发布日期: 09/18/2023

Bayesian D 最优性

“选择设计”平台使用 Bayes 方法基于您指定的可能参数值的先验分布来优化设计。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。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。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:

效用均等设计 - 在效用均等设计中,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。

有关效用均等和局部 D 最优设计的详细信息,请参见效用均等和局部 D 最优设计

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).