베이지안 추론은 불확실성을 수학적으로 모델링하고, 사전 지식과 데이터를 결합하여 의사결정을 내리는 통계적 방법론입니다. 본 연구실에서는 베이지안 추론의 이론적 기초부터 실제 응용까지 폭넓게 연구하고 있습니다. 특히, 베이지안 모형 선택, 사전분포의 설정, 베이즈 요인 계산 등 다양한 통계적 문제에 베이지안 접근법을 적용하여 신뢰성 있는 결과를 도출하는 데 중점을 두고 있습니다. 베이지안 통계계산은 복잡한 확률 모형에서의 추론을 가능하게 하는 계산적 기법을 개발하는 분야입니다. 본 연구실에서는 마르코프 연쇄 몬테카를로(MCMC) 방법, 깁스 샘플링, 변분 베이지안 추론 등 다양한 계산적 기법을 활용하여 고차원 데이터와 복잡한 모형에서도 효율적으로 추론할 수 있는 방법론을 연구합니다. 이러한 계산적 접근법은 실제 데이터 분석에서의 실용성을 높이고, 다양한 분야에 적용될 수 있는 기반을 제공합니다. 베이지안 추론 및 통계계산 연구는 신뢰성 분석, 생존분석, 변화점 탐지, 혼합모형 분석 등 다양한 통계적 문제에 적용되고 있습니다. 본 연구실은 이론적 연구와 더불어 실제 데이터에 대한 적용 사례를 통해 베이지안 추론의 유용성과 확장 가능성을 지속적으로 탐구하고 있습니다.

생존분석은 시간에 따른 사건의 발생을 분석하는 통계 분야로, 의료, 공학, 사회과학 등 다양한 분야에서 활용되고 있습니다. 본 연구실에서는 생존분석의 이론적 발전과 함께, 실제 임상 데이터, 신뢰성 데이터, 환경 데이터 등에 대한 분석 방법을 개발하고 있습니다. 특히, 구간 검열, 경쟁위험, 프레일티 모형 등 복잡한 데이터 구조를 다루는 데 중점을 두고 있습니다. 신뢰성 데이터 분석은 제품이나 시스템의 고장 시간, 수명 예측 등 공학적 문제에 초점을 맞추고 있습니다. 본 연구실은 와이블 분포, 지수분포, 감마분포 등 다양한 확률분포를 활용하여 신뢰성 모형을 구축하고, 베이지안 방법론을 적용하여 모수 추정 및 모형 선택을 수행합니다. 또한, 변화점 탐지, 혼합모형, 다변량 분포 등 최신 통계기법을 신뢰성 데이터에 적용하여 실질적인 문제 해결에 기여하고 있습니다. 이러한 연구는 의료 분야의 환자 생존율 예측, 산업 현장의 장비 수명 평가, 환경 변화에 따른 위험 분석 등 다양한 실제 문제에 적용되고 있습니다. 본 연구실은 이론적 연구와 실증적 분석을 병행하여, 생존분석 및 신뢰성 데이터 분석 분야에서 선도적인 역할을 수행하고 있습니다.

영과잉 데이터는 관측값 중 0이 과도하게 많이 나타나는 특수한 형태의 이산 데이터로, 전통적인 포아송 또는 음이항 회귀모형으로는 적합하게 분석하기 어렵습니다. 본 연구실에서는 영과잉 포아송, 영과잉 음이항, 혼합모형 등 다양한 영과잉 모형을 개발하고, 베이지안 접근법을 통해 모수 추정, 모형 선택, 예측 등을 수행하고 있습니다. 이러한 모형은 교통사고 데이터, 스포츠 데이터, 환경 데이터 등 실제로 0이 많이 발생하는 다양한 분야에 적용되고 있습니다. 예를 들어, 교통사고 발생 건수, 야구 선수의 연속 성공/실패 기록, 환경 오염물질의 검출 빈도 등에서 영과잉 모형이 효과적으로 활용됩니다. 본 연구실은 베이지안 추론을 통해 기존 빈도주의적 방법론의 한계를 극복하고, 데이터의 특성을 보다 정확하게 반영하는 분석 방법을 제시하고 있습니다. 영과잉 및 혼합모형 기반 데이터 분석 연구는 실제 데이터의 복잡성과 불확실성을 효과적으로 다루는 데 중요한 역할을 하며, 정책 결정, 위험 평가, 예측 모델링 등 다양한 응용 분야에서 그 가치를 인정받고 있습니다. 본 연구실은 이론적 연구와 실무적 적용을 통해 해당 분야의 발전에 기여하고 있습니다.