Blocked regular fractional factorial designs with maximum estimation capacity
具有最大估计容量的分块正规部分因子设计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：摘要讨论一般因子实验设计、别名结构和区组混杂，没有明确经济处理效应识别或其他给定细分方向。
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
具有最大估计容量的分块正规部分因子设计
- 研究问题
- 如何构造分块正规部分因子设计，在控制主效应别名及区组混杂的同时，尽可能保留二因子交互作用的估计能力？
- 方法与思路
- 作者将未分块设计中的最小混杂思想扩展到分块设计，兼顾可用二因子交互作用数量及别名集分布，并使用有限射影几何构造。
- 材料陈述的贡献
- 摘要称，获得具有最大估计容量的分块设计的一般构造结果，并用这一具有直接统计含义的模型稳健性准则评价设计。
- 阅读关注点
- 应核对估计容量与最小混杂准则的定义、主效应和区组混杂约束，以及几何构造成立的设计规模和最优性范围。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要，未提供具体构造或证明条件；不能将设计准则下的表现推广为所有模型下最优。
原文摘要
In this paper, the problem of constructing optimal blocked regular fractional factorial designs is considered. The concept of minimum aberration due to Fries and Hunter is a wellaccepted criterion for selecting good unblocked fractional factorial designs. Cheng, Steinberg and Sun showed that a minimum aberration design of resolution three or higher maximizes the number of twofactor interactions which are not aliases of main effects and also tends to distribute these interactions over the alias sets very uniformly. We extend this to construct block designs in which (i) no main effect is aliased with any other main effect not confounded with blocks, (ii) the number of twofactor interactions that are neither aliased with main effects nor confounded with blocks is as large as possible and (iii) these interactions are distributed over the alias sets as uniformly as possible. Such designs perform well under the criterion of maximum estimation capacity, a criterion of model robustness which has a direct statistical meaning. Some general results on the construction of blocked regular fractional factorial designs with maximum estimation capacity are obtained by using a finite projective geometric approach.