A predictive approach to the Bayesian design problem with application to normal regression models
贝叶斯设计问题的预测方法及其在正态回归模型中的应用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：摘要讨论实验设计中的预测决策理论，未涉及宏观预测、即时预测或收益预测。
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
贝叶斯设计问题的预测方法及其在正态回归模型中的应用
- 研究问题
- 如何从预测决策的角度选择贝叶斯实验设计，并明确先验分布与概率预测损失对最优设计的影响？
- 方法与思路
- 作者使用适当评分规则及概率测度间的二次距离损失，以最小化预后验风险定义最优贝叶斯设计，并应用于正态回归。
- 材料陈述的贡献
- 摘要称，论文建立预测决策论设计方法，并在某些正态回归模型中构造显式最优设计；这些设计通常依赖先验和损失。
- 阅读关注点
- 应核对预后验风险的计算方式、所用评分规则的具体形式，以及显式最优设计对应的回归模型与设计约束。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出适用模型与最优设计公式，预测表述也不意味着宏观预测应用。
原文摘要
A predictive decision-theoretic approach is developed for the Bayesian design problem. The loss functions used are fair Bayes, or proper scoring rules, and are quadratic measures of distance between probability measures. Optimal Bayesian designs are those which minimise the preposterior risk for the decision problem. Such designs typically depend on both the prior distribution and the loss function. The results are applied to certain normal regression models where explicit optimal designs are constructed.