Reka Bentuk Eksperimen Bayesian — Reka Bentuk Eksperimen Optimal Bayesian
Reka bentuk eksperimen Bayesian memilih jalankan eksperimen dengan memaksimumkan fungsi utiliti — lazimnya keuntungan maklumat jangkaan — yang dikira ke atas kepercayaan terdahulu tentang parameter model. Tidak seperti reka bentuk klasik, yang mengoptimumkan kriteria algebra seperti D-optimality di bawah andaian tetap, DOE Bayesian menggabungkan pengetahuan terdahulu dan ketidakpastian tentang sistem, menghasilkan reka bentuk yang optimum dalam jangkaan merentasi semua nilai parameter yang munasabah.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/ms/experimental-design/bayesian-design-of-experiments
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Reka Bentuk Komposit BerpusatReka Bentuk Eksperimen↔ banding
- Reka Bentuk EksperimenReka Bentuk Eksperimen↔ banding
- Metodologi Permukaan Gerak Balas (RSM)Reka Bentuk Eksperimen↔ banding
Dirujuk oleh
Similar methods
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →