Heteroscedastic G-Optimal Designs
异方差 G 最优设计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：摘要研究一般统计实验的最优设计，未明确涉及给定领域中的经济数据或研究对象。
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
异方差 G 最优设计
- 研究问题
- 当响应变量的变异程度随紧致设计空间中的位置变化时，如何构造大样本 G 最优设计并比较其与 D 最优设计的效率？
- 方法与思路
- 作者提出异方差 G 最优设计的刻画定理与生成算法，并将比较 D、G 效率的 Atwood 不等式推广到异方差模型。
- 材料陈述的贡献
- 摘要称提供设计刻画、计算算法及效率比较不等式的推广，同时给出若干稳健性性质，但未展开具体条件。
- 阅读关注点
- 阅读时应核对异方差结构如何进入设计准则、刻画定理的条件、算法实现，以及稳健性针对哪些模型偏离。
- 阅读边界
- 仅据所给 Crossref 摘要；具体定理条件、算法收敛与稳健性范围未说明，不能据此判断有限样本表现或版本变化。
原文摘要
SUMMARY This paper addresses the issue of constructing large sample G-optimal designs when the variability of the response varies across a compact design space. A useful characterization theorem is presented along with a computer algorithm for generating (heteroscedastic) G-optimal designs. to facilitate comparisons between D- and G-optimal designs, Atwood's inequality for comparing D- and G-efficiencies in homoscedastic models is generalized to heteroscedastic models. Some robustness properties of these designs are presented.