• 한국통계학회:학술대회논문집
• /
• 한국통계학회 2003년도 춘계 학술발표회 논문집
• /
• pp.163-165
• /
• 2003

Some multivariate analyses provide configurations for variables or objects in low dimensional space because we can see easily their relation. In particular, in simple correspondence analysis(SCA), we can obtain the various configurations which are called SCA Maps based on the algebraic algorithms. Moreover, it often occur the variability among them. Therefore, in this study, we will give a comparison of variability of SCA maps using the procrustes analysis which is a technique of comparing configurations in multidimensional scaling.

• 대한산업공학회지
• /
• 제20권4호
• /
• pp.73-84
• /
• 1994

Output analysis is one of the most important fields of simulation to achieve the accurate simulation results. This study shows how to analyze simulation output data in the steady state using Procrustes analysis technique which has not been used in the field of simulation yet. In this paper Procrustes analysis method is used to perform the analysis of simulation output efficiently and effectively by applying the improved version of the method. The experiments are conducted using M/M/1 queueing simulation model. The results obtained by Procrustes analysis method show better estimates for average waiting times and average queue lengths which are closer to true values and narrower confidence intervals than when replication-deletion method is used. Also it requires the smaller number of simulation runs.

• 응용통계연구
• /
• 제22권4호
• /
• pp.855-864
• /
• 2009

정준상관 행렬도(canonical correlation biplot)는 정준상관분석(canonical correlation analysis)에서 두 변수 집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 최태훈과 최용석 (2008)는 2006년도 KLPGA 선수를 대상으로 정준상관 행렬도를 통해 기술요인변수군과 경기성적요인변수군간의 관련성을 살펴보고 군집분석을 활용하여 각 선수들의 군집을 시도하였다. 프로크러스티즈 분석(Procrustes analysis)은 두 형상(shape)의 유사성을 비교하는 데 사용되는 기법이다. 본 연구에서는 테니스 그랜드슬램대회의 선수특성요인변수군과 경기요인변수군에 대한 분석연구를 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 행렬도 형상비교를 하였다.

• Communications for Statistical Applications and Methods
• /
• 제25권6호
• /
• pp.673-685
• /
• 2018

Procrustes analysis is a useful technique useful to measure, compare shape differences and estimate a mean shape for objects; however it is based on a least squares criterion and is affected by some outliers. Therefore, we propose two generalized Procrustes analysis methods based on M-estimation and least median of squares estimation that are resistant to object outliers. In addition, two algorithms are given for practical implementation. A simulation study and some examples are used to examine and compared the performances of the algorithms with the least square method. Moreover since these resistant GPA methods are available for higher dimensions, we need some methods to visualize the objects and mean shape effectively. Also since we have concentrated on resistant fitting methods without considering shape distributions, we wish to shape analysis not be sensitive to particular model.

• Communications for Statistical Applications and Methods
• /
• 제17권6호
• /
• pp.917-925
• /
• 2010

일반적으로 정준상관 행렬도(canonical correlation biplot)는 정준상관분석에서 두 변수집단에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2008)은 2006년도 한국여자골프협회(KLPGA) 선수에 대한 기술요인 변수군과 경기성적요인 변수군간의 관련성을 살펴보았고 최태훈 등 (2009)은 테니스 그랜드 슬램대회 선수특성요인과 경기요인에 대한 분석을 하였다. 더군다나 세 변수군 이상의 정준상관분석을 일반화 정준상관분석(generalized canonical correlation analysis)이라 하며 이와 관련하여 허명회 (1999, 6장)는 수량화 플롯을 제안하고있다. 이를 행렬도의 의미에서 일반화 정준상관 행렬도(generalized canonical correlation biplot)라하자. 본 연구에서는 대한 테니스협회(KTA)에 등록된 남자선수들 중 상위50명의 체격요인, 체력요인 및 기초기술요인에 대한 분석을 일반화 정준상관 행렬도를 적용하여 살펴보고 프로크러스티즈 분석을 통하여 전체선수, 상위랭킹과 하위랭킹 선수간의 행렬도 형상비교를 시도 하였다.

• Communications for Statistical Applications and Methods
• /
• 제30권1호
• /
• pp.37-48
• /
• 2023

Shape analysis is a method for measuring, describing and comparing the shape of objects in geometric space. An important aspect is to obtain Procrustes distance based on least square method. We note that the shape is all the geometrical information that remains when location, scale and rotational effects are filtered out from an object. However, and unfortunately, when we cannot measure some landmarks which are some biologically or geometrically meaningful points of any object, it is not possible to measure the variation of all shapes of an object, including that of the incomplete object. Hence, we need to replace the missing landmarks. In particular, Albers and Gower (2010) studied the missing rows of configurations in Procrustes analysis. They noted that the convergence of their approach can be quite slow. In this study, alternatively, we derive an algorithm for estimating the missing landmarks based on the pre-shapes. The pre-shape is invariant under the location and scaling of the original configuration with the centroid size of the pre-shape being one. Therefore we expect that we can reduce the amount of total computing time for obtaining the estimate of the missing landmarks.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2006년도 학술발표회 논문집
• /
• pp.710-714
• /
• 2006

