Diseño Experimental Bayesiano — Diseño Experimental Óptimo Bayesiano
El diseño experimental bayesiano selecciona ensayos experimentales maximizando una función de utilidad —típicamente la ganancia de información esperada— calculada sobre creencias previas acerca de los parámetros del modelo. A diferencia del diseño clásico, que optimiza criterios algebraicos como la D-optimalidad bajo supuestos fijos, el Diseño Experimental Bayesiano (DOE Bayesiano) incorpora conocimiento previo e incertidumbre sobre el sistema, produciendo diseños que son óptimos en esperanza para todos los valores plausibles de los parámetros.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- Chaloner, K., & Verdinelli, I. (1995). Bayesian Experimental Design: A Review. Statistical Science, 10(3), 273–304. DOI: 10.1214/ss/1177009939 ↗
- Ryan, E. G., Drovandi, C. C., McGree, J. M., & Pettitt, A. N. (2016). A Review of Modern Computational Algorithms for Bayesian Optimal Design. International Statistical Review, 84(1), 128–154. DOI: 10.1111/insr.12107 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/es/experimental-design/bayesian-design-of-experiments
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Diseño Compuesto CentralDiseño experimental↔ comparar
- Diseño de ExperimentosDiseño experimental↔ comparar
- Metodología de Superficie de Respuesta (RSM)Diseño experimental↔ comparar
Citado por
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →