View : 286 Download: 0

Full metadata record

DC Field Value Language
dc.description.abstract잠재군 모형이 점점 널리 사용되어지고 있다. 특히 모집단이 동질적이지 못할 때, 전통적인 통계 방법에 의한 접근의 결과보다 잠재군 모형에 의한 결과가 더 좋을 수 있다. 이 논문에서는 베이지안적인 접근이 잠재군 모형의 모수에 영향을 준다고 제안한다. 구체적으로 말하면, 표본에 기반을 둔 사후 추론에 쓰여지는 알려지지 않은 모수들의 사후분포로부터 표본의 생성을 위해 깁스표본기법을 제안한다. 제안된 방법을 설명하기 위해 모의실험 데이터와 지각에 대한 실제 데이터의 분석이 행해진다.;Latent class models have become increasingly popular. Latent class models can provide better solution than those obtained from the traditional approaches especially when the population is not homo -genous. In this paper, we propose a Bayesian approach to inference on parameters in latent class logit models. In specific, we propose a Gibbs sampling algorithm for sample generation from the posterior distribution of unknown parameters, which can be used for sampling -based posterior inference. Analysis of a simulation data set and a real data set about tardiness is provided to illustrate the proposed method.-
dc.description.tableofcontents논문개요 ABSTRACT CHAPTERS 1. Introduction = 1 2. The Latent Class Logit Model = 4 3. The Prior Distributions = 6 4. The Extra Auxiliary Variables = 8 5. The Gibbs Sampling Algorithm = 10 5.1 The Full Conditional Posterior Distributions = 11 5.2 Initialization = 13 5.3 Parameter Estimation = 13 6. Model Comparison = 16 7. Examples = 17 7.1 Simulation = 17 7.2 Real Data About Tardiness = 23 8. Summary = 29 REFERENCES = 30 논문초록 = 32 감사의 글 = 33-
dc.format.extent623991 bytes-
dc.publisher이화여자대학교 대학원-
dc.titleBayesian analysis of latent class logit models-
dc.typeMaster's Thesis-
dc.format.pageiii, 33 p.-
dc.identifier.major대학원 통계학과- 2-
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.