Bayes-féle kísérlettervezés — Bayes-féle optimális kísérlettervezés
A Bayes-féle kísérlettervezés a kísérleti futtatásokat egy hasznossági függvény maximalizálásával választja ki — tipikusan az elvárt információgyarapodás —, amelyet az előzetes modellezési paraméterekre vonatkozó hitelek felett számítanak. Ellentétben a klasszikus tervezéssel, amely rögzített feltételezések mellett algebrai kritériumokat, például D-optimalitást optimalizál, a Bayes-féle Kísérlettervezés (DOE) beépíti az előzetes tudást és a rendszerrel kapcsolatos bizonytalanságot, olyan terveket eredményezve, amelyek elvárás szerint optimálisak minden lehetséges paraméterértékre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/hu/experimental-design/bayesian-design-of-experiments
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- Centrális Kompozit Terv – Válaszfelszíni KísérlettervezésKísérlettervezés↔ összehasonlítás
- KísérlettervezésKísérlettervezés↔ összehasonlítás
- Válaszfelszíni Módszertan (RSM)Kísérlettervezés↔ összehasonlítás
Hivatkozik rá
Similar methods
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →