초록 ▼

연구의 목적 및 내용
본 연구는 다양한 형태의 생존데이터에서의 위험률 변화에 대한 검정법을 개발하고,몇 개인지 모르는 다수의 변화점이 존재할 때의 다중변화점 추정법을 개발함을 목표로 한다. 지수분포, 와이블분포 분포를 따르는 생존데이터에 대한 위험률 변화 검정법을 개발하고 실제 데이터에 응용하고자 한다.

연구결과
본 연구에서는 생존데이터에서의 위험률 변화 검정법과 위험률 다중변화점의 위치 및 개수에 대한 추정 문제를 다룬다.
지수분포(exponential distribution)를 따르는 생존데이터에서의

연구의 목적 및 내용
본 연구는 다양한 형태의 생존데이터에서의 위험률 변화에 대한 검정법을 개발하고,몇 개인지 모르는 다수의 변화점이 존재할 때의 다중변화점 추정법을 개발함을 목표로 한다. 지수분포, 와이블분포 분포를 따르는 생존데이터에 대한 위험률 변화 검정법을 개발하고 실제 데이터에 응용하고자 한다.

연구결과
본 연구에서는 생존데이터에서의 위험률 변화 검정법과 위험률 다중변화점의 위치 및 개수에 대한 추정 문제를 다룬다.
지수분포(exponential distribution)를 따르는 생존데이터에서의 위험률 변화에 대한 검정법을 개발하고 이론적 경험적 특성을 규명하였다. 특히 변화점의 개수를 모르므로 사전정보를 활용하여 베이지안 다중변화점 추정법으로 변화점모형선택법을 개발하였다.
와이블분포(Weibull distribution)를 따르는 데이터의 경우 위험률함수의 다중변화점추정을 위한 모형을 유도하고 segment neighborhood 알고리듬을 적용하여 추정한다.
위험률 다중 변화 문제에 대해 모의실험을 통해 변화 검정법의 검정력과 다중변화점 추정 능력을 보이고 실제 질병 데이터에 제안하는 방법을 적용하여 활용성과 효용성을 입증한다.

연구결과의 활용계획
본 연구의 연구 결과는 여러 분야에서의 발생되는 생존데이터에 대한 위험률 변화검정법과 다중변화점 추정을 가능하게 하여, 이들 데이터로부터 의미있는 정보를 추출하고 사실을 규명하는데 실질적 해결책을 제시할 수 있으리라 기대한다. 특히 생존데이터가 비중 있게 다루어지는 의학 분야에 활용되어 질병의 치료, 생존성 연구, 국가 공중보건 정책수립 과정 등에 요긴한 도구로 활용될 수 있을 것이다. 또한 뇌정보학, 생명정보학, 환경학, 생태학, 사회학, 경제학 등의 분야에서 비슷한 성격을 가지는 데이터 분석에도 유용하게 활용될 수 있으리라 기대한다. 연구 과정 중 개발된 R 프로그램은 생존데이터 연구자들이 깊은 통계적 지식이 없이도 데이터를 직접 분석할 수 있도록 공개하여, 생존데이터 변화분석에서의 통계적 방법의 보급과 응용에 기여하고자 한다.

( 출처 : 한글요약문 4p )

Abstract ▼

Purpose&contents
This research purpose is to develop hazard change test and to suggest multiple change-points estimation method for hazard change with survival data when the number and the location of change-points are unknown. Hazard change tests and change-point estimators will be newly develop

Purpose&contents
This research purpose is to develop hazard change test and to suggest multiple change-points estimation method for hazard change with survival data when the number and the location of change-points are unknown. Hazard change tests and change-point estimators will be newly developed when the survival data follow exponential or Weibull distributions.

Result
We proposed Hazard change tests and change-point estimators in a Bayesian approach.

When the survival data follows the exponential distribution, we developed hazard change tests and multiple change-point estimators using segment neighborhood algorithm. The prior for the number of change-points is given as a truncated Poison, and the mean prior is gamma distribution as a conjugate prior. Marginal distribution and Posterior distribution is derived and used as a model selection.

When the survival data come from the Weibull distribution, we also dealt with hazard change tests and multiple change-point estimators using SAMC and segment neighborhood algorithm. The prior for the number of change-points is given as a truncated Poison, the scale prior and shape prior are given in several ways and the posterior is calculated accordingly.

The proposed method was studied and compared in simulation. We also applied our model to the rectal cancer data and more.

Expected Contribution
This work would identify multiple change-points in hazard function with the survival data. This research will contribute to the statistical inference, survival analysis and Biostatistics and related areas.

The results of this research will be used as a useful tool in analyzing survival data.
The proposed method can be applied in the area of medical science, biological science, quality engineering. Developed R programs can be utilized for the researchers in the field. Further study in change analysis with the survival data is expected.

( 출처 : SUMMARY 5p )

목차 Contents

• 표지 ... 1
• 목차 ... 2
• 연구계획 요약문 ... 3
• 연구결과 요약문 ... 4
• 한글요약문 ... 4
• SUMMARY ... 5
• 연구내용 및 결과 ... 6
• 1. 연구개발과제의 개요 ... 6
• 2. 연구수행 내용 및 결과 ... 6
• 3. 목표달성도 및 관련분야에의 기여도 ... 19
• 4. 연구결과의 활용계획 ... 20
• 5. 주관연구책임자 대표적 연구실적 ... 21
• 6. 참고문헌 ... 21
• 7. 연구성과 ... 22
• 8. 국가과학기술지식정보서비스에 등록한 연구시설‧장비 현황 ... 24
• 9. 기타사항 ... 24
• 별첨1. 대 표 연 구 성 과 ... 25
• 별첨2. 세부 목표 관련 증빙 ... 34
• 끝페이지 ... 36