지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이근백
- 발행연도
- 2022
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
다변량 경시적 자료는 같은 개체에서의 몇 개의 속성들이 반복 측정되어지는 자료이다. 따라서 단변량 경시적 자료와는 다르게 다변량 경시적 자료분석에서는 반복 측정되는 속성들 간의 복잡한 상관관계를 가지며, 이러한 상관관계를 설명하기 위한 공분산행렬의 모형화에 대한 연구가 이루어져야 한다. 이 논문에서는 이러한 복잡한 상관관계를 설명하기 위해 자기회귀 구조를 가지는 공분산행렬에 대한 모형화 방법중에 하나인 수정된 콜레스키 분해와 초구분해를 이용한 방법(Lee 등, 2020)을 살펴보고, 자기회귀 구조의 성긴성(sparseness)을 설명하기 위한 베이지안 모형(Lee 등, 2021)을 또한 살펴본다. 그리고 다양한 상황에서의 모의실험을 통하여 Lee 등(2021)의 베이지안 모형의 우수성을 살펴본다.
목차
1 서론 12 공분산행렬의 모형화 42.1 단변량 경시적 자료에서의 공분산행렬 모형화 42.2 다변량 경시적 자료에서의 공분산행렬 모형화 62.2.1 다변량 선형모형 62.2.2 수정된 콜레스키 블록 분해 92.2.3 초구분해 102.3 베이지안 방법을 이용한 모수 추정과 변수 선택 132.3.1 사전분포 142.3.2 MCMC 알고리즘과 완전조건부분포 153 모의실험 193.1 자료집합 193.2 결측값의 비율이 50%인 자료 213.3 결측값의 비율이 30%인 자료 293.4 참모형 적합 결과와의 비교 354 결론 37참 고 문 헌 39ABSTRACT 41
최근 본 자료
댓글(0)
0