ÀÌ Ã¥ÀÇ À̺¥Æ®
ÇØ¿ÜÁÖ¹®/¹Ù·Îµå¸²/Á¦ÈÞ»çÁÖ¹®/¾÷ü¹è¼Û°ÇÀÇ °æ¿ì 1+1 ÁõÁ¤»óǰÀÌ ¹ß¼ÛµÇÁö ¾Ê½À´Ï´Ù.
»óǰ»ó¼¼Á¤º¸
ISBN |
9791186821268(1186821264) |
Âʼö |
471ÂÊ |
Å©±â |
188 * 258 * 24 mm /932g ÆÇÇü¾Ë¸² |
Ã¥¼Ò°³
ÀÌ Ã¥ÀÌ ¼ÓÇÑ ºÐ¾ß
ÀÌ Ã¥¿¡¼ ±â¼úµÈ ³»¿ë¿¡ ´ëÇØ °³·«ÀûÀ¸·Î ±× ³»¿ëÀ» ¿ä¾àÇÏ¸é ´ÙÀ½°ú °°´Ù.
Á¦1ºÎ¿¡¼´Â, ÀÌ Ã¥ÀÇ ¼·Ð¿¡ ÇØ´çµÇ´Â ³»¿ëÀ¸·Î, º£ÀÌÁö¾È Åë°èÇÐÀÇ ±¸Á¶, È®·üºÐÆ÷¿Í º£ÀÌÁî Á¤¸®, ±×¸®°í º£ÀÌÁî ÃßÁ¤°ú ´ÜÀÏ ¸ð¼ö º£ÀÌÁî Ãß·Ð ¹× º¹¼ö ¸ð¼ö º£ÀÌÁî Ã߷п¡ ´ëÇÑ ±âÃÊÀûÀÎ ³»¿ëÀ» °ËÅäÇÏ¿´´Ù.
ƯÈ÷, º£ÀÌÁö¾È Ãß·ÐÀÌ ±âÁ¸ÀÇ ºóµµÁÖÀÇÀû Ã߷аú ¾î¶°ÇÑ Â÷ÀÌÁ¡ÀÌ Àִ°¡ µî¿¡ ´ëÇÏ¿© °ËÅäÇÏ¿´´Ù. ¾Æ¿ï·¯, º£ÀÌÁö¾È Åë°èÇп¡ ´ëÇÑ ±×·¡ÇÁ Ç¥Çö±â¹ýÀ» °ËÅäÇÏ¿´´Ù.
Á¦2ºÎ¿¡¼´Â, º£ÀÌÁö¾È °¡¼³°ËÁ¤ ¹× º£ÀÌÁö¾È »êÁ¤¿¡ °üÇÑ ³»¿ëÀ» »ìÆìº¸¾Ò´Ù. ¸ÕÀú, º£ÀÌÁö¾È Åë°èÇÐÀÇ ±âº»ÀÌ µÇ´Â º£ÀÌÁö¾È °¡¼³°ËÁ¤À» Áß½ÉÀ¸·Î »ìÆìº¸¾ÒÀ¸¸ç, ¾Æ¿ï·¯ º£ÀÌÁö¾È »êÁ¤¿¡ ´ëÇÑ Á¦¹Ý ºÐ¼®¹ý, ±×¸®°í Monte Carlo ºÐ¼® µîÀ» »ìÆìº¸¾Ò´Ù.
ƯÈ÷ °¡¼³°ËÁ¤¿¡ ÀÖ¾î¼, ±âÁ¸ÀÇ ÀüÅëÀû ºóµµÁÖÀÇ °¡¼³°ËÁ¤ ¹æ¹ý°ú ºñ±³ÇÏ¿©, ºÒÈ®½Ç¼ºÀ» È®·ü·Î »êÁ¤ÇÏ´Â º£ÀÌÁö¾È Åë°èÇп¡ ÀÇÇÑ °¡¼³°ËÁ¤ÀÇ Æ¯Â¡¿¡ ´ëÇÏ¿© ºÐ¼®»ç·Ê¸¦ Áß½ÉÀ¸·Î °ËÅäÇÏ¿´´Ù.
±×¸®°í º£ÀÌÁö¾È Åë°èÇÐÀÇ ºÐ¼®°úÁ¤¿¡¼ Áß½ÉÀÌ µÇ´Â MCMC ¾Ë°í¸®ÁòÀ» ÀÌ¿ëÇÑ ¸ðÀǽÇÇè¿¡ ÀÇÇÑ Sampling ¹æ¹ý°ú ±× Àû¿ë¹æ¾ÈÀ» ºÐ¼®»ç·Ê¸¦ Áß½ÉÀ¸·Î ¿ä¾àÇÏ¿´´Ù. ¶ÇÇÑ, ±âÁ¸ ºóµµÁÖÀÇÀû ºÐ¼®¹æ¹ýÀ¸·Î´Â ÇѰ谡 ÀÖ´Â °ÍÀ¸·Î Æò°¡µÇ´Â °èÃþÀû Åë°èºÐ¼® ¸ðÇü¿¡ ´ëÇÏ¿©, ½ÇÁõÀû ºÐ¼®»ç·Ê¸¦ Åä´ë·Î À̸¦ °ËÅäÇÏ¿´´Ù.
Á¦3ºÎ¿¡¼´Â, º£ÀÌÁö¾È Åë°èÇÐÀ» ´Ù¾çÇÑ ºÐ¾ß¿¡¼ ÀÀ¿ëÇÏ´Â ºÐ¼®¹æ¹ýÀ» ¿ä¾àÇÏ¿´´Ù. Áï, ´Ùº¯·® ºÐ¼®ÀÇ ±âº»ÀÌ µÇ´Â º£ÀÌÁö¾È ȸ±ÍºÐ¼®, º£ÀÌÁö¾È ÀϹÝÈ È¸±ÍºÐ¼®, º£ÀÌÁö¾È ¿äÀκм®, º£ÀÌÁö¾È ÆÇº°ºÐ¼®, ±×¸®°í º£ÀÌÁö¾È ±ºÁýºÐ¼® µîÀÇ ´Ùº¯·® ºÐ¼®¹æ¹ýÀ» °ËÅäÇÏ¿´´Ù.
±×¸®°í, ÃÖ±Ù ¸¹Àº ±âÁ¸ ¿¬±¸°á°ú¸¦ Åä´ë·Î À̸¦ Á¾ÇÕÈÇÏ¿© ºÐ¼®ÇÏ´Â ¸ÞŸºÐ¼®¿¡ ÀÖ¾î¼, ÀüÅëÀû ºóµµÁÖÀÇ ºÐ¼®º¸´Ù´Â º£ÀÌÁö¾È ºÐ¼®ÀÌ º¸´Ù ÀåÁ¡ÀÌ ÀÖ´Â °ÍÀ¸·Î Æò°¡µÇ¾ú´ø Á¡À» °í·ÁÇÏ¿©, º£ÀÌÁö¾È ¸ÞŸºÐ¼®À» ¼öÇàÇÏ¿´´Ù.
¶ÇÇÑ, ÃÖ±Ù SNS µîÀÇ ±â¼ú¹ßÀü¿¡ µû¶ó, ´Ù¾çÇÑ ºÐ¼®¹æ¹ýÀÌ °³¹ßµÇ°í ÀÖ´Â ³×Æ®¿öÅ© ºÐ¼®¿¡ ´ëÇÏ¿©, º£ÀÌÁö¾È Åë°èÇÐÀ» Àû¿ëÇÑ º£ÀÌÁö¾È ³×Æ®¿öÅ© ºÐ¼®¹æ¹ýÀ» °ËÅäÇÏ¿´´Ù.
³í¾î¿¡¼, ¡°Áö³ª°£ Çй®¸¸À» °ñ¶ÊÈ÷ °øºÎÇÏ°í »õ ½Ã´ë¸¦ ¾ËÁö ¸øÇϸé, ±× Çй®Àº ¸Í¸ñ(ØîÙÍ)À̸ç, ½Ã´ë¸¦ ¾Ë±âÀ§ÇØ ºÎ´ÜÈ÷ »ç»öÇ쵂 °æÇèÀû Çй®ÀÇ ±¸ÃàÀÌ ¾øÀ¸¸é ±× »ç»öÀº °øÇã(ÍöúÈ)ÇÏ´Ù¡±°í ÀûÇôÀÖ´Ù. º£ÀÌÁö¾È Åë°è¿¡¼´Â ±âÁ¸ ¹ÏÀ½À» »õ·Î¿î »ç½Ç¿¡ ÀÔ°¢ÇÏ¿© °³¼±µÈ ¹ÏÀ½À¸·Î UpdateÇÏ¿© »ç»óÀ» È®·ü·Î »êÁ¤ÇÏ°Ô µÈ´Ù.
