I. 마코브 분석
1. 마코브 분석의 의의
마코브 분석(Markov process model)은 반복적인 시행이나 장기적인 관측을 토대로 확률적 시스템의 변화를 연구하는데 유용한 기법이다. 마코브 분석은 러시아의 마코브(A. A. Markov)에 의하여 1906년에 최초로 개발되었으나 마코브 분석의 정확한 모형은 1923년 뷔너(N. W
Markov Chain Monte Carlo, MCMC) 기법이 많이 사용된다. MCMC 기법은 마르코프체인을 이용하여 사후분포로부터 표본을 생성하고 이 사후표본을 사용하여 사후추론을 수행하는 방법이다. 깁스 추출법, 메트로폴리스-헤이스팅스 알고리듬, 해밀턴 몬테 카를로 등이 대표적인 MCMC 기법이다.
단순한 모델의 경우 R
Markov Chain Monte Carlo, MCMC) 기법이 많이 사용된다. MCMC 기법은 마르코프체인을 이용하여 사후분포로부터 표본을 생성하고 이 사후표본을 사용하여 사후추론을 수행하는 방법이다. 깁스 추출법, 메트로폴리스-헤이스팅스 알고리듬, 해밀턴 몬테 카를로 등이 대표적인 MCMC 기법이다.
단순한 모델의 경우
Markov chain method).
-예측을 위해 알아 볼것들.
1> 종업원들의 결근율.
2> 이직 가능성.
3> 승진과 같은 조직 내부 인력의 잠재적인 변화.
내부 노동시장을 통한
인력공급 예측
1> 기능 목록표 (Skill inventory).
개별 종업원의 업무 관련 현황 전체를 기록 .
새로운 직무와 직위에 얼마나 적합 한지를 파악할 수 있
인력 공급예측
기술목록(skill inventory)
? 개인의 직무적 합성에 대한 정보를 정확하게 찾아내기 위한 장치
? 보유기능, 조작이 가능한 기계ㆍ장비ㆍ도구, 현재 담당하고 있는 직무의 내용 및 책임의 정도, 교육수준, 경력, 교육훈련, 직무성과, 강점 및 약점 포함
마코브 분석(Markov chain method)
? 시간의