종과 국내종 조류 숙주들의 전염 계통수를 추정하였다. 비록 연결선의 불확실성은 높았으나 추정된 전염 계통수를 통하여 당시 H5N8 바이러스는 전라북도에서 시작하고 충청남도를 거쳐 경기도로 퍼져나간 것을 확인할 수 있었다. 사육하는 오리와 같은 국내종 조류는 전염 계통수의 말단 노드에 위치하는 것으로 추정되었다. 이러한 결과를 통하여 야생 철새종이 2014년 한국의 H5N8 조류독감의 감염 매개자로 주된 역할을 하였다는 것을 재확인하였다.

• 한국수자원학회논문집
• /
• 제52권2호
• /
• pp.141-148
• /
• 2019

기존의 Markov Chain 모형으로 일강우량 모의시에 강우의 발생여부를 모의하고 강우일의 강우량은 Monte Carlo 시뮬레이션을 통해 일강우 분포 특성에 맞는 분포형에서 랜덤으로 강우량을 추정하는 것이 일반적이다. 이때 강우 지속기간에 따른 강도 및 강우의 시간별 분포 등의 강우 사상의 특성을 반영할 수 없다는 한계가 있다. 본 연구에서는 이를 개선하기 위해 강우 사상을 1일 지속강우, 2일 지속강우, 3일 지속강우, 4일이상 지속강우로 구분하여 강우의 지속기간에 따라 강우량을 추정하였다. 즉 강우 사상의 강우 지속일별로 총강우량의 분포형을 비매개변수 추정이 가능한 핵밀도추정(Kernel Density Estimation, KDE)를 적용하여 각각 추정하였고, 강우가 지속될 경우에 지속일별로 해당하는 분포형에서 강우량을 구하였다. 각 강우사상에 대해 추정된 총 강우량은 k-최근접 이웃 알고리즘(k-Nearest Neighbor algorithm, KNN)을 통해 관측 강우자료에서 가장 유사한 강우량을 가지는 강우사상의 강우량 일분포 형태에 따라 각 일강우량으로 분배하였다. 본 연구는 기존의 강우량 추정 방법의 한계점을 개선하고자 하였으며, 연구 결과는 미래 강우에 대한 예측에도 활용될 수 있으며 수자원 설계에 있어서 기초자료로 활용될 수 있을 것으로 기대된다.

• 응용통계연구
• /
• 제14권1호
• /
• pp.161-175
• /
• 2001

메타분석(Meta-analysis)은 서로 독립적으로 연구되어진 결과들을 전체적인 하나의 결과로 도출하기 위해 사용되어지는 통계적 방법이다. 이러한 통계적 방법을 설명할 모형으로는 선택모형(selection model)을 포함한 계층적 모형(hierarchical model)을 사용하며, 이러한 모형들은 베이지안 메타분석에 유용한 것으로 알려져 있다. 그러나, 메타분석의 자료들은 일반적으로 출판편의(publication bias)를 갖고 있으므로 이를 극복하고자 가중함수(weight function)를 이용하여 분포함수를 새롭게 정의하여 사용한다. 최근에 Silliman(1997)은 계층적 모형(hierarchical model)에 가중함수를 첨부한 계층적 선택모형(hierarchical selection model)을 정의하고 모수적 베이지안 방법을 제시하였다. 본 연구에서는 미관측된 연구효과에 디리슈레 과정 사전분포(Dirichlet process prior)를 적용한 준모수적 계층적 선택모형(semiparametric hierarchical selection models)을 소개한다. 여기서 제시된 준모수적 계층적 선택모형을 베이지안 방법으로 추정하기 위하여 마코프 연쇄 몬테칼로(Markov chain Monte Carlo)방법을 이용한다. 제시된 방법을 적용하기 위하여 실제 자료(Johnson, 1993)인 충치를 예방하기 위한 두 가지의 예방약의 효과에 대한 차이를 비교하기 위해 얻어진 12개의 연구를 이용하여 메타분석을 한다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.951-961
• /
• 2011

본 논문에서는 제로팽창 음이항(ZINB) 회귀모형에서 회귀계수에 대한 추론방법으로 마코프체인몬테카를로(MC MC) 기법을 이용한 베이지안 추론방법을 제안하였다. 본 연구에서 고려한 ZINB 회귀모형은 반응변수의 평균뿐만 아니라 제로팽창확률에 대한 회귀모형을 고려한 것으로서 Jang, et al.(2010)의 연구를 확장한 것이다. 아울러 실제사례에 본 연구에서 제안한 베이지안 추론방법을 적용하고 과대산포를 허용하지 않는 제로팽창 포아송(ZIP) 회귀모형과 적합결과를 DIC를 이용하여 비교하였다. 실제 사례분석 결과 ZINB 회귀모형의 DIC가 ZIP모형보다 작게 나타나 ZINB 회귀모형이 ZIP 회귀모형보다 잘 적합되었음을 알 수 있었다.

• Journal of Electrical Engineering and Technology
• /
• 제10권3호
• /
• pp.1275-1283
• /
• 2015

Markov chains for active tracking which assigns additional track illuminations evenly between search illuminations for a radar system are presented in this article. And some quantitative analyses on track formation range are discussed by using them. Compared with track-while-search (TWS) tracking that uses scan-to-scan correlation at search illuminations for tracking of a target, active tracking has shown the maximum improvement in track formation range of about 27.6%. It is also shown that the number and detection probability of additional track beams have impact on the track formation range. For the consideration of radar resource management at the preliminary radar system design stage, the presented analysis method can be used easily without the need of Monte Carlo simulation.

• Structural Engineering and Mechanics
• /
• 제37권4호
• /
• pp.427-442
• /
• 2011

In fatigue life design of mechanical components, uncertainties arising from materials and manufacturing processes should be taken into account for ensuring reliability. A common practice is to apply a safety factor in conjunction with a physics model for evaluating the lifecycle, which most likely relies on the designer's experience. Due to conservative design, predictions are often in disagreement with field observations, which makes it difficult to schedule maintenance. In this paper, the Bayesian technique, which incorporates the field failure data into prior knowledge, is used to obtain a more dependable prediction of fatigue life. The effects of prior knowledge, noise in data, and bias in measurements on the distribution of fatigue life are discussed in detail. By assuming a distribution type of fatigue life, its parameters are identified first, followed by estimating the distribution of fatigue life, which represents the degree of belief of the fatigue life conditional to the observed data. As more data are provided, the values will be updated to reduce the credible interval. The results can be used in various needs such as a risk analysis, reliability based design optimization, maintenance scheduling, or validation of reliability analysis codes. In order to obtain the posterior distribution, the Markov Chain Monte Carlo technique is employed, which is a modern statistical computational method which effectively draws the samples of the given distribution. Field data of turbine components are exploited to illustrate our approach, which counts as a regular inspection of the number of failed blades in a turbine disk.