Design for Optimal Prediction in Simple Linear Regression
简单线性回归中最优预测的实验设计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：摘要研究通用回归实验设计，未涉及宏观预测或收益预测的具体对象，故不分类。
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
简单线性回归中最优预测的实验设计
- 研究问题
- 当实验取点区域与预测区域可以不同时，如何配置简单线性回归的实验观测，使最大或平均预测方差最小？
- 方法与思路
- 作者分别求解最小化最大预测方差与按给定预测位置密度加权的平均预测方差问题，并比较两端均衡配置。
- 材料陈述的贡献
- 摘要称，文章导出两类最优配置；在小样本且预测位置靠近实验区间端点时，均衡配置的相对效率约为九成。
- 阅读关注点
- 应核对预测对象、实验与预测区域的约束、平均方差的权重密度，以及九成效率结论对应的具体设计与样本条件。
- 阅读边界
- 来源为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明完整误差条件，所述相对效率仅针对特定位置与小样本情形。
原文摘要
Allocation of experimental data points is considered in order to provide efficient prediction of the dependent variable in simple linear regression. The region of experimental points is taken such that it need not coincide with the region for prediction where the regression is linear. The allocation which minimizes the maximum variance for a predicted value of the dependent variable is obtained. The allocation of experimental data points which minimizes the average variance of predicted values, occurring according to a density function in the region of prediction, is derived. The relative efficiency of balanced allocation (one-half of the data points at each end of the experimental region) to minimax or minimum average variance allocation is about 90 percent for prediction near the ends of the experimental region with small samples.