1) D-optimal design
D-最优设计
1.
The Linear log quotient Mixture Model for the design space, there has been the analysis solution of D-optimal design given an A- optimal design by professor Guan Ying nan.
针对设计空间为的线性对数比模型 ,已有D-最优设计的分析形式的解并由关颖男教授给出了A -最优设计。
2.
Three major methods of experimental design, such as Orthogonal design, D-optimal design and U-niform design are reviewed and compared.
论述和比较了三种主要的试验设计:正交设计、D-最优设计、均匀设计,探讨其在化工工艺中的应用。
3.
In the paper,We induce high degree Polnomial regression models D-optimal design in [-1,1]with the help of inserting Points and get the same conclusion as literature[1]in another han
利用插值详细推导了[－1，1]上多项式回归模型饱和D-最优设计的条件，从另一角度得到与文献[1]相同的结
2) D-optimal design
D最优设计
3) D-saturation optimum design
D饱和最优设计
1.
【 Method】 The micro-spot trials were carried out in rain-protection shed under the condition of drip fertigation by“311-B”D-saturation optimum design.
【方法】在滴灌施肥条件下,采用“311-B”D饱和最优设计,通过旱棚防雨条件下进行田间微区试验。
4) D-optimum design
D饱和-最优设计
5) The most excellent design as D saturation
饱和D最优设计
6) D-and A-optimal designs
D-和A-最优设计
1.
D- and A-optimal designs are investigated in this paper.
主要研究一类支撑点为各顶点X (1,0,…,0)和各棱中心X (1/2,1/2,0,…,0)的设计,根据D-和A-最优设计准则得到最优设计测度r1*和r2*。
补充资料：最优设计
最优设计
optimum design
最优设计(optimum design)在给定因子空间二内实验单元数N相等的所有试验方案(。)中，各回归系数的广义方差V(。)最小的试验方案。该方案的广义方差V(。)与其信息矩阵A(。)的行列式值}A(。)l的平方根成反比:V(c)=(m十2)了犷了(l)r(粤+l)丫IA(‘)l 乙式(1)中r为r(x)函数，.是回归系数的数目.相关矩阵C(幻是信息矩阵A(的的逆矩阵，由}A(。)}·!C(‘){二1，即}A(。)1大等价于}C(。)}小，得出以下三个等价条件:V(“)二而nV(‘)}A(‘.)}=max}A(。)}}C(“)}=min IC(‘)}(2)V(‘’)是因子空间，内的D一最优设计方案，即最优设计是在因子空间中可能产生的试验方案(。)中信息矩阵行列式值最大，也是相关矩阵行列式值最小的试验方案。最优设计的出发点是优化回归方程的统计性质。 最优设计试脸方案通常用数值方法构造，先给定一个初始方案，然后用计算机构造出一系列方案的信息矩阵行列式值}A(。)l逐渐增大，并收敛于仆最优设计方案。 最优设计有一次和二次模型的区别，也有饱和的与非饱和的区别.饱和设计是回归模型中参数数目与试脸方案中不同处理内容的实验单元的数目相等，也就是可以获得回归模型中各项参数的规模最小的试验方案。饱和设计不仅节省人力、物力、经费，而且更适合于肥料试脸网多点试脸. 一次饱和D-最优设计的回归模型为: y.二几+风x.1+凡x。+…+凡二，+‘(3) (四~1，2，…，P+1;j=l，2，…，P) 二次最优设计的回归模型为: y一几+至月，茶，+全且，乙，+。.(4) ，.1“z 。二1，2，…，咪十‘(饱和设计) a二l，2，…，哪十‘，…，N(非饱和设计.N>咪十‘) i，j=2，3典体的设计方案已有规范化的表格可查.多于四个因索的只提出了一些较好的试验方案. 十多年来中国肥料研究人员已广泛应用最优设计进行肥料试脸.由于饱和设计总自由度与回归自由度相等，不能进行F检脸，不设重复的单点饱和设计试脸不能对试脸误差作出估计。但在肥料试验网中可以采用饱和设计广泛进行试验，取得大量设计方案相同的试脸数据.用数值分类方法将不同点的试验资料进行分类.每个类型已包含试验结果相似的试验点若干个，类型内的总自由度大t增加，就可以进行显著性检脸。这时最优设计参数估什精度高的优越性即可充分发挥，即能求得精度最高的预测值作出区间估计.最优设计的不足是各处理组合都分布在因子空间的边缘.在最受人关心的因子空间中部只能依赖计算估计，以致在统计学的优良性方面与专业研究要求方面有时不能统一。 (陶勒南)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条