[논문]극단값 분포 추정을 위한 모수적 비모수적 방법

우승현; 강기훈

doi:10.17703/jcct.2022.8.1.531

초록
AI-Helper

본 논문은 꼬리가 두꺼운 분포의 꼬리부분에 대한 분포를 추정할 경우 모수적 방법과 비모수적 방법의 성능에 대해 비교하였다. 모수적 방법으로는 일반화 극단값 분포와 일반화 파레토 분포를 이용하였고, 비모수적 방법은 커널형 확률밀도함수 추정방법을 적용하였다. 두 접근법의 비교를 위해 2014년부터 2018년까지 서울시 관측소별 일일 미세먼지 공공데이터를 이용하여 블록 최댓값 모형과 분계점 초과치 모형을 적용하여 함수 추정한 결과를 함께 보이고 2년, 5년, 10년의 재현수준을 통해 고농도의 미세먼지가 일어날 지역을 예측하였다.

Abstract ▼ AI-Helper

This paper compared the performance of the parametric method and the nonparametric method when estimating the distribution for the tail of the distribution with heavy tails. For the parametric method, the generalized extreme value distribution and the generalized Pareto distribution were used, and f...

This paper compared the performance of the parametric method and the nonparametric method when estimating the distribution for the tail of the distribution with heavy tails. For the parametric method, the generalized extreme value distribution and the generalized Pareto distribution were used, and for the nonparametric method, the kernel density estimation method was applied. For comparison of the two approaches, the results of function estimation by applying the block maximum value model and the threshold excess model using daily fine dust public data for each observatory in Seoul from 2014 to 2018 are shown together. In addition, the area where high concentrations of fine dust will occur was predicted through the return level.

주제어

표/그림 (5)

그림 그림 1. 강남구 자료에 블록 최댓값 모형을 적용한 분포 추정 Figure 1. Distribution estimation by applying the block maximum value model to Gangnam-gu data
그림 그림 2. 강남구 자료에 분계점 초과치 모형을 적용한 분포 추정 Figure 2. Distribution estimation by applying the peak over threshold model to Gangnam-gu data
표 표 1. 관측소별 자료의 추정법에 따른 MAD 결과 Table 1. MAD result according to the estimation method of data for each measurement station
표 표 2. 각 추정법에 따른 최소 MAD 관측소 개수 Table 2. Number of minimum MAD stations according to each estimation method
표 표 3. 관측소별 GEV 분포를 이용한 재현수준 Table 3. Return level using GEV distribution for each measurement station

참고문헌 (12)

D. Weon, "Service platform design for smart environment disaster management", The Journal of the Convergence on Culture Technology (JCCT), Vol. 4, No. 3, pp.247-252, August 31, 2018. https://doi.org/10.17703/JCCT.2018.4.3.247

원문보기 상세보기
C.Y. Lim and S.H. Lee, "Wireless network design for construction of atmospheric and marine environment monitoring system using buoy", The International Journal of Advanced Culture Technology (IJACT), Vol. 8, No. 3, pp. 269-274, September 31, 2020. https://doi.org/10.17703/IJACT.2020.8.3.269

원문보기 상세보기
S. Coles, "An introduction to statistical modeling of extreme values". Springer Series in Statistics. Springer Verlag London, 2001.
R.A. Fisher, and L.H.C. Tippett, "Limiting forms of the frequency distribution of the largest or smallest member of a sample". Mathematical Proceedings of the Cambridge Philosophical Society, 24, pp.180-190, 1928.

상세보기
J.W. Oh and T.J. Lim, "Analysis of extreme values of ultrafine dust (PM2.5) by region in Seoul", Journal of the Korean Society for Quality Management, Vol. 47, No. 1, pp.47-57, 2019.

원문보기 상세보기
J. Beirlant, Y. Goegebeur, J. Segers, and L. Teugels, "Statistics of Extremes : Theory and Applications", Wiley, 2004.
B.W. Silverman, "Density estimation for statistics and data analysis", Monographs on Statistics and Applied Probability, Chapman and Hall, London, 1986.
J.D.F. Habbema, J. Hermans, and K. Van den Broek, "A stepwise discrimination analysis program using density estimation", Proceedings in Computational Statistics 1974. Physica Verlag, Vienna, 1974.
X. Wu, "Robust likelihood cross validation for kernel density estimation", Journal of Business & Economic Statistics, Vol. 37, No. 4, pp. 761-770, 2018. https://doi.org/10.1080/07350015.2018.1424633

상세보기
W. Stute, "Modified cross validation in density estimation", Journal of Statistical Planning and Inference, 30, pp.293-305, 1992.

상세보기
S.J. Sheather and M.C. Jones, "A reliable data-based bandwidth selection method for kernel density estimation". Journal of the Royal Statistical Society series B, 53, pp.683-690, 1991.
E. Mammen, M.D. Martinez-Miranda, J.P. Nielsen, and S. Sperlich, "Do-validation for kernel density estima-tion", Journal of American Statistical Association, 106, pp.651-660, 2011.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

극단값 분포 추정을 위한 모수적 비모수적 방법
Parametric nonparametric methods for estimating extreme value distribution 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (5)

표/그림 (5)

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

극단값 분포 추정을 위한 모수적 비모수적 방법 Parametric nonparametric methods for estimating extreme value distribution 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (5) 모든 표/그림 보기

표/그림 (5) 슬라이드로 보기

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

강기훈 (18)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

극단값 분포 추정을 위한 모수적 비모수적 방법
Parametric nonparametric methods for estimating extreme value distribution 원문보기

초록
AI-Helper

표/그림 (5)

표/그림 (5)