Áï, º£ÀÌÁö¾È Åë°èÇп¡¼´Â »ç½Ç¿¡ µû¶ó È®·üÀÌ º¯ÈÇÏ°Ô µÇ´Âµ¥, ÀÌ´Â ³í¾î¿¡¼ ±â¼úÇÑ ³»¿ë°ú °áÄÚ ´Ù¸£Áö ¾Ê´Ù. ÇâÈÄ, ¸Í¸ñÀûÀÌÁö ¾ÊÀ¸¸é¼µµ °øÇãÇÏÁö ¾ÊÀº º£ÀÌÁö¾È Åë°èÇÐÀÇ Ã¢Á¶Àû ¹ßÀüÀ» ±â¿øÇÑ´Ù.
»ó¼¼À̹ÌÁö
¸ñÂ÷
Á¦1ºÎ ¼·Ð
01Àå º£ÀÌÁö¾È Åë°èÇÐÀÇ °³¿ä Introduction of Bayesian Statistics
1.1 º£ÀÌÁö¾È Åë°èÇÐÀÇ °³³ä
1.2 º£ÀÌÁö¾È Åë°èÇÐÀÇ ±¸¼º
02Àå È®·üº¯¼ö¿Í È®·üºÐÆ÷ Probability Variable & Probability Distribution
2.1 È®·üº¯¼ö¿Í È®·üºÐÆ÷
2.2 ÀÌ»ê È®·üºÐÆ÷
2.3 ¿¬¼Ó È®·üºÐÆ÷
2.4 °áÇÕ È®·üºÐÆ÷¿Í °øºÐ»ê
03Àå º£ÀÌÁî Á¤¸®¿Í º£ÀÌÁö¾È ÆÇ´Ü Bayes Theorem & Bayesian Thinking
3.1 º£ÀÌÁî Á¤¸®¿Í º£ÀÌÁö¾È ÆÇ´ÜÀÇ °³¿ä
3.2 º£ÀÌÁî Á¤¸®¿Í º£ÀÌÁö¾È ÆÇ´ÜÀÇ ºÐ¼®»ç·Ê
04Àå ´ÜÀÏ ¸ð¼ö º£ÀÌÁö¾È Ãß·Ð Bayesian Inference of Single Parameter
4.1 ´ÜÀÏ ¸ð¼ö º£ÀÌÁö¾È Ãß·ÐÀÇ °úÁ¤
4.2 ´ÜÀÏ ¸ð¼ö º£ÀÌÁö¾È Ãß·ÐÀÇ ºÐ¼®»ç·Ê
05Àå º¹¼ö ¸ð¼ö º£ÀÌÁö¾È Ãß·Ð Bayesian Inference of Multi-Parameters
5.1 º¹¼ö ¸ð¼ö º£ÀÌÁö¾È Ãß·ÐÀÇ °úÁ¤
5.2 º¹¼ö ¸ð¼ö º£ÀÌÁö¾È Ãß·ÐÀÇ ºÐ¼®»ç·Ê
Á¦2ºÎ º£ÀÌÁö¾È Åë°èÇÐÀÇ »êÁ¤¹æ¹ý Computation Method of Bayesian Statistics
06Àå º£ÀÌÁö¾È °¡¼³°ËÁ¤ Bayesian Hypothesis Testing
6.1 º£ÀÌÁö¾È °¡¼³°ËÁ¤ÀÇ °³¿ä
6.2 º£ÀÌÁö¾È °¡¼³°ËÁ¤ÀÇ ºÐ¼®»ç·Ê
07Àå º£ÀÌÁö¾È »êÁ¤¹æ¹ý Bayesian Computation Method
7.1 º£ÀÌÁö¾È »êÁ¤¹æ¹ýÀÇ °³¿ä
7.2 º£ÀÌÁö¾È »êÁ¤¹æ¹ýÀÇ ºÐ¼®»ç·Ê
08Àå Monte Carlo ¹æ¹ý Monte Carlo Method
8.1 Monte Carlo ¹æ¹ýÀÇ °³¿ä
8.2 Monte Carlo ¹æ¹ýÀÇ ºÐ¼®»ç·Ê
09Àå °èÃþ º£ÀÌÁö¾È ºÐ¼® Hierarchical Baysian Analysis
9.1 °èÃþ º£ÀÌÁö¾È ºÐ¼®ÀÇ °³¿ä
9.2 °èÃþ º£ÀÌÁö¾È ºÐ¼®ÀÇ ºÐ¼®»ç·Ê
Á¦3ºÎ º£ÀÌÁö¾È Åë°èÇÐÀÇ ÀÀ¿ë Applied Method of Bayesian Statistics
10Àå º£ÀÌÁö¾È ¼±Çü ȸ±ÍºÐ¼® Bayesian Linear Regression Analysis
10.1 º£ÀÌÁö¾È ¼±Çü ȸ±ÍºÐ¼®ÀÇ °³¿ä
10.2 º£ÀÌÁö¾È ¼±Çü ȸ±ÍºÐ¼®ÀÇ ºÐ¼®»ç·Ê
11Àå º£ÀÌÁö¾È ÀϹÝÈ È¸±ÍºÐ¼® Bayesian Generalized Regression Analysis
11.1 º£ÀÌÁö¾È ÀϹÝÈ È¸±ÍºÐ¼®ÀÇ °³¿ä
11.2 º£ÀÌÁö¾È ÀϹÝÈ È¸±ÍºÐ¼®ÀÇ ºÐ¼®»ç·Ê
12Àå º£ÀÌÁö¾È ¿äÀκм® Bayesian Linear Regression Analysis
12.1 º£ÀÌÁö¾È ¿äÀκм®ÀÇ °³¿ä
12.2 º£ÀÌÁö¾È ¿äÀκм®ÀÇ ºÐ¼®»ç·Ê
13Àå º£ÀÌÁö¾È ÆÇº°ºÐ¼® Bayesian Linear Regression Analysis
13.1 º£ÀÌÁö¾È ÆÇº°ºÐ¼®ÀÇ °³¿ä
13.2 º£ÀÌÁö¾È ÆÇº°ºÐ¼®ÀÇ ºÐ¼®»ç·Ê
14Àå º£ÀÌÁö¾È ±ºÁýºÐ¼® Bayesian Cluster Analysis
14.1 º£ÀÌÁö¾È ±ºÁýºÐ¼®ÀÇ °³¿ä
14.2 º£ÀÌÁö¾È ±ºÁýºÐ¼®ÀÇ ºÐ¼®»ç·Ê
15Àå º£ÀÌÁö¾È ¸ÞŸºÐ¼® Bayesian Meta Analysis
15.1 º£ÀÌÁö¾È ¸ÞŸºÐ¼®ÀÇ °³¿ä
15.2 º£ÀÌÁö¾È ¸ÞŸºÐ¼®ÀÇ ºÐ¼®»ç·Ê
16Àå º£ÀÌÁö¾È ³×Æ®¿öÅ© ºÐ¼® Bayesian Network Analysis
16.1 º£ÀÌÁö¾È ³×Æ®¿öÅ© ºÐ¼®ÀÇ °³¿ä
16.2 º£ÀÌÁö¾È ³×Æ®¿öÅ© ºÐ¼®ÀÇ ºÐ¼®»ç·Ê
ã¾Æº¸±â
Klover ¸®ºä (0)
ºÏ·Î±× ¸®ºä´Â º»ÀÎ ÀÎÁõ ÈÄ ÀÛ¼º °¡´ÉÇÕ´Ï´Ù.
Ã¥À̳ª ŸÀο¡ ´ëÇØ ±Ù°Å ¾øÀÌ ºñ¹æÀ» Çϰųª ŸÀÎÀÇ ¸í¿¹¸¦ ÈѼÕÇÒ ¼ö ÀÖ´Â ³»¿ëÀº ºñ°ø°³ ó¸® µÉ ¼ö ÀÖ½À´Ï´Ù.
¡Ø ºÏ·Î±× ¸®ºä ¸®¿öµå Á¦°ø 2021. 4. 1 Á¾·á
±³È¯/¹Ýǰ/ǰÀý¾È³»
¡Ø »óǰ ¼³¸í¿¡ ¹Ýǰ/±³È¯ °ü·ÃÇÑ ¾È³»°¡ ÀÖ´Â °æ¿ì ±× ³»¿ëÀ» ¿ì¼±À¸·Î ÇÕ´Ï´Ù. (¾÷ü »çÁ¤¿¡ µû¶ó ´Þ¶óÁú ¼ö ÀÖ½À´Ï´Ù.)
±³È¯/¹Ýǰ/ǰÀý¾È³»
¹Ýǰ/±³È¯¹æ¹ý |
¸¶ÀÌ·ë > ÁÖ¹®°ü¸® > ÁÖ¹®/¹è¼Û³»¿ª > ÁÖ¹®Á¶È¸ > ¹Ýǰ/±³È¯½Åû ,
[1:1»ó´ã>¹Ýǰ/±³È¯/ȯºÒ] ¶Ç´Â °í°´¼¾ÅÍ (1544-1900)
¡Ø ¿ÀǸ¶ÄÏ, ÇØ¿Ü¹è¼ÛÁÖ¹®, ±âÇÁÆ® ÁÖ¹®½Ã [1:1»ó´ã>¹Ýǰ/±³È¯/ȯºÒ]
¶Ç´Â °í°´¼¾ÅÍ (1544-1900) |
¹Ýǰ/±³È¯°¡´É ±â°£ |
º¯½É¹ÝǰÀÇ °æ¿ì ¼ö·É ÈÄ 7ÀÏ À̳», »óǰÀÇ °áÇÔ ¹× °è¾à³»¿ë°ú ´Ù¸¦ °æ¿ì ¹®Á¦Á¡ ¹ß°ß ÈÄ 30ÀÏ À̳» |
¹Ýǰ/±³È¯ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹Ýǰ/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹Ýǰ/±³È¯ ºÒ°¡ »çÀ¯ |
- ¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óǰ µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì
(´ÜÁö È®ÀÎÀ» À§ÇÑ Æ÷Àå ÈѼÕÀº Á¦¿Ü)
- ¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óǰ µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
¿¹) ÈÀåǰ, ½Äǰ, °¡ÀüÁ¦Ç°(¾Ç¼¼¼¸® Æ÷ÇÔ) µî
- º¹Á¦°¡ °¡´ÉÇÑ »óǰ µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì
¿¹) À½¹Ý/DVD/ºñµð¿À, ¼ÒÇÁÆ®¿þ¾î, ¸¸ÈÃ¥, ÀâÁö, ¿µ»ó Ⱥ¸Áý
- ¼ÒºñÀÚÀÇ ¿äû¿¡ µû¶ó °³º°ÀûÀ¸·Î ÁÖ¹® Á¦À۵Ǵ »óǰÀÇ °æ¿ì ((1)ÇØ¿ÜÁÖ¹®µµ¼)
- µðÁöÅÐ ÄÁÅÙÃ÷ÀÎ eBook, ¿Àµð¿ÀºÏ µîÀ» 1ȸ ÀÌ»ó ´Ù¿î·Îµå¸¦ ¹Þ¾ÒÀ» °æ¿ì
- ½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆÇ¸Å°¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì
- ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡
ÇØ´çµÇ´Â °æ¿ì
(1) ÇØ¿ÜÁÖ¹®µµ¼ : ÀÌ¿ëÀÚÀÇ ¿äû¿¡ ÀÇÇÑ °³ÀÎÁÖ¹®»óǰÀ¸·Î ´Ü¼øº¯½É ¹× Âø¿À·Î ÀÎÇÑ Ãë¼Ò/±³È¯/¹Ýǰ ½Ã ¡®ÇØ¿ÜÁÖ¹® ¹Ýǰ/Ãë¼Ò ¼ö¼ö·á¡¯ °í°´ ºÎ´ã (ÇØ¿ÜÁÖ¹® ¹Ýǰ/Ãë¼Ò ¼ö¼ö·á : ¨ç¼¾çµµ¼-ÆÇ¸ÅÁ¤°¡ÀÇ 12%, ¨èÀϺ»µµ¼-ÆÇ¸ÅÁ¤°¡ÀÇ 7%¸¦ Àû¿ë)
|
»óǰ ǰÀý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ ǰÀý/Áö¿¬µÉ ¼ö ÀÖÀ¸¸ç, ǰÀý ½Ã °ü·Ã »çÇ׿¡ ´ëÇØ¼´Â À̸ÞÀϰú ¹®ÀÚ·Î ¾È³»µå¸®°Ú½À´Ï´Ù. |
¼ÒºñÀÚ ÇÇÇØº¸»ó
ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó |
- »óǰÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, ǰÁúº¸Áõ ¹× ÇÇÇØº¸»ó µî¿¡ °üÇÑ »çÇ×Àº
¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øÈ¸ °í½Ã)¿¡ ÁØÇÏ¿© 󸮵Ê
- ´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ
¼ÒºñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ
|