Detail View

전산통계학을 공부하는 통계학 전공자와 확률분포 생성을 바탕으로 하는 통계적 모의실험을 필요로 하는 모든 사람들에게 시작 단계에서 도움이 되고자 다양한 개념을 가능한 쉽게 표현하려고 애썼으며 다양한 응용 예제를 통하여 알고리즘의 연습이자연스럽게 이루어지도록 꾸미려고 노력하였다. 세밀한 논리적 이론보다는 직관적 개념의 이해와 응용력을 키우는 데 중점을 두었다.

본 교재는 전산통계학을 공부하는 통계학 전공자와 확률분포 생성을 바탕으로 하는 통계적 모의실험을 필요로 하는 모든 사람들에게 시작 단계에서 도움이 되고자 다양한 개념을 가능한 쉽게 표현하려고 애썼으며 다양한 응용 예제를 통하여 알고리즘의 연습이자연스럽게 이루어지도록 꾸미려고 노력하였다. 세밀한 논리적 이론보다는 직관적 개념의 이해와 응용력을 키우는 데 중점을 두었다.
본 교재는 전체 11장으로 이루어져 있고, 내용 면에서 크게 세 부분으로 구성되어 있다. 제1부는 제2부와 제3부의 기초가 된다. 제1부는 1장과 2장으로 구성된다. 1장에서는 시스템의 구성요소와 시스템의 구조 및 구성요소와의 관계를 다루고, 실제 시스템에 대한 모형화 과정, 모형 종류, 모형 진단 방법과 통계적 모의실험에서의 변화 과정에 대한 이해를 다룬다. 2장 확률분포의 생성에서는 난수생성 알고리즘 형태를 소개하고 난수생성자의 판정법을 다루며, 알려진 분포 또는 확률밀도함수가 주어진 분포에 따르는 확률변수값의 생성 알고리즘의 원리 및 구조를 소개한다.
제2부에서는 추정 알고리즘을 소개한다. 3장에서는 몬테카를로 적분과 분산감소기법을 소개하고, 4장에서는 비선형방정식의 해를 구하는 뉴턴 알고리즘을 소개하고 최소제곱추정량과 최대가능도추정량을 구하는 가우스－뉴턴 알고리즘과 뉴턴－랩슨 알고리즘을 소개한다. 5장에서는 경험분포함수를 이용한 재표본추출기법인 붓스트랩 알고리즘과 재크나이프 기법을 다룬다. 6장에서는 증대자료의 개념을 이용하여 조건부 기댓값을 최대화시켜 가며 모수를 추정하는 EM 알고리즘을 소개한다. 7장에서는 베이지안 추정에서 필요한 마코프 연쇄－몬테카를로 기법을 소개한다.
제3부에서는 여러 종류의 모형과 관련된 추정, 최적화 알고리즘과 통계적 모의실험을 소개한다. 8장에서는 인간의 뇌인식 과정을 모방하여 모형을 학습하고 추정하는 신경회로망을 해결하는 역전파 알고리즘을 소개하고, 9장에서는 최적해 문제를 해결하기 위하여 유전정보의 진화적 특성을 닮도록 개발된 유전자 알고리즘을 소개한다. 10장에서는 칼만 필터링으로 해결하는 동적선형모형에 대하여 추정 및 예측과정을 소개하고, 사례를 통하여 동적선형모형의 활용을 제시한다. 11장은 통계분포에 의하여 운용되는 통계적 모의실험을 연습하도록 구성하였다.

Information Provided By: :

목차
1장 시스템과 모형
 1.1 시스템이란 무엇인가? = 2
 1.2 시스템의 구성과 신뢰도 = 5
 1.3 모형 = 10
 1.4 프로그래밍 기법 = 14
  1.4.1. 프로그래밍 단계 = 14
  1.4.2. 구조화 프로그래밍 = 16
 1.5 모의실험 = 18
 1.6 모형 진단 = 23
 1.7 연습문제 = 25
2장 확률분포의 생성
 2.1 분포의 생성이란 무엇인가? = 28
 2.2 난수생성자 = 29
  2.2.1 난수생성자와 선형합동법 = 29
  2.2.2 표준균일분포의 검정 = 36
  2.2.3 난수 사이의 독립성 검정 = 40
 2.3 확률분포의 생성 = 45
 2.4 역변환법 = 48
 2.5 변수변환법 = 51
 2.6 거절법 = 58
 2.7 합성법 = 62
 2.8 연습문제 = 66
3장 몬테카를로 적분
 3.1 몬테카를로 방법이란 무엇인가? = 72
 3.2 Hit or Miss 방법 = 74
 3.3 표본평균법 = 78
 3.4 주표본기법 = 81
 3.5 연습문제 = 86
4장 뉴턴 방법을 이용한 모수추정법
 4.1 고정점 반복과 비선형방정식의 해법 = 88
 4.2 테일러 급수 = 91
 4.3 뉴턴 알고리즘 = 96
  4.3.1. 뉴턴 알고리즘 = 96
  4.3.2. 가우스-뉴턴 알고리즘 = 98
  4.3.3. 뉴턴-랩슨 알고리즘 = 101
 4.4 연습문제 = 104
5장 붓스트랩 알고리즘
 5.1 경험분포함수 = 106
 5.2 붓스트랩 알고리즘 = 107
 5.3 재크나이프 기법 = 113
 5.4 연습문제 = 116
6장 EM 알고리즘
 6.1 불완비자료와 완비자료 = 118
 6.2 EM 알고리즘 = 118
 6.3 연습문제 = 126
7장 MCMC 알고리즘
 7.1 깁스 샘플러 = 130
 7.2 메트로폴리스 알고리즘 = 136
 7.3 연습문제 = 140
8장 신경회로망
 8.1 신경회로망이란 무엇인가? = 142
 8.2 신경회로망에서의 정보전달과정 = 144
 8.3 역전파법 = 147
 8.4 연습문제 = 154
9장 유전자 알고리즘
 9.1 유전자 알고리즘이란 무엇인가? = 156
 9.2 유전자 조작과 유전자 알고리즘 = 157
 9.3 연습문제 = 164
10장 칼만필터링
 10.1 칼만필터링이란 무엇인가? = 166
 10.2 칼만필터 모형의 종류 = 167
 10.3 최신화 알고리즘 = 169
 10.4 동적선형모형 = 171
 10.5 동적선형모형 모의실험 = 173
 10.6 연습문제 = 180
11장 통계적 모의실험
 11.1 버스대기시간 모의실험 = 184
 11.2 재고관리 모의실험 = 188
 11.3 다단계 공정관리 모의실험 = 192
 11.4 연습문제 = 196
참고문헌 = 197
찾아보기 = 199