최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Islam, Aminul; Teo, Siow Hwa; Taufiq-Yap, Yun Hin; Ng, Chi Huey; Vo, Dai-Viet N.; Ibrahim, Mohd Lokman; Hasan, Md Munjur; Khan, M. Azizur R.; Nur, Alam S. M.; Awual, Md Rabiul
2021 / RESOURCES CONSERVATION AND RECYCLING
데이터가 존재하지 않습니다.
loading...
혼합효과모형은 관측할 수 없는 변량효과를 이용하여 자연 현상을 설명하는 최초의 통계적 모형으로, 계산기술 발달과 함께 중요성이 커지고 있다. 최근에는 다단계 일반화 선형모형으로 확장되었으며, 관측할 수 없는 변량효과 추론을 위한 다단계 가능도가 제시되었다. 본 특집호는 혼합효과모형의 문제점 해결 과정과 향후 발전 방향을 논하며, 빈도록적 및 베이지안 접근법을 함께 다룬다.
Introduction to mixed modelling : beyond regression and analysis of variance
Generalized, linear, and mixed models
Parameter estimation in stochastic differential equations
Generalized, linear, and mixed models
Linear and graphical models : for the multivariate complex normal distribution
Mixed models : theory and applications
Advances in latent variables : methods, models and applications
Finite mixture and markov switching models
Nonlinear partial differential equations : the Abel Symposium 2010
Multivariate generalized linear mixed models using R
Statistical analysis of finite mixture distributions
Linear and nonlinear models for the analysis of repeated measurements
Analysis of mixed data : methods & applications
Linear and nonlinear models for the analysis of repeated measurements
Linear mixed models : a practical guide using statistical software
Hybrid random fields : a scalable approach to structure and parameter learning in probabilistic graphical models
Analysis of repeated measures data
Bayesian model comparison
응용통계연구
이영조Korean Journal of Applied Statistics
Youngjo LeeCommunications in Statistics - Theory and Methods
Li, Q.; Shang, J.Japanese Journal of Statistics and Data Science
Ha, Il Do; Lee, YoungjoJournal of The Korean Data Analysis Society
조혜수, 정인경Ecology and Evolution
Oberpriller J.,de Souza Leite M.,Pichler M.Korean Journal of Applied Statistics
Jae Sung ChoiJournal of Multivariate Analysis
Noh, Maengseok; Wu, Lang; Lee, YoungjoJournal of Memory and Language
Barr, Dale J.; Levy, Roger; Scheepers, Christoph; Tily, Harry J.Journal of Agricultural, Biological, and Environmental Statistics
Johnson D.S.,Brost B.M.,Hooten M.B.Communications in Statistics - Theory and Methods
Cao Xuan Phuong; Le Thi Hong ThuyThe International Journal of Biostatistics
El Saeiti, Riham; García-Fiñana, Marta; Hughes, David M.Communications in Statistics: Simulation and Computation
