Baijesa daļējā faktoriālā plānošana
Baijesa daļējā faktoriālā plānošana integrē Baijesa iepriekšējo informāciju daļējo faktoriālo eksperimentu atlases un analīzes procesā. Tā vietā, lai veiktu katru faktoru līmeņu kombināciju, tiek izpildīta tikai rūpīgi izvēlēta izmēģinājumu apakškopa, izmantojot Baijesa secinājumus, lai novērtētu efektus un kvantificētu nenoteiktību — pat tad, ja klasiskā aliasinga struktūra atstāj efektus sajauktus.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- DuMouchel, W., & Jones, B. (1994). A simple Bayesian modification of D-optimal designs to reduce dependence on an assumed model. Technometrics, 36(1), 37–47. DOI: 10.2307/1269197 ↗
- Meyer, R. D., & Steinberg, D. M. (1996). Follow-up designs to resolve confounding in multifactor experiments. Technometrics, 38(4), 303–313. DOI: 10.1080/00401706.1996.10484538 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Fractional Factorial Experimental Design. ScholarGate. https://scholargate.app/lv/experimental-design/bayesian-fractional-factorial-design
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Bējesa eksperimentu plānošanaEksperimentu plānošana↔ salīdzināt
- Centrālais kompozītais plānsEksperimentu plānošana↔ salīdzināt
- Metodoloģija virsmas atbildes (RSM)Eksperimentu plānošana↔ salīdzināt
Uz to atsaucas
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →