최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
이정수, 김성민, 이소정, 이경옥
2007 / 유아교육연구
손운목, 나병국, 조신형, 이순원
2019 / Parasites, Hosts and Diseases
윤희원, 정광모
2018 / Journal of The Korean Data Analysis Society
데이터가 존재하지 않습니다.
loading...
본 연구는 모형 오분류 상황에서 일반화 선형 모형의 분산 추정량에 대한 강건성을 다룬다. 몬테카를로 시뮬레이션을 통해 모형 오분류 시 강건한 분산 추정량이 기존 추정량보다 명목적 신뢰 수준을 달성하는 데 더 효과적임을 확인하였다. 특히 로지스틱 및 포아송 회귀 모형에서 베타-이항, 제로 인플레이션 분포 등을 고려하여 강건한 공분산 추정량의 유용성을 입증하였다.
An introduction to generalized linear models
An introduction to generalized linear models
An introduction to generalized linear models
Bringing Bayesian models to life
Bayesian inference with geodetic applications
Statistical tools for nonlinear regression : a practical guide with S-PLUS and R examples
Measurement error and misclassification in statistics and epidemiology : impacts and Bayesian adjustments
On model uncertainty and its statistical implications : proceedings of a workshop held in Groningen, the Netherlands, September 25-26, 1986
Bayesian disease mapping : hierarchical modeling in spatial epidemiology
Modeling longitudinal data
Introduction to multivariate analysis : linear and nonlinear modeling
Parameter estimation and hypothesis testing in linear models
Univariate and multivariate general linear models : theory and applications with SAS.
Logistic regression with missing values in the covariates
Monte Carlo and quasi-Monte Carlo methods 2000 : proceedings of a conference held at Hong Kong Baptist University, Hong Kong SAR, China, November 27-December 1, 2000
Linear models
Measurement error in nonlinear models
Regression modeling : methods, theory, and computation with SAS
Metrika: International Journal for Theoretical and Applied Statistics
Weems, Kimberly S.; Smith, Paul J.Statistics in Medicine
Thomadakis C.,Pantazis N.,Touloumi G.Statistical Papers
de Castro, Mário; Vidal, IgnacioThe Journal of Experimental Education
Huang, Francis L.Journal of Experimental Education
Huang, F.L.Journal of Statistical Computation and Simulation
Chien, L.-C.; Tsou, T.-S.Signal Processing
Hippert-Ferrer A.,El Korso M.N.,Breloy A.,Ginolhac G.응용통계연구
박흥선Econometrica
Pouzo D.,Psaradakis Z.,Sola M.Communications in Statistics - Simulation and Computation
Merve Kandemir Çetinkaya; Selahattin Kaçıranlar; Fikriye KurtoğluJournal of Inverse and Ill-posed Problems
Y. Murat Bulut; Adewale F. Lukman; Melike Işılar; Emmanuel T. Adewuyi; Zakariya Y. AlgamalJournal of Econometrics
Hayakawa, K.; Pesaran, M.H.Political Analysis
King, Gary; Roberts, Margaret E.Journal of Survey Statistics and Methodology
Adhya S.,Roy S.,Banerjee T.Political Analysis
King, Gary; Roberts, Margaret EEconometric Reviews
Gospodinov, NikolayJournal of Statistical Computation and Simulation
Lemonte, A.J.Communications in Statistics - Theory and Methods
David RoodmanJournal of Econometrics
Garcia, T.P.; Ma, Y.Communications in Statistics - Theory and Methods
