Optimal Experimental Design for Polynomial Regression
多项式回归的最优实验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及多项式回归的通用实验设计，未明确讨论处理效应、因果识别或其他所列领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多项式回归的最优实验设计
- 研究问题
- 当回归函数可由多项式较好近似时，如何选择实验设计，在既定模型下的函数推断与模型充分性检查之间取得平衡？
- 方法与思路
- 作者提出并讨论两种最优性准则，以近似线性的回归函数为详细示例，比较这些准则产生的设计与已有设计。
- 材料陈述的贡献
- 摘要称，两种准则协调函数推断和模型检查的目标，所得设计在某些方面优于包括最小偏差设计在内的既有方案。
- 阅读关注点
- 应核对两种准则的数学定义、模型近似误差如何进入设计，以及所谓某些方面更优对应的指标与比较条件。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；准则公式、优势指标与适用条件未说明，不能把局部比较理解为普遍最优。
原文摘要
The problem of choosing the optimal design to estimate a regression function which can be well-approximated by a polynomial is considered, and two new optimality criteria are presented and discussed. Use of these criteria is illustrated by a detailed discussion of the case that the regression function can be assumed approximately linear. These criteria, which can be considered as compromises between the incompatible goals of inference about the regression function under an assumed model and of checking the model's adequacy, are found to yield designs superior in certain respects to others which have been proposed to deal with this problem, including minimum bias designs.