Bayesiansk forsøksdesign — Bayesiansk optimal forsøksdesign
Bayesiansk forsøksdesign velger forsøkskjøringer ved å maksimere en nyttefunksjon — typisk den forventede informasjonsgevinsten — beregnet over forhåndstro om modellparametere. I motsetning til klassisk design, som optimaliserer algebraiske kriterier som D-optimalitet under faste antakelser, inkorporerer Bayesiansk DOE (Design of Experiments) forhåndskunnskap og usikkerhet om systemet, og gir design som er optimale i forventning over alle plausible parameterverdier.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/no/experimental-design/bayesian-design-of-experiments
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Sentralt komposittdesignForsøksdesign↔ compare
- Design av eksperimenter (DOE)Forsøksdesign↔ compare
- Responsflateanalyse (RSM)Forsøksdesign↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →