http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 전명식 (검색결과 60 건)
- 무료
- 기관 내 무료
- 유료
-
전명식,김기민,고현석 고려대학교 통계연구소 2004 應用統計 Vol.19 No.-
우리나라의 인구주택총조사는 국가의 기본통계조사로서 매 5년 통계청에 의해 실시되고 있다. 본 연구에서는 2000년도 인구주택총조사 자료에 근거하여 전국 3443개 소지역(동/읍/면 단위)을 25개의 군집으로 분류하고, 군집분석 결과의 통계적 활용 가능성을 세 가지 사례들을 중심으로 살펴보았다. 이와 같은 결과들은 많은 노력을 통해 얻은 인구주택총조사 자료의 활용이란 측면에서 의미가 있다고 생각된다.
-
-
결측치 대치방법들에 대한 비교연구 : 정준판별분석을 중심으로
전명식,신승준 한국자료분석학회 2007 Journal of the Korean Data Analysis Society Vol.9 No.2
Although many researchers have been studied with missing data in applied statistics for several decades, discriminant analysis has not been their interest. In this article, we examined the effect of imputation methods which are one of the most usual treatments on missing data, especially in canonical discriminant analysis and also deal with statistical inference of canonical discriminant coefficients from missing data. We performed a canonical discriminant analysis with missing-imputed data and compared the results of the four imputation methods, which are mean imputation, regression imputation, k-nearest neighbor imputation, and multiple imputation using EM algorithm. Furthermore we estimated the sampling distribution of coefficients by the bootstrap method in order to apply it for statistical inference. 결측값 대한 처리방법은 매우 활발하게 연구되어 왔음에도 불구하고, 그것이 판별분석에 미치는 영향에 대한 연구는 충분치 않았다. 본 논문에서는 결측값에 대한 처리 방법이 정준판별분석에 미치는 영향과 결측 자료로부터 구한 정준판별계수의 통계적 추론에 대해 다루었다. 결측 자료에 평균대치법, 회귀대치법, 최근접이웃대치법, 다중대치법을 적용하여 결측값을 대치시킨 후 정준판별분석을 실시한 결과를 비교하였으며, 나아가 붓스트랩 방법을 이용하여 판별계수의 표본분포를 추정하고 이를 판별계수에 대한 신뢰구간 구축과 가설 검정에 활용해 보았다. 또한 모의실험을 통하여 판별계수에 대한 통계적 추론에 있어서 붓스트랩 방법의 유용성을 확인하였다.
-
전명식,정시송,박혜진,Jhun, Myoung-Shic,Jung, Ji-Song,Park, Hye-Jin 한국통계학회 2008 응용통계연구 Vol.21 No.6
Statistical matching techniques whose aim is to achieve a complete data file from different sources. Since the statistical matching method proposed by Rubin (1986) assumes the multivariate normality for data, using this method to data which violates the assumption would involve some problems. This research proposed the statistical matching method using robust regression as an alternative to the linear regression. Furthermore, we carried out a simulation study to compare the performance of the robust regression model and the linear regression model for the statistical matching. 서로 다른 출처로부터 얻어진 데이터 파일들을 하나의 데이터 파일로 만드는 통계적 자료결합방법은 공통변수와 서로 다른 고유변수를 포함하여 변수들 간에 존재하는 관련성에 대해 살펴볼 수 있다. Robin (1986)이 제안한 일반회귀모형의 예측값을 이용한 통계적 결합방법은 자료에 대한 다변량 정규성을 가정하기 때문에 이 가정을 위반하는 자료를 이용하는 것은 많은 문제를 수반한다. 본 연구는 제공파일의 고유변수에 모분포를 반영하지 못하는 특이점이 존재하는 경우, 일반회귀모형을 이용한 통계적 결합방법의 대안으로 로러스트 회귀추정방법을 이용한 자료결합방법을 제안하였다. 나아가 로버스트 회귀모형을 이용한 결합방법과 일반회귀모형을 이용한 결합방법에서의 상관관계 및 결정계수 보존에 관한 성능을 비교하기 위하여 모의실험을 수행하였다.
