A note on Bayesian c- and D-optimal designs in nonlinear regression models
非线性回归中贝叶斯 c 与 D 最优设计札记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：摘要研究通用非线性回归的贝叶斯最优设计，未建立经济结构模型或涉及给定领域中的具体估计问题。
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
非线性回归中贝叶斯 c 与 D 最优设计札记
- 研究问题
- 非线性回归的贝叶斯 D 最优与 c 最优设计，能否通过函数空间凸集的边界点表示来刻画，包括估计非线性参数函数的情形？
- 方法与思路
- 作者给出适用于贝叶斯 D 准则的 Elfving 定理版本，并提供 c 准则的类似几何刻画，以 gamma 先验的指数增长模型说明。
- 材料陈述的贡献
- 摘要称用平方可积函数构成的凸集边界点表示刻画贝叶斯最优设计，并将类似刻画用于可能非线性的参数函数估计。
- 阅读关注点
- 核对两种最优准则的具体定义、边界点唯一性的对象，以及先验、信息矩阵和几何表示对设计支持点的限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；凸集构造、定理条件与计算细节未提供，边界点唯一性不能直接理解为最优设计唯一。
原文摘要
We present a version of Elfving's theorem for the Bayesian D-optimality criterion in nonlinear regression models. The Bayesian optimal design can be characterized as a design which allows a representation of a (uniquely determined) boundary point of a convex subset of $L^2$-integrable functions. A similar characterization is given for the Bayesian c-optimality criterion where a (possible) nonlinear function of the unknown parameters has to be estimated. The results are illustrated in the example of an exponential growth model using a gamma prior distribution.