최근 확인한 콘텐츠
loading...
본 연구는 차이기반회귀모형을 소개하고 모형 선택에 자유로운 이상치 탐색 알고리즘을 제시한다. 기존 알고리즘의 약점인 “회귀모형에 이상치가 항상 존재해야 한다는 가정”을 극복하기 위해 단일 변수에서 강건하게 이상치를 탐색하는 방법을 추가하고 모의실험을 통해 결과를 제시한다.
(R을 활용한) 이상치 검출과 처리
Computational economic systems : models, methods & econometrics
Outliers in statistical data
Empirical model discovery and theory evaluation : automatic selection methods in econometrics
Directions in robust statistics and diagnostics
Robust regression : analysis and applications
Robust regression and outlier detection
Semiparametric theory and missing data
(SAS·SPSS를 활용한) 회귀분석
Modern methods for robust regression
Specifying statistical models : from parametric to non-parametric, using bayesian or non-bayesian approaches : proceedings
데이터 해석학 입문 : 올바른 데이터 분석을 위한 의사결정 성공 방정식
Robustness and complex data structures : festschrift in honour of ursula gather
Mining imperfect data : dealing with contamination and incomplete records
On model uncertainty and its statistical implications : proceedings of a workshop held in Groningen, the Netherlands, September 25-26, 1986
R for everyone : advanced analytics and graphics
Prescriptions for working statisticians
Forecasting with dynamic regression models
(Mplus를 이용한) 매개효과와 조절효과 및 조절된 매개효과 분석
Korean Journal of Applied Statistics
Han Son Seo; Min Yoon응용통계연구
서한손; 송지은; 윤민Logic Journal of the IGPL
Castejón-Limas M.,Alaiz-Moreton H.,Fernández-Robles L.,Alfonso-Cendón J.,Fernández-Llamas C.,Sánchez-González L.,Pérez H.교육평가연구
나우열, 조영진, 이현숙Communications in Statistics - Theory and Methods
Park, C.G.; Kim, I.Journal of Statistical Computation and Simulation
Noura Ait Mohammed; Hafida GuerbyenneACM Transactions on Knowledge Discovery from Data
Pang G.,Cao L.Technometrics
Hullait H.,Leslie D.S.,Pavlidis N.G.,King S.Intelligent Data Analysis
Eduarda Portela; Rita P. Ribeiro; João GamaJournal of Intelligent and Fuzzy Systems
Cui, L.; Cheng, L.; Jiang, X.; Chen, Z.; AlbarkaIntelligent Data Analysis
Portela, E.; Ribeiro, R.P.; Gama, J.응용통계연구
서한손, 윤민COMPUTER SCIENCE REVIEW
Smiti, AbirKorean Journal of Applied Statistics
Han Son Seo; Ji Eun Song; Min YoonEntropy
Nijhuis M.,van Lelyveld I.Journal of Physics: Conference Series
Moh. Hasan; Alfian Futuhul Hadi; Halimatus Sa’diyah한국지능시스템학회 논문지
전성해응용통계연구
서한손, 윤민Communications for Statistical Applications and Methods
서한손, 윤민Journal of Computational and Graphical Statistics
Chen S.,Bien J.전선 / 학사