Martinez, M.-J.; Holian, E.Journal of Statistical Software
Capretto T.,Piho C.,Kumar R.,Westfall J.,Yarkoni T.,Martin O.A.Statistical Modelling
Tutz, G.Journal of The Korean Data Analysis Society
김아름, 노맹석Quality & Quantity: International Journal of Methodology
Grilli, Leonardo; Rampichini, CarlaJournal of Statistical Computation and Simulation
Micheas, A.; Dey, R.; Fox, N.Statistics in Medicine
Haji-Maghsoudi S.,Bulla J.,Sadeghifar M.,Roshanaei G.,Mahjub H.Structural Equation Modeling
Serang, S.; Zhang, Z.; Helm, J.; Steele, J.S.; Grimm, K.J.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.전선 / 학사
최근 수십 년간의 컴퓨터 기술의 발전으로 인해 통계분석가는 이전에는 상상할 수 없었던 복잡한 통계모형들을 사용할 수 있게 되었다. 따라서 현대의 복잡하고 다양한 통계모형들을 분석하기 위해서는 컴퓨터를 이용한 여러 가지 통계계산 방법들을 습득하는 것이 필수 불가결한 과제가 되었다. 이 과목에서는 모수론적 통계와 베이지안 통계에 필요한 통계계산 방법들을 배우고 이를 실제 컴퓨터로 구현해 보는 것을 목표로 한다. 모수론적 통계 분석을 위해서는 우도함수를 최적화 할 때 쓰는 뉴튼 랩슨 방법을 비롯한 각종 최적화 방법들을 배운다. 베이지안 통계분석을 위해서는 깁스 표본추출, 메트로폴리스 알고리듬 등 마코프 사슬 몬테 카를로 기법을 다룬다. 이외에도 통계계산에 필요한 자료구조와 행렬계산 등 다양한 계산 알고리즘들을 다룬다.전선 / 대학원
감염병의 유행 양상은 개체 간 상호작용으로 인하여 일반적인 통계모형으로 기술하기 어려워 수학적 모형이나 행위자기반 모형 등의 대안이 활용된다. 나아가, 복잡계 특성을 이해하기 위하여 네트워크 모형 등 새로운 방법들도 적용되고 있다. 비전염성 유행병에도 여러 가지 모형들이 적용될 수 있다. 이 과목은 다음과 같은 주제의 학습으로 역학연구 역량을 기르고자 한다: 1)수학적 모형, 2)행위자기반 모형, 3)복잡계 모형, 4)질병예방관리 적용전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 학사
이 과목은 측도 이론과 확률의 기본 개념과 이론을 익히기 위한 과목으로, 다음과 같은 주제를 공부한다. 측도 공간, 측도 가능함수, 적분, 곱공간, Lp공간, 분포, 평균, 조건부 평균, 모멘트 발생 함수, 특성함수, 랜덤 변수 수열, 중심극한 정리, 브라운 운동, 확률과정, filtration, stopping times, 브라운 운동의 존재성, 기본성질, 연속성과 불정칙성, 변동성 및 마코프 성질과 반사 원칙을 다룬다.전선 / 대학원
수학 분야에서 조합론이나 그래프 이론이 차지하는 비중은 점점 더 증가하는 추세이다. 그 주된 이유는 조합론이나 그래프 이론이 전산학, operations research, 통계학, 사회학 등에 널리 응용되기 때문이다. 지난 수십 년 동안 그래프 이론과 조합론은 급속히 발전되어왔다. 본 과목에서는 수형도, 연결성, 오일러 그래프, 해밀턴 그래프, 매칭, 변 색칠하기, 꼭짓점 색칠하기, 평면그래프, 교차그래프, 유향그래프 및 네트워크 이론 등을 소개하고 조합론적으로 사고하는 법을 습득하도록 하는데 그 목적을 둔다.전선 / 대학원
구조방정식모형은 관찰변수와 잠재변수를 포괄하여 변수간 구조적 관계를 모형화하고 이를 경험적으로 확인하고자 교육연구에서 자주 사용되는 모형이다. 이 교과목에서는 구조방정식모형을 이해하는 데 필요한 통계적 기초를 포함하여 구조방정식모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 측정모형과 구조모형에서 시작하여 다시점 자료에 적용할 수 있는 잠재성장모형이나 여러 집단간에 동일한 구조적 관계가 존재하는지 살펴보는 데 활용될 수 있는 다집단 구조방정식모형까지, 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 한다.교양 / 학사
