총 327페이지

위험평가를 위한 정량평가법 소개 - R을 이용한 이론과 실습
4.2.1모수적기법
모수적 기법은 경험적 자료를 정규분포나 포아슨 분포와 같은 이론적 분포에 적합시켜
위험분석 모형에서 자료의 대표성을 유지하기 위하여 사용된다. 많은 사용 프로그램이
있는데 예를 들어 BestFit은 분포를 쉽게 적합시킬 수 있다. 최적 적합 분포에 대하여
자료로부터 유도된 모수는 모집단의 모수라고 가정하기 때문에 자료를 모형화하기 위하여
선택된 분포는 1차수 분포로서 변동성을 모형화한다. 만일 이들 패키지를 함부로 사용할
경우 적절하지 못한 분포가 선택될 수 있으므로 유의하여야 한다. 분포는 최적 적합
자료에서 임의적으로 선택되어서는 안된다. 오히려 자료를 발생시키는 내재된 현상에
대하여 상당한 주의가 요구되므로 선택된 분포는 현실성이 있어야 하며 자료를 적절하게
적합시킬 수 있어야 한다.
(1) 적합성 통계량
적합성이란 어떤 주어진 모수에 대한 자료의 확률로 정의된다. 즉 주어진 분포함수가
자료를 생산시키는 가능성이 어느 정도인가 하는 것이다. 검토 중에 있는 특정한 분포에
대한 모수는 대부분 최대 우도비 (MLE)에 의해 결정된다. 최대우도비는 관찰된 자료를
가장 잘 발생시키는 모수값이다. 적합성 통계량을 계산하고 분포를 최적으로 적합시키는
여러 가지 분포함수를 비교한다. 몇가지 적합성 검정법은 다음과 같다.
카이제곱검정
카이제곱 검정은 매우 가변적인 방법으로 분포에 대한 어떤 가정을 검정하는데 사용될
수 있다. 그러나 주요 단점은 자료를 범주화해야 하므로 원자료에서 얻은 정보가
손실된다는 점이다. 일반적으로 카이제곱 검정을 적용하기 위해서는 적어도 25개의
자료가 확보되어야 한다.
Kolmogorov-Smirnov(KS)검정
KS검정은 단계적 경험적 누적 밀도함수 (CDF)를 이론적인 분포의 CDF와 비교하는
방법으로 두 분포 간 최대 차이를 찾지만 분포가 나머지 자료에 대해서는 얼마나
적합시키는지를 고려하지 않는다. 따라서 단일값의 큰 차이와는 별도로 이론적인 분포를
적합시키는 경험적 분포에 대해서는 적합성이 저하된다. 한편, 전반적으로 적합성이 낮은
분포에 대해서는 좋은 적합성을 보이지만 큰 차이를 보이는 단일값을 갖지는 못한다.
228

현재 포커스의 아래내용들은 동일한 컨텐츠를 가지고 페이지넘김 효과및 시각적 효과를 제공하는 페이지이므로 스크린리더 사용자는 여기까지만 낭독하시고 위의 페이지이동 링크를 사용하여 다음페이지로 이동하시기 바랍니다.