Optimal Bayesian designs for models with partially specified heteroscedastic structure
部分指定异方差结构模型的最优贝叶斯设计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：摘要研究一般回归模型的贝叶斯实验设计，没有明确涉及经济结构估计或其他指定领域，细分归类依据不足。
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
部分指定异方差结构模型的最优贝叶斯设计
- 研究问题
- 当误差方差依赖协变量及未知参数时，如何选择估计多项式回归系数和广义指数增长模型参数的非序贯最优贝叶斯设计？
- 方法与思路
- 作者先解析求解异方差多项式回归的最优贝叶斯设计，分析其对先验的依赖，再据此确定广义指数增长模型的设计。
- 材料陈述的贡献
- 摘要称获得了以最少支持点构成的最优设计；部分准则仅依赖先验均值，一般情形还涉及先验诱导测度的拉普拉斯变换。
- 阅读关注点
- 应核对最优准则、异方差结构和支持点数量的含义，查清不同准则对先验的依赖，以及向指数增长模型转化的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；先验类别、设计空间和解析解条件未提供，不能外推到任意异方差模型或序贯设计。
原文摘要
We consider the problem of finding a nonsequential optimal design for estimating parameters in a generalized exponential growth model. This problem is solved by first considering polynomial regression models with error variances that depend on the covariate value and unknown parameters. A Bayesian approach is adopted, and optimal Bayesian designs supported on a minimal number of support points for estimating the coefficients in the polynomial model are found analytically. For some criteria, the optimal Bayesian designs depend only on the expectation of the prior, but generally their dependence includes the derivative of the logarithm of the Laplace transform of a measure induced by the prior. The optimal design for the generalized exponential growth model is then determined from these optimal Bayesian designs.