没有合适的资源?快使用搜索试试~ 我知道了~
Journal of the Egyptian Mathematical Society 25(2017)212原创文章基于概率的最优性、参数估计和模型判别新墨西哥州基拉尼科学学院,Menoufia大学,Shebin El Koom,埃及Ar ticlei n f o ab st ract文章历史记录:2016年7月15日收到2016年12月3日修订2017年1月3日接受2017年1月26日在线发布MSC:62-XX62Kxx62K05保留字:D-最优性P-最优性KL-最优性Kullback–Leibler本文将引入一种新的复合最优性准则。这个准则称为PDKL-最优性。所提出的准则旨在引入设计满足最大成功概率、有效参数估计和真实模型。给出并证明了PDKL-最优性准则的一个等价定理.© 2017埃及数学学会. Elsevier B. V.制作和托管这是CC BY-NC-ND许可下的开放获取文章。(http://creativecommons.org/licenses/by-nc-nd/4.0/)的网站上进行了介绍。1. 介绍D-最优性准则是实现有效参数估计的常用准则。关于D-最优性的更多细节,参见[1D-最优设计是基于选定的最优性准则和适用模型的常规优化。在文献中,有几个最优性标准用于区分模型(Ds -,T-和KL-标准)。这些标准中的每一个在一定的条件和情况下都是适用的。当实验者需要判别嵌套模型时,可采用Ds准则。因此,对于两个嵌套回归模型,其参数相差s> 1。[4,5]中引入的T-最优性准则是一种不同的判别模型的方法.该准则适用于两个或多个回归模型,并适用于线性或非线性模型。但是,对于具有高斯误差的同方差模型,必须使用T-准则进行判别。Ucin′ski和Bogacka[6]对非齐次方差误差的T-准则作了推广。为了区分随机误差服从任何分布的更广义模型[7,8],引入了KL准则,取决于此外,当误差分布为正态分布时,T-准则是齐次方差情形下KL-准则的一种特殊情况,并且由Ucin′ski和Bogacka[6](在齐次方差情形下)给出了一般性准则.最后,KL准则适用于竞争模型嵌套或不嵌套、同方差或异方差以及分布具有正态误差的情况。有时,实验者希望最大化结果的可能性。为此,McGree和Eccleston[9]提出了一个P-最优性准则,它提供了观察结果的最大概率。此外,存在实验者可能对实现多个目标感兴趣的情况。为此,本文将导出PDKL最优性准则。该准则提出了一种复合准则的设计方法,使设计具有有效的参数估计、真实的模型和高概率的最佳结果。第二部分介绍了一种模拟的、可编程的计算机辅助设计方法。对D-、KL-、P-最优设计进行了简单回顾。复合设计准则DKL-和DP-最优设计第3节。 最后,一个新的标准称为PDKL-最优性将被导出,在第4中证明了一个等价定理。电子邮件地址:neveenkilany@hotmail.comhttp://dx.doi.org/10.1016/j.joems.2017.01.0021110- 256 X/© 2017埃及数学学会。Elsevier B. V.制作和托管这是CC BY-NC-ND许可下的开放获取文章。(http://creativecommons.org/licenses/by-nc-nd/4.0/)的网站上进行了介绍。可在ScienceDirect上获得目录列表埃及数学学会期刊首页:www.elsevier.com/locate/joems.P我.||Pj=1JJJ.Σ∫χ.Σx,x我=我.P ΣPij=1[M(θ,θ)]=我我我我我我我 我我我I21(1999)I12()M1θ,θ11;∈2121j=1IJ我 PiJ我D1新墨西哥州Kilany/Journal of the Egyptian Mathematical Society 25(2017)212-2152132. D-、KL-、P-最优设计2.1.KL-最优设计López-Fidalgo等人[8]引入了一个判别两个模型的准则,该准则考虑了非正态模型情况下T-准则的推广。