Bayesian Experimental Design for Multiple Hypothesis Testing
面向多重假设检验的贝叶斯实验设计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：摘要讨论一般假设检验的贝叶斯实验设计，未明确研究因果效应或所列其他细分主题。
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
面向多重假设检验的贝叶斯实验设计
- 研究问题
- 当实验服务于一个或多个假设检验时，如何定义最优设计，并协调多个检验所对应的相互竞争的设计目标？
- 方法与思路
- 作者采用贝叶斯决策论推导设计准则；单检验对应最小化后验方差，多检验通过约束优化或加权可加损失协调目标。
- 材料陈述的贡献
- 摘要称提出若干新的最优性准则，并指出多重检验设计不仅受参数后验方差影响，也对被检验参数的先验均值敏感。
- 阅读关注点
- 应核对损失函数与检验决策的关系、先验均值进入准则的机制，以及约束优化和加权损失各自对应的设计取舍。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要。摘要未说明模型、先验选择或频率学错误控制性质，不能据此认定适用于因果实验。
原文摘要
The problem of designing an optimal experiment for the purpose of performing one or more hypothesis tests is considered. The Bayesian decision theoretic approach is used to arrive at several new optimality criteria for this purpose. For a single hypothesis test, the resulting optimal designs are the well-known φ-optimal designs that minimize the posterior variance of the parameter being tested. For multiple tests, an experimental design must perform well under several competing criteria. Different approaches to achieving this goal are explored, including constrained optimization and an additive weighted loss. The resulting optimality criteria are sensitive not only to the posterior variances of the parameters under test but also to their prior means.