최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 기존 CBM 연구에서 사용된 OLS 대신 최량선형비편향추정치(BLUPs)를 개인별 기울기 산출 방법으로 제안하며, BLUPs는 선형혼합효과모형(LMER)에서 개인 및 집단 기울기 정보를 제공하는 장점이 있습니다. 실제 읽기 CBM 데이터를 활용한 결과, BLUPs는 개인별 성장 곡선 추정에 OLS보다 유용하며, 특히 중재반응모형(RTI)의 1단계에서 활용될 수 있음을 확인했습니다.
Linear models for the prediction of animal breeding values
Slope analysis using boundary elements
Advanced applications of curriculum-based measurement
Breeding for disease resistance in farm animals
읽기 장애 조기 선별검사의 측정학적 적합성 연구
학습장애 및 학습부진 아동의 과학적 평가방법 : 교육과정중심측정(CBM)의 이해
Introduction to mixed modelling : beyond regression and analysis of variance
The Fluency Construct : Curriculum-Based Measurement Concepts and Applications
머신 러닝
확률론적 머신러닝 : 기본편
Linear mixed models : a practical guide using statistical software
Statistical analysis techniques in particle physics : fits, density estimation and supervised learning
Interpolation of spatial data : some theory for kriging
The mind's arrows : Bayes nets and graphical causal models in psychology
Linear mixed-effects models using R : a step-by-step approach
An Introduction to NURBS : with historical perspective
Linear models with correlated disturbances
Intelligent Computing Theories and Application : 15th International Conference, ICIC 2019, Nanchang, China, August 3–6, 2019, Proceedings, Part II
Spectral clustering and biclustering : learning large graphs and contingency tables
Sums and Gaussian vectors
Assessment for Effective Intervention
Mercer, S.H.; Lyons, A.F.; Johnston, L.E.; Millhoff, C.L.학습장애연구
여승수, 강옥려학습장애연구
여승수, 손지영학습장애연구
여승수Communications in Statistics: Simulation and Computation
Yu, C.-R.; Zou, K.H.; Carlsson, M.O.; Weerahandi, S.학습장애연구
여승수Statistical Papers
Nesrin Güler; Melek Eriş Büyükkaya학습장애연구
여승수, 정광조Statistical Papers
Lu, Changli; Sun, Yuqin; Tian, YonggeScandinavian Journal of Statistics
Chih‐Hao Chang; Hsin‐Cheng Huang; Ching‐Kang IngAssessment for Effective Intervention
Solomon B.G.,Forsberg O.J.,Thomas M.,Penna B.,Weisheit K.M.Statistical Methods & Applications: Journal of the Italian Statistical Society
Tian, YonggeJournal of Genetics
Kim, B.Communications in Statistics - Theory and Methods
Qing-Wen Wang; Xin LiuSTATISTICS & PROBABILITY LETTERS
Jiang, Hong; Qian, Jianwei; Sun, YuqinINDIAN JOURNAL OF PURE & APPLIED MATHEMATICS
Guler, Nesrin; Buyukkaya, Melek Eris; Yigit, MelikeProcedia Computer Science
Duan, Xing De; Zhang, Shi; Zhang, Wen Zhuan; Wu, YingActa Mathematica Sinica, English Series
Zhu, R.; Zou, G.H.Communications in Statistics: Simulation and Computation
Cavus, M.; Yazici, B.JOURNAL OF INDUSTRIAL AND MANAGEMENT OPTIMIZATION
