최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문은 우중도절단된 생존자료 분석에 상대적으로 덜 사용되었던 준모수적 가속고장시간모형의 최근 통계추론 방법들을 살펴본다. 가속고장시간모형은 생존시간과 공변량 간의 선형 관계를 가정하며, 공변량의 효과를 생존시간에 직접적으로 모형화하는 장점이 있다. 2000년대 중반 이후 추정량 계산 방법 및 소프트웨어 발전으로 인해 관련 문제들이 해소되고 있다.
Joint modeling of longitudinal and time-to-event data
The Statistical analysis of failure time data
The statistical analysis of multivariate failure time data : a marginal modeling approach
Modern survival analysis in clinical research : Cox regressions versus accelerated failure time models
Partially linear models
The statistical analysis of failure time data
An introduction to survival analysis using Stata
Analysing survival data from clinical trials and observational studies
Analysis of repeated measures data
Lifetime data : models in reliability and survival analysis
Advances in survival analysis
생존분석 =
Dynamic regression models for survival data
Modeling survival data : extending the Cox model
Semiparametric theory and missing data
Survival analysis : state of the art
Survival analysis : a self-learning text
Lifetime Data Analysis
Chiou, Sy Han; Kang, Sangwook; Kim, Junghi; Yan, JunJournal of the American Statistical Association
Chu C.W.,Sit T.한국데이터정보과학회지
황창하, 심주용Annals of the Institute of Statistical Mathematics
Emura, Takeshi; Wang, WeijingStatistical Methods in Medical Research
Li J.,Ma J.Journal of Nuclear Cardiology
George, B.; Aban, I.; Seals, S.Biometrics
Sheng Y.,Sun Y.,Deng D.,Huang C.Y.Biometrika
Yang S.,Pieper K.,Cools F.Statistics in Medicine
Suder P.M.,Molstad A.J.Statistical Modelling
Bender, A.; Scheipl, F.; Groll, A.Journal of the Korean Statistical Society
Yongxiu Cao, Qinglong Yang, Jichang YuCommunications in Statistics: Simulation and Computation
Deng, W.; Ouyang, F.; Zhang, J.Statistical Methods in Medical Research
Pang M.,Platt R.W.,Schuster T.,Abrahamowicz M.Biometrics
Seo B.,Kang S.Journal of the American Statistical Association
Steingrimsson, J.A.; Strawderman, R.L.Japanese Journal of Statistics and Data Science
Kim, Kyuhyun; Ko, Jungyeol; Kang, SangwookInternational Journal of Reliability, Quality and Safety Engineering
ALEXANDRE C. MENDES; NASSER FARDStatistics and Computing
Yang, Z.; Wang, H.; Yan, J.Lifetime data analysis
He W; Yi GYStatistics and Computing
Chiou, Sy Han; Kang, Sangwook; Yan, Jun전선 / 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
생존시간(survival time)에 관한 추정과 검정을 하거나 생존시간에 관한 회귀모형을 사용하여 생존 시간에 영향을 미치는 위험인자를 찾아내는 통계기법을 공부한다. 개체가 생존할 확률을 나타내는 생존함수(survival function)를 추정하기 위한 생명표(life table)법과 카플란-마이어(Kaplan-Meyer) 추정법을 소개하고 여러 처리(treatment) 그룹을 비교하기 위한 검정법을 다룬다. 또한 회귀모형에 관한 대표적인 모형인 Cox의 비례위험모형 (proportional hazard model)과 가속화된 회귀모형(accelerated regression model)에 관하여 공부한다.전선 / 대학원
사건이 발생할 때 까지의 시간을 분석하는 통계적 방법론인 생존 분석은 보건학 연구를 위해 필수적으로 학습해야 할 내용이다. 본 과목은 코호트 연구에서 자주 등장하는 중도절단된 시간 자료를 분석하기 위한 생존 분석 방법론의 개념과 이해를 제공하는 것을 목적으로 한다. 구체적으로 카플란-마이어 방법, 로그-순위합 검정, 콕스 모형, 포아송 회귀모형, 경쟁위험 모형, 통계 모형에서의 올바른 시간척도의 사용 등을 보건학의 문맥에서 다루게 된다.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
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 / 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 / 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
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
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
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 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 / 학사
이 교과목의 전반부에서는 최근에 컴퓨터의 발전으로 많은 공학문제의 해를 수치적으로 구하는경향에 맞추어 수치해법의 기초를 다룬 다음 주로 2차 편미분 방정식의 수치해를 열어가지 서로 다른 경계조건에 따라 구하는 방법을 익힌다. 후반부에서는 자료를 처리하는 통계적 방법과 신뢰성구간을 다루며, 또한 대상변수의 확률을 구하는 방법과 확률함수의 성질을 다룬다.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
비선형 제어시스템의 안정도 분석에 대한 Lyapunov 안정도와 Operator-theoretic을 이용한 접근방식을 다룬다. 또한, 위상평면 방법론과 같은 함수적 방법에 대해 서술한 고전적 방법론과 Lyapunov direct/indirect method, Popov/circle criteria, singular perturbation technique와 궤환 선형화 이론, 강인 H 제어, 강인 Lyapunov redesign, sliding mode control과 같은 현대적 방법을 더불어 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
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.