Roodman, D.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 / 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 methods전필 / 학사
본 수업에서는 경제학 기본이론, 통계학, 경제수학 등을 이수한 학생들을 대상으로 농업경제 현상에 관련된 경제변수들의 관계를 측정하기 위한 기본이론을 다룬다. 모델설정, 추정, 예측 및 정책분석을 궁극적 목표로 하며 이를 위해서 필요한 회귀분석, 중회귀분석, 시계열 분석 등을 학습한다. 또한 이론만이 아니라 이를 실증적으로 적용할 수 있도록 컴퓨터 실습시간을 가진다.전선 / 대학원
경제를 계량적으로 파악하는 것은 현대 경제학에 있어서 아주 중요한 의미를 갖는다. 이 과목은 대학원에서 계량경제학을 전공하는 학생들이 계량경제학의 중요한 토픽들을 심화하여 이해할 수 있도록 하는 것을 목적으로 한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전필 / 학사
기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 학사
빅 데이터 분석을 위해 익혀야 할 기본적인 확률/통계 개념을 강의한다. 확률의 정의, 조건부 확률, 확률변수와 표본분포, 통계적 추론, 분포에 관한 추론, 이산자료의 분석, 상관분석과 회귀분석, 분산분석 등의 개념을 다룬다.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.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
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.전선 / 학사
여러 가지 통계 모형에서 나타나는 함수에 대하여 비모수적 추정 방법을 배우며, 이론적인 측면보다는 주로 방법론 및 그 응용에 초점을 맞춘다. 비모수 방법으로서 커널 추정법, 국소 다항 적합법, 웨이블릿 추정법, 스플라인 추정법 등을 다룬다. 밀도함수, 회귀함수, 생존함수, 분위수함수 등의 추정 방법을 배우며, 분류 및 판별분석, 일반화 선형모형, 중도절단회귀 모형, 비례위험 모형 등에 응용하는 방법을 간략하게 소개한다.전필 / 대학원
자료를 모형화하는 통계적 방법으로 선형모형의 중요성을 다루는 것이 이 과목의 목적이다. 이론적인 측면도 공부하지만 주로 모형선택, 추정, 모형검증과 같은 방법론을 강조한다. 다루는 모형은 단순회귀, 다중회귀, 일차분산분석, 이차 분산분석 등을 다룬다. 추론을 위해 최소제곱방법을 주로 사용하지만 이와 관련하여 우도에 기초한 방법도 다루게 된다. 선형모형을 통한 자료의 모형을 위해 R을 이용한다.전선 / 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
본 강좌는 수강생에게 행정학과 정책학에 필요한 다중회귀분석에 대한 심층적 이해를 제공하는데 있다. 수강생은 일반회귀분석에 대한 집중분석과 더불어 프로빗 및 로짓 회귀분석에 대한 학습도 할 것이다. 회귀분석의 주제는 누락변수편의, 측정오류, 다중공선성 문제를 포함한다. 인과관계나 내생성 문제도 도구변수와 이중차이분석기법과 함께 논의될 것이다. 나아가 본 강좌는 다중선택 및 다중순서형 로짓모형과 프롯빗 모형, 토빗모형에 대한 간략한 소개도 할 것이다. 본 강좌는 다양한 통계프로그램을 활용하여 행정 및 정책 쟁점들과 관련된 실제 자료에 대한 분석을 강조하고자 한다.전필 / 대학원
본 교과목은 데이터과학 분야에 관심있는 통계학 석사 과정 대학원생을 대상으로, 데이터 랭글링 및 시각화, 회귀분석, 선형 모형, 일반화 선형 모형, 혼합 모형, 분류를 포함하여 모든 데이터 과학자가 익숙해야 하는 통계 방법론 및 이를 통계 소프트웨어를 사용해 적용하는 실례를 다룬다. 기존의 통계학 과목과 비교하여 본 교과목은 이론에 대한 강조가 덜한 대신, 통계 방법론을 구현하고 주요 개념을 실제 자료에 적용하여 데이터를 분석하기 위해 어떻게 소프트웨어를 사용하는지에 대해 더 중점을 둔다. 주요 개념에 대해서는 그것이 “작동하는 이유”에 대한 직관적 설명을 위주로 한다. 본 과목의 모든 통계 분석은 R과 Python을 사용한다.전선 / 대학원
비모수모형의 추정에 관한 기본적인 방법과 이론을 소개한다. 특히, 커널을 이용한 확률밀도함수의 추정 문제를 다루고, 회귀함수의 추정 문제에서는 나다라야-왓슨 커널평활방법과 함께 국소다항근사와 준가능도에 기반한 방법론을 소개한다. 또한, 스플라인함수를 이용한 방법론도 다루며 가법모형과 부분선형회귀모형과 같은 비모수구조모형의 추정법도 소개한다.전선 / 대학원
계통, 부품 및 시설전반의 신뢰도를 분석하고 다중심층원리를 적용시켜 계통의 안전도를 증가시키는데 목적을 둔다. 확률 및 신뢰도의 기본 개념, 계통의 Logic diagram 등과 부품간 상호작용 및 기본 확률 분포 및 고장모델, fault tree 구성 및 분석, 신뢰도 자료수집 그리고 Monte-Carlo법의 신뢰도 분석에의 응용을 공부한다.전선 / 학사
범주형 자료에 대한 이해와 분석 방법을 학습하는 과목이다. 범주형 자료는 사회과학, 보건의료 등 다양한 분야에서 일상적인 조사와 실험을 통해 널리 수집된다. 학생들은 분할표(contingency table) 분석을 포함하여, 일반화선형모형(generalized linear model), 로지스틱 회귀모형(logistic regression model), 로그 선형모형(log-linear model) 등 다양한 분석 방법을 학습한다. 이 과목을 통해, 자료의 특성을 이해하고, 적절한 분석 방법을 선택할 수 있는 능력을 개발한다. 또한 통계 소프트웨어를 통해 실제 데이터에 적용하고 구현하는 과정을 다룬다.