Tian, Yongge; Xie, Pengyang전선 / 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
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.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 / 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 / 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 / 대학원
외부은하천문학과 우주론 분야에서 최신 이론을 소개하고, 새로운 연구분야를 모색한다.전선 / 대학원
본 과목은 국제통상 전공자들에게 필요한 테이터 분석 방법론과 방법론의 응용을 가르치는 것을 목표로 한다. 방법론으로는 기초 통계학 이론 및 회귀분석 모형이 포함되며, 동시에 이 기법이 실제 어떻게 사용되는지 프로젝트 및 데이터 실습을 통해서 학습한다. 데이터 실습은 STATA를 기반으로 진행한다. 이에 더하여, 각국에서 도입중인 evidence-based policy making (EBPM)의 동향과 민간의 신용카드 및 교통정보를 기반으로 한 실시간 데이터가 정책입안에 어떻게 활용되는지 사례분석을 통해서 학습한다. 마지막으로 최근 활발히 이용되고 있는 머신러닝(Machine Learning)기법 일부도 소개한다. 학습 평가는 방법론에 대한 시험과 통계분석에 대한 final project를 기초로 이루어진다.전선 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 학사
본 강의는 미시와 거시자료의 계량분석에 필요한 학부수준의 기초지식을 담고 있다. 이 강의의 주된 내용은 이항 로짓/프로빗, 순위 로짓/프로빗, 다항 로짓, 조건부 로짓, 층화 로짓/프로빗, 공간자기상과모형, 공간로짓모형 등이다. 이 강의에서는 상기의 모형에 대한 이론적 습득 이외에 SAS, MATLAB, LIMDEP 등과 같은 통계패키지의 숙달에도 주안점을 두고 있다.전선 / 대학원
본 강의는 정치외교학에서 양적 방법론의 기본이 되는 회귀분석 및 인과추론의 핵심을 전달하는 것을 목표로 한다. 우선 선형회귀 모형의 파라미터들을 최소자승법을 통해 추정하는 법을 배우고, 그 추정이 어떤 가정에 기반해 있는지, 가정들이 위배되는 경우 어떤 일이 일어나는지를 배운다. 그와 동시에 잠재적 결과 프레임워크(potential outcome framework), 또는 루빈 인과모형을 이해한다. 최종적으로 무작위대조연구, 회귀불연속설계이나 매칭, 이중차분법 등을 통해 실험연구 및 관찰연구에서 인과효과를 추론하는 법을 배운다. 본 강의는 통계학의 기본 개념(유의성 검정, 회귀분석, 통계적 추론 등)을 전제로 하며, 통계 소프트웨어 R을 이용하여 자료수집, 전처리, 분석, 시각화 및 문서 작성하는 실습도 포함한다. 수강생들은 한 학기 동안 소논문을 하나 작성하여 평가받게 된다.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
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.교양 / 학사
본 강좌에서는 다양한 실례를 통해서 불확실성이 존재하고 있음을 보이고 이를 극복하기 위해 통계학이 어떻게 사용되고 있는지를 소개하고자 한다. 이를 통해 학생들로 하여금 통계학의 올바른 이해를 돕고자 하는 것이 본 강좌의 목적이다.전필 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.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
이 과목은 공간계획 및 사회과학 분야에서 필요한 계량분석 기법을 소개하며, 특히 도시 및 지역에서 나타나는 각종 문제들을 이해하는데 필요한 통계기법들을 주로 다루게 된다. 이 과목에서는 연구문제의 명시, 가설 검정, 통계분석 결과의 해석에 이르는 일련의 과정을 통해 다양한 통계기법을 활용할 수 있는 능력을 배양시키려는데 목적을 두고 있다. 이 과목은 강의와 실습으로 이루어지며, 강의에서는 통계의 활용목적과 통계이론 및 다양한 통계분석방법의 원리를 소개하고, SPSS, STATA, HLM 및 기타 통계 프로그램을 이용한 실습을 통해 학생들이 통계분석 방법을 직접 실행하고 이를 풀이할 수 있는 능력을 구비하도록 한다.전선 / 대학원
이 교과목은 노동시장 분석의 대표적인 이론과 방법론을 이해함으로써, 산업인력개발의 경제적 측면을 분석할 수 있는 능력을 배양하는데 목적이 있다. 주요내용은 직업교육의 편익분석, 과잉학력과 스킬불일치, 직업 및 산업전망 분석 등이다. 이 과목을 통해 학생들은 노동시장 변화 및 인력수급전망과 산업인력개발과의 관계를 이해하고, 산업인력개발 전문가로서 노동시장을 분석할 수 있는 실제적 능력을 기를 수 있다.공통 / 대학원
기계 학습은 새로운 통계방법론 및 알고리즘 개발의 기반역할을 하고 있다. 이 과목에서는 고급기계학습을 위한 방법론을 이론적 기초와 함께 강의할 예정이다. 또한 방법론의 실용적 측면과 직관을 통하여 이론적 내용을 제공하여 학생들이 상황에 맞는 적절한 분석방법과 각자의 연구주제에 적합한 분석 툴에 개발하는데 도움을 주고자 한다. 구체적으로 머신러닝 연구에 중요한 비모수추론, 집중 부등식, 최적화 및 변분 방법등과 같은 주제를 다를 예정이다