상세 설명

본 연구실은 베이지안 변수선택과 다중검정 문제에 대한 이론적·응용적 연구도 활발히 수행하고 있습니다. 대규모 의료 데이터나 유전체 데이터 등 고차원 자료에서 중요한 변수(특징)를 효과적으로 선택하고, 동시에 다수의 가설을 검정하는 과정에서 발생할 수 있는 오류를 최소화하는 방법론 개발에 주력하고 있습니다. 특히, 베이지안 MCMC 알고리즘을 활용한 변수선택 기법과, Hidden Markov Random Field 기반의 다중검정 방법을 개발하여 실제 의료 데이터 분석에 적용하고 있습니다. 이러한 방법론은 변수 간의 상호의존성, 데이터의 구조적 특성, 잠재적 군집 구조 등을 반영할 수 있어, 기존의 단순한 변수선택이나 다중검정 기법보다 높은 정확도와 해석력을 제공합니다. 이와 같은 통계적 방법론은 의료 빅데이터 분석뿐만 아니라, 경제활동인구조사, 유전체 연구, 사회과학 데이터 등 다양한 분야에 적용되고 있습니다. 이를 통해 데이터 기반의 과학적 의사결정과 정책 수립에 기여하고 있습니다.

키워드

관련 이미지

관련 자료