Optimal Bayesian Experimental Design for Linear Models
线性模型的最优贝叶斯实验设计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：摘要研究一般线性模型的贝叶斯实验设计，未明确涉及处理效应识别或宏观、金融预测。
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
线性模型的最优贝叶斯实验设计
- 研究问题
- 在线性模型的平方误差损失下，如何为参数线性组合的估计或指定位置的预测选择贝叶斯最优设计，并表达不同目标的重要程度？
- 方法与思路
- 作者用目标线性组合上的分布表达研究兴趣，通过最小化预后验期望损失构造设计准则，并给出几何解释及整数化讨论。
- 材料陈述的贡献
- 摘要称给出与 Elfving 定理相对应的贝叶斯几何刻画、所需观测点数的界及设计例子，并推导多项式回归中的最优预测设计。
- 阅读关注点
- 应核对先验精度与目标权重如何进入设计准则、几何刻画和观测点数界的条件，以及非整数设计取整后的最优性问题。
- 阅读边界
- 索引摘要未注明稿件版本；点数界的具体数值和取整最优性的条件未说明，所述预测设计也不能直接推广为时间序列预测方法。
原文摘要
Optimal Bayesian experimental designs for estimation and prediction in linear models are discussed. The designs are optimal for estimating a linear combination of the regression parameters $\mathbf{c}^T\theta$ or prediction at a point where the expected response is $\mathbf{c}^T\mathbf{\theta}$ under squared error loss. A distribution on $\mathbf{c}$ is introduced to represent the interest in particular linear combinations of the parameters. In the usual notation for linear models minimizing the preposterior expected loss leads to minimizing the quantity $\mathrm{tr}\psi(R + XX^T)^{-1}$. The matrix $\psi$ is defined to be $E(\mathbf{cc}^T)$ and the matrix $R$ is the prior precision matrix of $\theta$. A geometric interpretation of the optimal designs is given which leads to a parallel of Elfving's theorem for $\mathbf{c}$-optimality. A bound is given for the minimum number of points at which it is necessary to take observations. Some examples of optimal Bayesian designs are given and optimal designs for prediction in polynomial regression are derived. The optimality of rounding non-integer designs to integer designs is discussed.