최근 확인한 콘텐츠
loading...
본 연구는 연속형 반응변수의 분포가 치우쳐 있고 이분산이 있는 경우, 이상치에 강건한 베이지안 계층적 모형을 제안합니다. 다변량 정규분포보다 꼬리가 두꺼운 분포를 랜덤효과의 사전분포로 사용하여 로버스트한 추론을 가능하게 합니다. 실제 자료에 적용하여 제안된 모형의 유용성을 검증합니다.
Bayesian inference in statistical analysis
Random effect and latent variable model selection
Bayesian statistical methods
Bayesian inference with geodetic applications
Modeling longitudinal data
Multivariate Bayesian statistics : models for source separation and signal unmixing
Microeconometrics using stata
The Theory and practice of econometrics
Bringing Bayesian models to life
공간계량모형응용 =
Statistical methods in agriculture and experimental biology
(R프로그램에 기반한)베이지안 통계학 =
Generalized, linear, and mixed models
Bayesian methods for repeated measures
Flexible Bayesian regression modelling
Mathematical theory of Bayesian statistics
Journal of Computational and Graphical Statistics
Michaelis, Patrick; Klein, Nadja; Kneib, ThomasJournal of Computational and Graphical Statistics
Michaelis, P.; Kneib, T.; Klein, N.Journal of Computational and Graphical Statistics
Raim, A.M.; Neerchal, N.K.; Morel, J.G.Communications in Statistics - Theory and Methods
Aghamohammadi, A.; Meshkani, M.R.Journal of Epidemiology
Noma H.,Nagashima K.,Kato S.,Teramukai S.,Furukawa T.A.Journal of Multivariate Analysis
Chen, H.-C.; Wehrly, T.E.Journal of The Korean Data Analysis Society
이동희Psychonomic Bulletin & Review
van Aert, Robbie C. M.; Mulder, JorisJournal of Statistical Planning and Inference
Kim, Yongdai; Kim, DohyunJournal of Computational and Graphical Statistics
Raim, Andrew M.; Neerchal, Nagaraj K.; Morel, Jorge G.American Statistician
Yanchenko, E.; Bondell, H.D.; Reich, B.J.Statistical Modelling
Ivanova, A.; Molenberghs, G.; Verbeke, G.Calcutta Statistical Association Bulletin
Liu, B.; Lahiri, P.Biometrika
Lijoi A.,Prünster I.,Rigon T.Statistical methods in medical research
Xing D; Huang Y; Chen H; Zhu Y; Dagne GA; Baldwin JResearch Synthesis Methods
Xu C.,Furuya-Kanamori L.,Lin L.한국데이터정보과학회지
최성미, 김달호, 신임희, 김호각, 김상경Statistics in Medicine
Röver C.,Sturtz S.,Lilienthal J.,Bender R.,Friede T.응용통계연구
이영조Korean Journal of Applied Statistics
Youngjo Lee전선 / 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
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.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
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 / 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.전필 / 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
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 / 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
기본적인 표본설계와 추정이론을 기초로 하여 보다 다양하고 실용적인 설계와 추정이론을 다룬다. 주요 교과내용은 랜덤추출법, 층화추출법, 군집추출법, 층화다단추출법, 회귀추정 중복추출법, 비표본오차에 대한 고찰 등이다. 각 추출방법에서 모수의 추정과 표본의 크기 추정, 표본의 최적배분, 상대효율 등을 다룬다. 실습을 통하여 통계조사과정과 실측방법의 문제에 접근한다. 조별 사례연구로써 실제 현장에서 표본설계 및 조사실습을 실시한다.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.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
교육연구에서 사용되는 데이터의 구조가 대부분 학생이 교사나 학교에 내재되어 있는 위계적인 구조를 가지는 경우가 많다는 점에서, 다층모형은 양적 연구 방법론을 익히고자 하는 교육 연구자에게 매우 필요한 방법론이라고 할 수 있다. 이 교과목에서는 다층모형을 이해하는 데 필요한 통계적 기초를 포함하여 다층모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 2수준과 3수준 다층모형에서 시작하여 종속변수가 연속변수가 아닌 이분변수나 다분변수일 때 적용가능한 다층모형과 다시점 데이터에 적용가능한 변화에 대한 다층성장모형까지 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 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 / 학사
비모수통계의 이론과 응용을 다룬다. 위치모수 및 척도모수를 추론하기 위한 순서통계량 및 순위통계량의 분포, 순열검정 방법과 비모수적 신뢰구간 및 점추정 방법을 모수적 방법과 비교하며, 붓스트랩 절차에 대해 학습한다. 또한, 다중선형회귀, 밀도함수추정 및 비모수회귀 등에서의 비모수 방법론을 다룬다. 선수과목으로서는 <통계학>, <통계학실험>, <회귀분석 및 실습>이 요구된다.전필 / 학사
본 강의는 데이터과학의 방법을 사회 자료 통계 분석에 이용하는 능력을 갖출 수 있도록 한다. 기술 및 추론 통계의 기본 방법론을 사회학 연구 설계와 경험 분석의 관점에서 다루고, 프로그래밍 언어 습득을 통해 자료 시각화와 통계 분석을 수행할 수 있는 능력을 함양시킨다.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
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
이 과목에서는 베이즈 통계학의 이론에 대해서 공부한다. 다루는 내용은 비모수 베이즈 통계학, 베이즈 점근적 이론, 베이즈 계산의 이론, 무정보 사전분포 등을 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
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.