这个准则称为KL准则,它的定义取决于两个统计模型之间的设y为随机变量,设f1(y,x,θ1)和f2(y,x,θ2)为y,x∈χ和的两个竞争概率密度函数对于未知参数,θi∈©i,i=1,2.假设f1(y,x,θ1)2.3. P-最优设计通常,实验者要求获得结果的最大概率。为此,McGree和Eccleston[9]提出了一个P-最优性准则。P-最优性准则是一种旨在最大化观察特定结果的概率函数的P-最优性的一种形式,定义为成功概率的加权和的最大化,定义如下:(nπ。θ,θw,forrj=1,2,,n........................是f1(y,x,θ1)和另一个模型f2(y,x,θ2)是其中,πj(θ,θj)是由θj给出的第j次成功概率,是与第j个支撑点相关的实验工作量在I(f1,f2,x,θ2)=θf(y,xθ)logf1(y,x;θ1)dy, xχf(y,x;θ)设计权重这一标准已经包括在内,并将在最大化概率方面发挥作用。χ2 2其中,由实验者从设计中生成的实验条件x是属于实验域x<$Rm的随机变量(或随机向量),m≥1。对于两个竞争模型f1(y,x,θ1)和f2(y,x,θ2),我们可以通过以下函数n.ΣKL最优性准则由下式给出:∫=我Pi(j=1I21(V)minθ2∈©2(f1,f2,x,θ2)<$(dx)(1)χ其中,πij(θi,θj)是模型fi(y,x;θ)和θ是两个可能模型的参数。一个德-我我KL-最优设计是使I21(λ)最大化并降低I 21(λ)的设计。符号P-最优设计是一种高成功概率P-最优设计注意到的是,我的对于正则设计,López-Fidalgo等人[8]证明,模型fi(y,x;θi)当且仅当<$Pi(x,<$Pi)≤0,x∈χ,其中若f<$21(x,<$21)≤0,x∈χ,则<$21是KL-最优设计,其中,21(x,(dx)f1,f2,x,θ−我f1,f2,x,θ.P(x)−ξ∗Σ是I21(π)的方向导数。设计的KL-效率∗是φPi(φ)的方向导数。设计的性能相对于最佳设计,相对于最佳设计,我 ()21P.nπijθi,jwjEff21(λ)=I. 中国(2)E ffPi(λ)=.nπ。θ,θ=1,2(6)2.2. D-最优设计D-最优性是重要的设计准则,由[10]引入,它关注参数估计的质量。 D-最优性的思想依赖于信息矩阵M(θ,θ)的行列式的对数最大化,log|M(θ,θ)|或等价地,最小化信息矩阵log的逆的对数行列式|M1(θ,θ)|.在D-最优性的一般上下文中[11]重新定义了D-最优性准则如下:. 洛格|M(θ ,θ)|如果|M(θ ,θ)|是非奇点r,3. 化合物设计准则在某些情况下,从业者可能对多个目标感兴趣。为了实现可能的目标,可以使用复合标准。复合准则优化了多个目标函数的组合,通过最大化加权乘积的效率来塑造。在本节中,将介绍DKL-和DP-化合物标准。DKL-最优性的目标是获得有效的参数估计和真模型,DP-最优性的目标是获得有效的参数估计基于概率的优化迪我我−∞如果|M i(θ i,θi)|是单数(三)3.1.DKL-最优设计其中Mi((x,θi),θ i)= x∈χ Ji(x,θi)<$(x)是对应于概率密度函数fi(y,x;θi)的信息量,i= 1,2,Ji(x,θi)是y在x处的单个观测的Fisher信息矩阵。一个设计<$D<$i是一个D-最小设计,如果<$Di(x,<$D<$i)≤0,x∈χ,其中<$D(x,θ)=tr<$M−1(<$,θ)J(x,θ)<$−q,i=1, 2Tommasi[12]介绍了对偶目标的DKL-最优性准则,两个竞争模型的判别及其参数的有效估计。 