Your Browsing History
There is no data.
Lingli Jiang, Soo Jin Lee, Qiu Ping Yuan, 임완택, 김선창, NAM SOO HAN
2018 / Journal of Ginseng Research
Galán J.,Felip F.,Garciá-Garciá C.,Contero M.
2021 / Journal of Computational Design and Engineering
이재용, 박미라
2018 / Journal of The Korean Data Analysis Society
There is no data.
loading...
This study proposes a method for estimating p-values using two-dimensional null distributions in genomic data. While genome-wide association studies typically focus on single phenotypes, investigating genotypes associated with multiple phenotypes requires multidimensional null distributions. The proposed method utilizes a positioning parameter inspired by the extension of the Kolmogorov-Smirnov statistic to compare the positions of points in two-dimensional data.
Schaum's outline of theory and problems of beginning statistics
Genome-wide association studies and genomic prediction
Introduction to probability
Statistical methods
Statistical bioinformatics with R
Econometric analysis of count data
Statistical computing : an introduction to data analysis using S-Plus
Statistical methods in agriculture and experimental biology
Randomization tests
Probability with R : an introduction with computer science applications
Linear models
Foundations of statistical inference
An introduction to genetic analysis
Applied statistics for business and economics
Statistics for environmental biology and toxicology
Molecular Biology and Evolution
Saputra E.,Kowalczyk A.,Cusick L.,Clark N.,Chikina M.BMC Medical Research Methodology
Diaz-Quijano F.A.,Calixto F.M.,Da Silva J.M.N.BMC Medical Research Methodology
Sikdar S.American Statistician
McShane B.B.,Gal D.,Gelman A.,Robert C.,Tackett J.L.Information and Inference
Dobriban, E.Journal of Statistical Computation and Simulation
Qiao, Y.; Yu, W.; Xu, W.JOURNAL OF MARKETING
Mcshane, Blakeley B.; Bradlow, Eric T.; Lynch, John G.; Meyer, Robert J.Journal of The Korean Data Analysis Society
이서현; 이성건; 이석훈Journal of Theoretical Biology
Wattis J.A.D.,Bray S.M.,Kyratzi P.,Rauch C.Frontiers in Genetics
Leem, Sangseob; Huh, Iksoo; Park, TaesungJournal of The Korean Data Analysis Society
이재용, 박미라Methods (San Diego, Calif.)
Bi W; Kang G; Pounds SBJournal of the American Statistical Association
Zhong W.,Li Z.,Guo W.,Cui H.Journal of Applied Statistics
Chien, L.-C.International Journal of Data Mining and Bioinformatics
Lee, Seunghyun; Park, Tae Sung; Park, MiraJournal of Applied Statistics
Li-Chu ChienBMC Bioinformatics
Shao Z.,Wang T.,Qiao J.,Zhang Y.,Huang S.,Zeng P.American Statistician
Krueger J.I.,Heck P.R.Statistical Methods in Medical Research
Futschik A.,Taus T.,Zehetmayer S.American Statistician
Hubbard R.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
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.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.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
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
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 대학원
본 강의는 정치외교학에서의 응용을 중심으로 정량 분석, 계산 사회과학, 질적 분석에서의 고급 주제들을 탐구한다. 현대 실증 연구에서 사용되는 다양하고 정교한 방법론들—제한 종속 변수 모형(예: 로짓, 프로빗), 생존(지속 시간) 분석, 패널 데이터 기법, 요인 분석, 차원 축소, 머신러닝 알고리즘, 그리고 텍스트 분석, 심층면접, 참여관찰 및 사례연구 등—중 몇 가지 주제를 심도 있게 다룰 예정이다. 강의, 프로그래밍 및 현장 실습, 그리고 연구 논문 작성 과제를 통해 수강생들은 각 방법론의 핵심 이론적 틀을 이해하고, 이를 자신들의 연구에 적용할 수 있는 실질적인 역량을 기르게 된다.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 과정은 유전적 분석을 활용한 인과성 추론 및 공개자료 활용방법에 대해 다룹니다. 유전적 무작위 배정이란, 위험요인과 결과변수간 인과적 관련성을 유전 정보를 활용하여 평가하는 방법입니다. 대규모 전장 유전체 관련성 분석 결과가 이용 가능해지면서, 역학의 주요 연구방법으로 활용되고 있습니다. 본 과정은 실습을 통해 분석 방법을 구체적으로 다룰 것이며, 공개 자료에 대한 소개와 활용 방법을 소개할 예정입니다. 본 과목의 수강은 선수 과목(역학원론, 유전체역학) 이수와 R 프로그래밍 언어에 대한 이해가 요구됩니다.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
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
한 지역에 대한 체계적이고 종합적인 이해는 본래 지리학이 추구해 온 목표였다. 이러한 목표를 이루기 위한 방법은 시대별, 지역별로 다소 상이한 형태를 띠며 발전해 왔다. 본 과목에서는 지역연구의 방법론이 전체 지리학의 발전과정 속에서 어떻게 변모해 왔는가를 고찰하고 각각의 방법론들이 지니는 장단점들을 파악해 봄으로써 지역연구의 새로운 방법론을 모색해 보는 데 주안점을 둔다.전선 / 대학원
Hartog 현상, 정칙대역 및 Levi 문제, 폴리-디스크 상의 적분 공식, Bochner-Martinelli 적분, Bergman 핵함수, 다중준조화함수, 의사볼록 영역, 미분형식에 관한 Cauchy-Riemann 방정식의 Hoermander의 해 등을 배운다.전선 / 대학원
본 강좌는 출산력과 사망력 혹은 인구 성장과 구조 등 기초적인 인구분석에 널리 사용되는 방법론을 소개한다. 인구 분석을 위한 인구학적 방법과 통계적인 분석 기법은 사회학, 경제학, 역학, 보건학 등 다양한 학문분야에 적용되어 왔다. 본 강좌에서 주로 논의될 주제는 인구학적 방법론으로서 생명표의 작성 및 해석, 인구추계법, 출산 및 사망력 측정 등이 포함되며, 통계적인 분석 기법으로 다수준 분석, 성장 커브 분석 등이 포함된다. 본 강좌는 인구 및 통계 방법론의 수학적인 검증이나 확률 이론보다는, 인구 및 보건학 연구에서 실제 사용되는 데이터를 이용한 적용과 해석을 통해 학생들이 인구학에서 사용되는 방법론을 쉽게 이해하고 본인들의 연구에 직접 사용할 수 있도록 설계되어 있다.전선 / 대학원
이 교과목은 '통사론연구 1'(108.520)의 교과목 내용을 기초로 이론의 확대적용 및 발전을 좀더 깊이 있게 모색한다.전필 / 대학원
이 과목에서는 측도론에 기반한 통계적 추론을 배운다. 충분성, 지수족, 분포수렴의 기본적 개념을 다룬 후에, 추정과 검정의 이론을 다룬다. 추정법으로는 적률추정법, 최대가능도 추정법, 베이즈 추정, M-추정량, Z-추정량을 다룬다. 이들 추정량들의 점근적 분포를 유도하고, 최대가능도 추정량의 효율성 정리를 증명한다. 검정법으로는 최대가능도비 검정과 이의 점근적 근사, 라오 검정과 왈드 검정과 베이즈 검정을 다룬다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 대학원
본 강좌에서는 학술연구를 위해 필요한 연구절차, 연구디자인, 분석 및 추론과 관련된 주요 통계이론 및 기법을 학습한다. 논의 될 주제의 예는 관계의 추론, 인과관계, 실험설계, 가설 설정 및 검증, 다변량분석기법 등이다.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
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.