지역빈도해석기법은 수문학적으로 성질이 유사한 지점을 하나의 군으로 구성한 자료를 이용해서 빈도해석을 하는 기법으로, 지점빈도해석이 가질 수 있는 단점들을 보완하기 위한 방안의 하나로 기대되고 있다. 본 논문은, 지역빈도해석기법을 적용하기 위한 단계중의 하나인 군집해석에 사용되는 변수들을 보다 효율적으로 선택하기 위한 연구로서, 다변량 분석방법인 주성분분석과 요인분석, 그리고, 변수선택을 위한 Procrustes Analysis를 통해서 보다 효율적으로 변수를 선택하는 방법을 제안하기 위한 연구이다.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 1993년도 제3회 정기총회 및 추계학술발표회
• /
• pp.1-1
• /
• 1993

시뮬레이션 분야에서 출력 분석은 중요한 분야중의 하나로 출력 분석을 정확히 하기 위해서, 지금까지 많은 연구가 진행되어 왔다. 본 연구에서는 현재까지 시뮬레이션 출력 분석 분야에서 사용되지 않았던 프로크루스테스 분석(Procrustes Analysis) 방법을 사용하여 시뮬레이션 출력 데이타의 안정상태(steady state)를 분석하는 방법을 제시한다. 본 논문에서 사용하는 프로크루스테스 분석 방법은 시뮬레이견 출력 분석을 효과적으로 수행할 수 있도록 앨고리듬을 개선하여 적용하며, M/M/1 대기모형을 대상으로 시뮬레이션을 수행한다. M/M/1 대기모형에서 대기열의 평균대기시간과 평균길이라는 두가지 매개변수에 대한 출력 데이타를 동시에 사용하여, 프로크루스테스 분석을 행한 결과와 시뮬레이션 출력 분석에서 일반적으로 쓰이는 반복-제거 방법(replication-deletion approach)을 비교한 결과, 시뮬레이션 실행 횟수를 줄여도 추정하고자 하는 참값에 보다 더 가깝고 신뢰 구간의 폭이 더 좁은 추정치를 얻는다.

• 한국수자원학회논문집
• /
• 제41권5호
• /
• pp.517-525
• /
• 2008

지역빈도해석을 통한 확률강우량 산정 결과는 수문학적으로 동질한 지역의 구분 결과에 따라 달라진다. 지역을 구분할 때에는 강우에 영향을 미치는 다양한 변수들이 사용될 수 있다. 변수의 유형과 개수가 지역 구분의 효율성을 좌우하기 때문에 활용 가능한 모든 변수들의 정보를 요약할 수 있는 변수들을 선택하는 것이 지역 구분의 효율성 면에서 유리하다고 할 수 있다. 이런 면에서 지역 구분의 효율성을 증대시킬 목적으로 다변량 분석 기법이 활용될 수 있다. 본 연구에서는 변수들 간의 상관관계를 바탕으로 모든 변수가 표현하는 정보를 대표할 수 있는 더 적은 수의 변수를 선정하는 기법으로 Procrustes analysis를 활용하였다. 이 기법을 활용하여 42개의 강우 관련 변수들을 21개로 줄일 수 있었다. 선정된 변수들을 바탕으로 요인분석을 수행하여 5개의 요인을 추출하였고, 이를 근거로 군집해석 기법인 fuzzy-c means 기법을 활용하여 지역을 구분하였다. 68개 강우 관측 지점을 대상으로 지역을 구분한 결과 6개의 지역으로 구분되었다. 6개의 지역에서 GEV 분포가 적합한 것으로 나타났고, 3변수 대수정규 분포와 generalized logistic 분포가 5개 지역에서 적합한 것으로 나타났다. 기존 연구 결과와의 비교를 위해 generalized logistic 분포를 바탕으로 지점빈도해석, 홍수지수법, 지역형상추정법을 적용하여 확률강우량을 산정하였다.

• Communications for Statistical Applications and Methods
• /
• 제19권1호
• /
• pp.97-105
• /
• 2012

일반화 정준상관 행렬도(generalized canonical correlation biplot)는 정준상관분석에서 세 변수군 이상에 의해서 측정된 다변량 자료에서 변수 집단 간의 관계와 개체들의 관계를 탐색하기 위한 2차원 그림이다. 최근에 이를 활용하여 최태훈과 최용석 (2010)은 2004년 대한테니스협회(KTA)에 등록된 남자선수들 중 상위 50명을 대상으로 세 변수군인 체격요인변수군, 체력요인변수군 그리고 기초기술요인변수군의 상호 연관성을 살펴보았다. 그러나 이들 분석에서 체격요인변수군이 나머지 두 변수군과 독립적이지 못하고 선형적 영향을 미치는 것으로 판단되어 이를 공변량변수군으로 고려하였다. 이와같이 세 변수군에서 한 변수군이 공변량(covariate)으로 영향을 주는 경우 이를 제거한 정준상관분석을 편(partial)정준상관분석이라 하며 이와 관련된 편정준상관 행렬도를 염아림과 최용석 (2011)은 제안하였다. 본 연구에서는 최태훈과 최용석(2010)의 분석에서 체격요인변수군의 영향을 제거하고 체력요인변수군과 기초기술요인변수군의 관계를 살펴보는 편정준상관 행렬도의 활용의 예를 보이고 기존 연구의 일반화 정준상관 행렬도, 편정준상관 행렬도, 정준상관 행렬도의 결과를 서로 비교하고자 한다. 덧붙여 이들 행렬도간의 형상변동 차이를 프로크러스티즈 분석을 활용하여 비교하고자 한다.