이 과목에서는 데이터 분석에서 가장 많이 사용되는 분석방법 중 하나인 회귀모형을 대해서 소개한다. 단순 선형회귀모형부터 다중회귀모형에 관한 내용을 다루고 회귀모형에서의 중요한 가정과 모형진단에 대해서 알아본다. 또한 회귀모형을 이용한 예측과 예측변수의 선택에 대해 소개하고 분석결과를 보고서에 어떻게 제시할지 대해서 학습한다.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 / 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 과목은 사회통계의 고급수준에 해당되는 부분으로 이론적 기초와 분석방법을 이해하고, 사회복지와 관련자료를 컴퓨터를 이용하여 분석한 후 보고서를 작성하는 연습을 한다. 이 과목에서는 부제에 따라 구조방정식 및 잠재성장모형 혹은 인과추론 및 정책평가에 대해 중점적으로 다룬다. 그러므로 이 과목의 수강은 사회통계의 초급수준을 이해함을 전제로 한다.전선 / 대학원
사회적 변화에 따라 미디어를 받아들이는 수용자에 대한 새로운 연구가 요구되고 있는 시점이다. 다수의 디지털 매체의 도입으로 인한 기존 수용자 조사 방식의 문제점들이 있다. 이러한 문제를 해결하기 위한 몇 가지 제안을 지속적으로 연구할 예정이다. 예컨대 대안적 미디어 이용행태 조사방법으로 최근 대두되고 있는 인터넷 조사와 휴대전화사의 문제점을 대안적 조사의 표집과정과 기존의 확률적 표집틀을 사용하는 경우가 어떻게 서로 다른가를 비교, 분석, 개선할 것이다. 또한 대안적 조사기법의 가장 큰 문제점인 표본 편파의 문제점을 해결하는 방안으로 성향점수를 사용한 성향가중방법, 반복비례 가중법, 표본 선택편의 수정 방법 등에 대해 연구할 것이다.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 / 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.전필 / 대학원
본 강좌는 자료 분석에 필요한 계량경제분석의 기본적 수학 원리와 함께 고급 회귀분석 방법들을 소개하고자 한다. 특히 이 과목은 다양한 회귀분석 모형에 관한 이론적 추론과 수리적 학습을 강조하고자 한다. 본 강좌의 주요 주제로는 모형설정, 자료문제, 도구변수, 이분산성, 자기상관성, 연립방정식 모형, 그리고 패널자료 분석을 포함한다.전필 / 대학원
전통적인 구조적 모형을 추정하는 회귀분석 방법을 공부한다. 단순회귀분석, 다중회귀분석, 연립방정식 추정 등을 다룬다. 그리고 자기회귀, 다중공선성, 이분산성, 변수선택 등의 문제를 해결하는 방법을 익힌다.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
교육연구에 관심을 가지고 있는 대학원생을 위한 교육학과 대학원 공통교과 양적 연구방법론 과목으로서, <교육연구와 위계선형모형 1>이나 <교육연구와 구조방정식모형 1> 교과목 이전에 수강하기를 권고한다. 이 교과목에서는 중다회귀분석의 기본 개념 및 원리, 기본 가정에 대한 확인, 회귀분석모형에 대한 모형진단 등에 대하여 소개한다. 또한 연속변수에서 범주변수 등으로 종속변수의 확장에 따른 다양한 회귀분석 모형과 더불어, 기본 가정 위배에 따른 회귀분석의 확장 등 교육연구에서의 회귀분석 적용에 대하여 다룬다.전선 / 학사
이 강좌는 자료분석을 위해서 사용하는 다양한 고급 통계 방법에 관한 교육을 목표로 한다. 회귀분석에서 소개된 선형모형의 이론과 응용을 보다 일반적인 경우로 확장하고 각 방법들에 대한 직관적인 설명과 한계에 대해서 알아본다. 또한 실제 문제에서 이러한 방법을 적용하기 위한 프로그래밍을 통한 구현 방법을 학습한다. 이 강좌를 이수한 후 수강생들은 새로운 자료 분석 문제를 마주쳤을 때 (1) 적절한 통계 분석 방법을 선택하고 (2) 이러한 방법들을 통계 소프트웨어를 이용하거나 프로그래밍을 통하여 구현하고 (3) 분석 결과를 통계학 전공이 아닌 사람들에게 설명할 수 있어야 한다.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
편미분방정식의 가장 기초적 이론들을 고전적 방정식들의 예를 들어 소개한다. 구체적으로 다룰 내용들은 일계준선형 편미분방정식이론, 국소해의 존재성과 유일성, Cauchy-Kovalevsky 정리, Laplace 방정식, 최대치원리, Harnack 부등식, Hilbert 공간의 방법론, 변분원리 등이다.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 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.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.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.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.