Asymptotic Bayes Criteria for Nonparametric Response Surface Design
非参数响应面设计的渐近贝叶斯准则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：摘要研究响应面预测的贝叶斯实验设计，未明确宏观预测目标或其他所列经济计量方向。
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…
非参数响应面设计的渐近贝叶斯准则
- 研究问题
- 先验可为有限维或无限维、设计空间任意时，如何为响应面预测构造可处理的贝叶斯设计准则，并理解其近似表现？
- 方法与思路
- 作者令误差方差增大，建立 D、G 和 A 最优性的渐近版本，分析所得问题的博弈特征，并研究区间上平稳过程先验示例。
- 材料陈述的贡献
- 摘要称，文章给出若干理论设计解，尤其涉及平稳过程先验，并提供数值证据说明渐近方法在有限域中表现良好。
- 阅读关注点
- 应核对大误差方差渐近与常见大样本渐近的区别、各准则的贝叶斯定义、博弈表述，以及理论解和数值示例的范围。
- 阅读边界
- 仅据版本未注明的索引摘要；先验限制、近似误差与数值设定未说明，不能把有限域中的数值表现推广为普遍预测优势。
原文摘要
This paper deals with Bayesian design for response surface prediction when the prior may be finite or infinite dimensional, the design space arbitrary. In order that the resulting problems be manageable, we resort to asymptotic versions of D-, G- and A-optimality. Here the asymptotics stem from allowing the error variance to be large. The problems thus elicited have strong game-like characteristics. Examples of theoretical solutions are brought forward, especially when the priors are stationary processes on an interval, and we give numerical evidence that the asymptotics work well in the finite domain.