Robust Designs Based on the Infinitesimal Approach
基于无穷小方法的稳健设计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：摘要研究通用线性模型的稳健实验设计，没有足够文本依据归入所列经济或金融细分。
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
基于无穷小方法的稳健设计
- 研究问题
- 线性模型的实验设计如何在理想模型下控制估计误差，同时抵御响应函数或误差不相关假设发生的小幅偏离？
- 方法与思路
- 作者以均方误差矩阵行列式的 Gateaux 导数约束局部敏感性，在稳健性约束下最小化理想模型中最小二乘估计的误差准则。
- 材料陈述的贡献
- 摘要称，约束较宽时经典最优设计满足稳健标准，约束较严时产生新设计；文中通过具体例子展示这一设计方法。
- 阅读关注点
- 应核对污染方向的函数空间、导数界的尺度与选择方式，以及设计最优化的可行性和局部稳健性对有限偏离的意义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未给出约束范围和实例结果，局部稳健性不能直接推广至任意模型偏离。
原文摘要
We introduce an infinitesimal approach to the construction of robust designs for linear models. The resulting designs are robust against small departures from the assumed linear regression response and/or small departures from the assumption of uncorrelated errors. Subject to satisfying a robustness constraint, they minimize the determinant of the mean squared error matrix of the least squares estimator at the ideal model. The robustness constraint is quantified in terms of boundedness of the Gateaux derivative of this determinant, in the direction of a contaminating response function or autocorrelation structure. Specific examples are considered. If the aforementioned bounds are sufficiently large, then (permutations of) the classically optimal designs, which minimize variance alone at the ideal model, meet our robustness criteria. Otherwise, new designs are obtained.