±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
2013³â 9¿ù 9ÀÏ ÀÌÈÄ ´©Àû¼öÄ¡ÀÔ´Ï´Ù.
Á¤°¡ |
28,000¿ø |
---|
28,000¿ø
840P (3%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
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» »ìÆ캸¾Ò´Ù. ¸ÕÀú, º£ÀÌÁö¾È Åë°èÇÐÀÇ ±âº»ÀÌ µÇ´Â º£ÀÌÁö¾È °¡¼³°ËÁ¤À» Áß½ÉÀ¸·Î »ìÆ캸¾ÒÀ¸¸ç, ¾Æ¿ï·¯ º£ÀÌÁö¾È »êÁ¤¿¡ ´ëÇÑ Á¦¹Ý ºÐ¼®¹ý, ±×¸®°í Monte Carlo ºÐ¼® µîÀ» »ìÆ캸¾Ò´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 ÇÑ°è°¡ 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 ÆǺ°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.
¸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 ÆǺ°ºÐ¼® Bayesian Linear Regression Analysis
13.1 º£ÀÌÁö¾È ÆǺ°ºÐ¼®ÀÇ °³¿ä
13.2 º£ÀÌÁö¾È ÆǺ°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
°ü·ÃÀ̹ÌÁö
ÀúÀÚ¼Ò°³
»ý³â¿ùÀÏ | - |
---|
ÇØ´çÀÛ°¡¿¡ ´ëÇÑ ¼Ò°³°¡ ¾ø½À´Ï´Ù.
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °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 |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.