총 327페이지

위험평가를 위한 정량평가법 소개 - R을 이용한 이론과 실습
par(new=TRUE)
c
c
c
c
for(iin1:1000){
for(iin1:100){
a
a
b
b
c[i,]
c[i,]
plot(ecdf(c$c), lty=2, xlim=c(35, 65),
plot(density(c$c), lty=2, xlim=c(30, 70),
ylim=c(0,1),xlab="Weight(kg)")}
ylim=c(0,0.1),xlab="Weight(kg)")}
(a)
(b)
(a) 양의 체중에 대한 일련의 가능한 확률밀도 곡선 (실선은 기댓값을 의미)
그림 4-2
(b) 무작위 표본오차와 관련된 불확실성의 영향을 조사하는 누적확률도
4.3.2Bootstrap모의실험
Bootstrap 모의실험은 평균과 표준편차와 같은 불확실한 모수를 나타내는 분포를
유도하기 위하여 사용되는 수리적 방법이다. 일반적인 방법은 표본크기 n으로 구성된
자료에 대한 표본분포를 정의한 후 자료로부터 복원이 있는 n개의 무작위 표본을 수집하여
관심을 두고 있는 모수를 계산한다. 이 과정을 수없이 반복하고 각각의 반복으로부터 얻은
결과를 통합하여 모수에 대한 표본분포를 생성한다. 상황에 따라 비모수적 혹은 모수적인
방법을 사용할 수 있다.
(1)비모수적Bootstrap모의실험
비모수적 Bootstrap 모의실험은 표본분포의 모양에 대한 어떠한 사전(priori) 가정을
필요로 하지 않는 강력한 도구이다. 2가지 선택이 가능하다. 실제 자료를 사용하여 이
자료로부터 다시 표본을 선발하거나 혹은 자료에 대한 누적분포에 근거하여 경험적으로
적합시켜 그 결과로 얻은 경험적 분포로부터 표본을 선발하는 것이다.
앞 절에서 설명한 양의 체중에 관한 예에서 불확실한 모수에 대한 표본분포를 정의하기
위하여 비모수적인 Bootstrap 모의실험을 수행하는 스프래드쉬트 모형을 작성할 수 있다.
2가지 방법이 있는데 첫 번째 방법은 discrete uniform 함수를 사용하여 자료를 직접
사용하는데 각 자료점은 동일한 발생확률을 갖는다 (표4-2). 다른 방법은 자료의
표본분포를 정의하기 위하여 누적분포 (표4-3)를 작성하는 것이다. 만일 누적분포를
사용하여 자료를 적합시킨다면 각 누적단계는 일정하다는 것을 확신할 수 있어야 한다.
다음으로 원자료에서 표본의 수를 n이라고 할 때 적절한 함수는 n회 반복함으로써
234

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