ScholarGate
Asisten
Process / pipelineEngineering methods

Desain Eksperimen Bayesian — Desain Eksperimen Optimal Bayesian

Desain eksperimen Bayesian memilih percobaan dengan memaksimalkan fungsi utilitas — biasanya perolehan informasi yang diharapkan — yang dihitung berdasarkan keyakinan awal tentang parameter model. Berbeda dengan desain klasik, yang mengoptimalkan kriteria aljabar seperti D-optimalitas di bawah asumsi tetap, DOE Bayesian menggabungkan pengetahuan awal dan ketidakpastian tentang sistem, menghasilkan desain yang optimal dalam ekspektasi di seluruh nilai parameter yang masuk akal.

Temukan Topik dengan PaperMindSegeraApply, compare, get guidance
Tools & resources
Unduh salindia
Learn & explore
VideoSegera

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. Chaloner, K., & Verdinelli, I. (1995). Bayesian Experimental Design: A Review. Statistical Science, 10(3), 273–304. DOI: 10.1214/ss/1177009939
  2. 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

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/id/experimental-design/bayesian-design-of-experiments

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateBayesian Design of Experiments (Bayesian Optimal Design of Experiments). Diakses 2026-06-17 dari https://scholargate.app/id/experimental-design/bayesian-design-of-experiments · Set data: https://doi.org/10.5281/zenodo.20539026