Zero-Inflation Modeling with Prior Design and Bayes Factor Comparison
연구 내용
영과잉 분포를 포함한 영(0) 과잉 자료에서 이원분할 및 변화점 구조를 고려하고, 베이즈 팩터 검정을 위한 기본 사전과 내재적 사전 절차를 정립하는 연구
0이 과도하게 관측되는 count 자료에 대해 영과잉 메커니즘을 내재화한 모형을 구성합니다. 중첩(two-stage) 이변량 이항 자료에서 두 성분 모두 영과잉인 zero-inflated bivariate binomial을 두고, 이론적 성질과 베이지안 예측 분포를 전개합니다. 또한 zero-inflated Poisson 모형에서 영과잉 모수 비교 시 비정보성 사전이 베이즈 팩터의 상수 미정 문제를 야기할 수 있다는 점을 다룹니다. 이를 완화하기 위해 intrinsic priors 또는 intrinsic Bayes factor 근사 아이디어를 적용하고, integral prior 관점의 근사 가능성도 검토합니다. 추정 절차는 시뮬레이션과 실데이터 분석으로 검증합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
3건
연구 흐름
연구는 영과잉 모형이 필요한 자료 생성 구조를 먼저 정리한 뒤, nested 이변량 자료에 대해 영과잉이 동시에 존재하는 경우로 확장하는 흐름을 보입니다. 이후 2025년에는 zero-inflated Poisson에서 영과잉 모수 비교를 수행할 때 사전 설정과 베이즈 팩터의 일관성 문제가 중요해진다는 점을 핵심 쟁점으로 설정합니다. Jeffreys 또는 reference 계열의 비정규 사전에서 발생하는 보정 필요성을 intrinsic priors를 통해 체계화하고, 시뮬레이션 및 실데이터로 절차 타당성을 확인합니다. 최근에는 기본 사전 기반의 비교 가능성을 강화하는 방향으로 연구를 심화합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Inference on a bivariate binomial distribution with zero-inflation applicable to baseball data
Intrinsic priors for comparing zero-inflation parameters in Poisson models
Default Priors in a Zero-Inflated Poisson Distribution: Intrinsic Versus Integral Priors
관련 프로젝트
구분
제목
가산 자료 분석에 대한 추론과 응용
가산 자료 분석에 대한 추론과 응용
가산 자료 분석에 대한 추론과 응용