实验设计指南  • 离散选择设计 • 选择设计概述 • Bayesian D 最优性
上一个
 • 
下一个
Bayesian D 最优性
由于离散选择模型的参数是非线性的，选择设计的效率取决于未知参数。“选择设计”平台使用 Bayes 方法，该方法基于您指定的可能参数值的先验分布优化设计。Bayes D 最优性准则是信息矩阵对先验分布取得的行列式的对数期望值。“选择设计”平台最大化相对于先验概率分布的这一期望值。详细信息，请参见Bayes D 最优性和设计构造和 Kessels et al. (2011)。
您还可以生成以下类型的设计：
•
效用平均设计 - 在效用平均设计中，选择集中的所有选择的可能性都是同等的。先验均值设置为 0。
•
局部 D 最优设计 - 局部 D 最优设计考虑先验均值，但不包括来自先验协方差矩阵的任何信息。
有关效用平均和局部 D 最优设计的详细信息，请参见效用平均和局部 D 最优设计。