Optimal regression designs with previous observations
利用既有观测的最优回归设计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：摘要研究一般线性回归的最优实验设计，未明确涉及因果推断或其他所列领域。
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
利用既有观测的最优回归设计
- 研究问题
- 在线性回归已有观测且新增设计点数量固定时，如何在单位球内选择解释变量取值，并理解不同最优设计准则的关系？
- 方法与思路
- 作者构造纳入既有观测的 D 最优设计，讨论既有数据对 D 与 E 最优性关系的影响，并比较逐次最优与整体最优设计。
- 材料陈述的贡献
- 摘要称给出了利用既有观测构建 D 最优设计的方法，同时讨论序贯选择与整体优化的关系，并简要联系贝叶斯设计。
- 阅读关注点
- 应核对既有设计的信息矩阵条件、单位球约束及新增点的构造，以及逐次最优何时与整体最优一致或产生差异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供构造算法、等价条件或效率损失，贝叶斯设计仅有简要评论，不能扩写为完整方法。
原文摘要
A method is developed for constructing D-optimal designs in a linear regression context with k explanatory variables, when previous observations are available and a fixed number of new sets of values of the explanatory variables are to be chosen within the unit sphere. The effect of previous observations on the relationship between D-optimality and E-opti-mality is discussed. The relationship between designs constructed sequentially to be optimum for each new set of values and fully optimal designs is also discussed. Some brief comment is made on the relevance of the ideas to Bayesian design.