인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
이 논문에서는 다변량회귀모형의 표본에 이상점이 섞여 있을 때 강건한(robust) 추정을 위한 방법으로 오차분포적합에서 무거운 꼬리(heavy tail)의 분포를 사용하는 것과 강건한 divergence를 쓰는 것을 비교하였다. 첫 번째는 무거운 꼬리로써 모수추정의 이상점에 대한 민감성을 완화시키는 방법인 한편 두 번째는 이상점에 낮은 가중치를 부여하여 추정에서 그 영향을 줄이는 방법이다. 무거운 꼬리의 분포로 다변량 멱지수(power exponential) 분포와 다변량 t-분포를 택하였고 강건한 divergence로 density power divergence를 고려하였다. 이상점이 섞인 다변량회귀모형으로 정확도를 비교하는 모의실험을 수행하였으며, 그 결과 density power divergence방법의 추정량이 더 나은 정확도를 보임을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093149180