-
Adaptive Nearest Neighbors를 활용한 판별분류방법
전명식,최인경,Jhun, Myoung-Shic,Choi, In-Kyung 한국통계학회 2009 응용통계연구 Vol.22 No.3
비모수적 판별분류방법으로 널리 사용되는 ${\kappa}$-Nearest Neighbors Classification(KNNC) 방법은 자료의 국소적 특징을 고려하지 않고 전체 자료에 대해 고정된 이웃의 개수 ${\kappa}$를 사용하여 개체를 분류하는 방법이다. 본 연구에서는 KNNC의 대안으로 자료의 국소적 특징을 고려하는 Adaptive Nearest Neighbors Classificaion(ANNC) 방법을 제안하였다. 제안된 방법의 특징을 규명하기 위하여 실제 자료에 대한 분석을 통하여 제안된 방법의 응용 가능성을 제시하였으며, 나아가 모의실험을 통하여 기존의 방법과의 효율성을 비교하였다. The ${\kappa}$-Nearest Neighbors Classification(KNNC) is a popular non-parametric classification method which assigns a fixed number ${\kappa}$ of neighbors to every observation without consideration of the local feature of the each observation. In this paper, we propose an Adaptive Nearest Neighbors Classification(ANNC) as an alternative to KNNC. The proposed ANNC method adapts the number of neighbors according to the local feature of the observation such as density of data. To verify characteristics of ANNC, we compare the number of misclassified observation with KNNC by Monte Carlo study and confirm the potential performance of ANNC method.
-
이변량 음이항 모형에서 붓스트랩 방법을 이용한 과대산포에 대한 검정
전명식,정병철,Jhun, Myoung-Shic,Jung, Byoung-Cheol 한국통계학회 2008 응용통계연구 Vol.21 No.2
본 연구에서는 이변량 음이항 분포에서 과대산포와 "내재적 상"의 존재유무에 대한 가설검정 문제를 다루었다. 과대산포에 대한 스코어 검정의 표준정규분포 근사는 명목 유의수준을 과소추정한 반면 "내재적 상"에 대한 스코어 검정은 명목유의수준을 과대 추정하고 있음을 보였다. 본 연구에서는 이와 같은 스코어 검정의 표준정규분포 근사의 문제점을 해결하기 위하여 붓스트랩 방법을 제안하였다. 스코어 검정에 대한 붓스트랩 방법은 두 검정에서 명목유의수준을 제대로 유지하고 검정력도 높게 나타나 스코어 검정의 표준정규분포 근사에 존재하는 문제를 해결하는 효율적인 대안으로 판단된다. The bootstrap method for the score test statistic is proposed in a bivariate negative binomial distribution. The Monte Carlo study shows that the score test for testing overdispersion underestimates the nominal significance level, while the score test for "intrinsic correlation" overestimates the nominal one. To overcome this problem, we propose a bootstrap method for the score test. We find that bootstrap methods keep the significance level close to the nominal significance level for testing the hypothesis. An empirical example is provided to illustrate the results.
-
통계적 데이터 분석방법을 위한 컴퓨터의 활용 I : 붓스트랩 이론과 응용+
전명식 한국통계학회 1990 응용통계연구 Vol.3 No.1
Computer intensive bootstrap methods are studied as a tool of statistics. Practical calculation and theoretical justification problem of the methods in estimating the sampling distribution and construction confidence region of parameters are discussed through several examples. Statistical meaning of the methods are also considered. 컴퓨터의 발전에 따른 통계방법 중에서 붓스트랩(bootstrap)에 대하여 연구하였다. 특히 추축통계량의 표본분포를 붓스트랩분포로 추정하는데 있어서 계산문제와 이론적인 정당성을 고려하였으며, 모분포의 성격을 나타내는 모수의 붓스트랩 신뢰영역을 몇 가지 사례들에 대해 살펴보았고 사례별로 붓스트랩 방법의 의미를 고찰하였다.
-
붓스트랩방법의 실제적활용1) -군집표본추출법에 근거한 분할표분석을 중심으로
전명식 한국통계학회 1996 Communications for statistical applications and me Vol.3 No.1
복합조사표본추출법(complex survey sampling)에 근거한 분할표분석에 카이제곱검정법을 사용할 때의 문제점들과 해결방법들을 살펴보았다. 나아가, 군집표본추출의 경우에 붓스트랩방법의 타당성을 보였으며, 실제자료분석을 통하여 실제 활용가능성과 잇점을 제시하였다.
-
-
전명식 高麗大學校 統計硏究所 1999 應用統計 Vol.14 No.-
통계자료의 공개는 자료의 공유 내지 활용이라는 점에서 당연한 추세이나 공개에 따른 비밀보호 또한 윤리적인 면은 물론 자료수집에서 발생할 수 있는 자료의 질적 저하를 예방하는데 필수적인 요소이다. 본고에서는 자료공개에 따르는 기본개념들과 기존의 자료공개방법에 대한 연구사례들을 정리하였다. Demands for data from statistical offices have been increased. At the same time protection of confidentiality is a private and public issue. So, they face difficulties in protecting confidentiality while providing useful data. In this paper, some basic concepts and methods for confidentiality of statistical data are summarized. Also existing examples are introduced to explain the disclosure-limited methods for protecting the confidentiality of statistical data.
스콜라연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
