Process / pipelineEngineering methods
贝叶斯实验设计 — 贝叶斯最优实验设计
贝叶斯实验设计通过最大化效用函数来选择实验运行，该效用函数（通常是预期信息增益）是根据模型参数的先验信念计算得出的。与在固定假设下优化代数准则（如D-最优性）的经典设计不同，贝叶斯DOE整合了关于系统的先验知识和不确定性，从而在所有合理参数值上产生预期最优的设计。
用 PaperMind 寻找选题即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). Bayesian Optimal Design of Experiments. ScholarGate. https://scholargate.app/zh/experimental-design/bayesian-design-of-experiments
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →