• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Biometrika >Optimality criteria for regression models based on predicted variance
【24h】

Optimality criteria for regression models based on predicted variance

机译：基于预测方差的回归模型的最优标准

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the context of nonlinear regression models, a new class of optimum design criteria is developed and illustrated. This new class, termed I_L-optimality, is analogous to Kiefer's #PHI#_k-criterion but is based on predicted variance, whereas Kiefer's class is based on the eigenvalues of the information matrix; I_L-optimal designs are invariant with respect to different parameterisations of the model and contain G- and D-optimality as special cases. We provide a general equivalence theorem which is used to obtain and verify I_L-optimal designs. The method is illustrated by various examples
机译：在非线性回归模型的背景下，开发并说明了一类新的最佳设计标准。这个称为I_L-optimality的新类别类似于Kiefer的＃PHI＃_k标准，但基于预测方差，而Kiefer的类别基于信息矩阵的特征值。 I_L最优设计相对于模型的不同参数而言是不变的，并且在特殊情况下包含G最优和D最优。我们提供了一个通用的等价定理，用于获得和验证I_L-最优设计。通过各种示例来说明该方法

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号