「베리타스 강좌 2: 베리타스 강좌 2: 수학과 데이터 사이언스로 보는 사회와 경영」는 자연과학적 모델과 사회과학적 이해를 융합하여 복잡한 사회 현상을 탐구하는 교과목이다. 물리학, 생물학에서 발전한 다양한 모델(네트워크 모델, 정보이론, 카오스이론, 스케일링 이론, 전염병모델 등)을 소개하고, 이들이 사회·경영·정치·도시학 등 인문사회 분야와 어떻게 연결되는지를 학습한다. 본 강좌의 차별성은 이과와 문과 학생이 협력하는 팀 기반 학습에 있으며, 데이터와 간단한 시뮬레이션을 활용한 실습을 통해 이론을 실제 사회현상에 적용한다. 학생들은 그룹 토론, 프로젝트를 통해 비판적 사고, 협업 능력, 창의적 문제 해결 역량을 배양하며, 나아가 데이터 기반 분석과 복합적 가치 창출 능력을 기르게 된다.전선 / 대학원
물질의 거시적 성질을 그 구성원 사이의 상호작용에 의한 협동현상으로 이해하려는 통계역학의 기초를 다룬다. 주요 내용은 기본개념, 분포함수, 분배함수와 열역학량, 고전 및 양자기체, 송이전개, 상전이 등의 평형 현상과 확률방정식, 운동 이론, 소송 등 비평형 현상을 포함한다.전선 / 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods전선 / 대학원
인과추론은 데이터로부터 인과적 결론을 도출하는데 필요한 논리적 조건과 분석과정을 탐색하는 새로운 양적방법론적 접근이다. 이 강의는 교육분야 연구자들에게 인과추론의 기본 개념과 최신 연구성과들을 소개하고, 교육연구에 인과추론을 적극적으로 활용할 수 있도록 유도하는 것을 목표로 한다.전선 / 대학원
보건학 자료는 이진형, 연속형 등 다양한 유형의 자료들로 이루어져 있으며 subjects사이의 상관성으로 인하여 분석이 쉽지 않다. 이러한 보건학 자료의 분석을 위하여 선형혼합모형, 일반화선형모형, 일반화선형혼합모형 등이 주로 활용되어 왔다. 고급보건통계이론에서는 이러한 분석 방법론에 활용되고 있는 다양한 모수 추정방법론과 관련 이론을 학습할 것이다. 예를 들어, 최대가능도추정량과 제한가능도추정량의 점수함수와 모수추정 방법론을 배우고 동시에 일반화추정방정식과 관련된 다양한 이론을 학습하고 연습함으로써 보건통계자료 분석의 기본 이론을 배울 수 있는 기회가 될 것이다.전선 / 대학원
본 세미나는 경영전략 연구에 관심 있는 대학원생들을 대상으로 연구방법론의 이론과 실제를 학습하는 것을 목표로 한다. 세미나에서는 research design, construct measurement, causality establishment 등 연구방법론의 주요 주제를 수강생 자신의 프로젝트를 바탕으로 1) archival research , 2) survey research . 3) field research 등의 다양한 방법론을 통해 익히도록 한다. Quasi-experiment, panel construction, content analysis 등의 세부 주제 역시 다루어질 것이다.일선 / 학사
본 과목은 학부생들이 숫자를 통하여 사회 현상을 이해하도록 고안된 수업이다. 양적분석의 방법은 통합적이며 수년간 다양한 방법으로 발전되어 왔지만, 양적 분석의 핵심은 양적인 정보를 어떻게 종합할 것이라는 질문, 모집단 특성에 대한 유추를 어떻게 할 것인가에 대한 질문에 답을 구하는데 있다. 이 질문에 대한 해답을 구하기 위해서, 학생들은 기본적인 다양한 통계이론을 학습하고 이를 실제적으로 적용하기 위해 EXCEL, SAS 등의 통계 프로그램을 사용할 예정이다. 이를 통해 수업시간에 배운 이론을 실제로 적용해보고자 한다.전선 / 대학원
이 과목에서는 빅데이터의 시대를 맞이하여 탐색적 자료분석과 확증적 자료분석을 보다 일반화한 개념인 알고리즘과 통계적 추론의 발전과정에 대해서 공부한다. 먼저 통계학 분야의 대표적인 3개의 학파, 베이지안(Bayesian), 빈도주의(Frequentist), 우도주의 (Fisherian)에 대해서 알아본 후 교차검증과 모형선택, 축소추정량, 경험적 베이즈 방법론, 재표본 추출법, 생존분석과 EM 알고리즘, MCMC, 다중비교과 같은 최신통계 방법론을 소개한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전필 / 대학원
본 과목은 행정 및 정책 연구에 있어서 기초가 되는 방법론적 연구역량의 배양과 양질의 연구를 수행할 수 있는 연구설계의 논리와 유형을 이해하는데 목적이 있다. 여기에는 3가지 하위목표를 상정할 수 있는데, 첫째, 과학적 실증연구의 논리를 살펴보고, 대표적인 연구방법론으로서의 양적 접근법과 질적 접근법 간의 논쟁을 살펴봄으로써, 방법론적 다원주의와 분석적 엄격성을 이해하고자 한다. 특히 각각의 접근법이 보유하는 논리와 절차의 상이성에도 불구하고, 그 평가기준의 공통점이 존재하고 또한 바람직함이 존재하는데, 이를 살펴보고자 한다. 둘째, 정책은 일정 목적을 달성하기 위한 수단으로 구성되는 것이 일반적이며 따라서 적절한 인과추론의 논리가 필수적이다. 이때 인과추론의 적절성은 연구설계의 논리 구조와 이를 위한 가정에 있음을 이해할 필요가 있다. 셋째, 실제 인과추론을 위한 다양한 방법론에 대한 이해와 응용역량의 배양을 도모한다. 이러한 논의는 향후 수강할 양적연구방법과 질적연구방법의 이론적·실무적 토대가 될 것이다.