为了区分f1(y,x;θ1)和f2(y,x;θ2)模型,考虑了两种可能的KL准则,即I21(θ 1)和I12(θ2),但嵌套模型的情况除外,在嵌套模型中,必须将最大的模型视为真模型。DKL最优性定义如下是D-准则函数的方向导数。 D-任何设计的效率由下式给出:.1.2...211212112- 是的 α3/q1.1/qDKL(22我我ψPiCUPФ|M(ξ,θi)|. M2θ,θD.2I. ξ∗ΣI. ξ∗Σ. M.θ,θE ffDi()=. M. 好吧,θ θ。i= 1,2.(四).. .- 是的1−α1−α2−α3/q2DiiM2θ,θ×。.-是的(七)其中qi是每个模型的参数数i=1i=1α。 .- 是的n.我我logIDKL(λ)=α1log I21(λ)+α2log I12(λ)+qlog M1θ,θ2112D1D2123D2(x,x)12.Mθ,θ.年q.M.θ,θQ2j= 11 J1JJj= 12 J2JJ1我我我ΔPDKL(Δ)=α1logI21(Δ)+α2log I12(Δ)+log M1θ,θ1J1J最佳设计表明导数函数, ΔDP(x,ΔDP)≤21x,21xDPDPQDPD 2(x,1θ,埃夫P(x)−PDPQ1.∗2112.212112121D12D2JQ25北纬214度Kilany/ Journal of the Egyptian Mathematical Society 25(2017)212当我们的心在一起的时候。3αi=1,0≤αi≤1。这些coepeccient s说明了各部分设计准则的重要性德-• 链接函数g(.)它描述了均值E(Yi)=μi如何依赖于线性预测因子g(μ)=Y。对(7)的对数进行运算得到,3 .第三章。 .- 是的12• 方差函数,描述方差Var(Yi)如何依赖于均值V ar(Yi)=φ(V(μ))+1 − α1 − α2 − α3 log。M. θ,θ(八)涉及到“”、“”、“”和“”的术语必须忽略,当其中色散参数φ是常数。在GLM中,误差或噪声具有放松的假设,其中它可以是正态分布,也可以不是正态分布。 一些共同的联系最大化将被接管。 DKL优化设计,最大化logDKL()。DKL-最优设计的等价性定理是:有向目标函数<$DKL(x,<$DKL)≤0,利用恒等式、logit、log和probit的连接函数,归纳出传统的线性回归、逻辑回归、Poisson回归模型。的 式 的 PDKL最优性 可以 被 衍生 使用DKL(x,21(x,I(λ)+αα12(x,γ)α3I(I)+D1(x,x)P-、D-和KL-最优设计的加权几何平均效率设计。即1−α−α−α.是的。是的。 ..- 是的 3.. .- 是的Σα4I21(1999)I12()12q2I. ξ∗ΣI. ξ∗Σ. M. θ,θ. M. θ,θ3.2.DP-最优设计..nπ。θ,θw1JP11第五章. .nJπ。θ,θw2JP22Σα6× .nπ。θ,θ,.nπ. θ,θ,(十一)标准 从化合物设计准则的定义出发,DP-最优性定义了相对于D-和P-最优性的效率设计的加权几何平均值。即其中系数6αi= 1且0 ≤ αi≤ 1,i = 1,2,. . . ,6.为了解释设计准则的结构,取方程的对数。( 十一)、除了一些常数项外,最大化将是.. M. θ,θα/q1。 .nπ。θ,w1−αα3。 - 是的DP(V)=. M.θ,θ.nπ。θ,θ,(9)q1i=1IPin+4log M θ,θ+ αlog。π. θ,θwα。.- 是的..卢恩1i=162JJJ2log DP(log)=qlog. M1θ,θ。+(1 −α)log πiθ,iwi(10))∗∗+α log。π。θ,θw(十二)忽略了包含CNOD和CNOP当取最大值时为常数。一个DP-最优解-APDKL-optimummdesign,PDKL ,最大化PDKL(二)。方向-sign,符号,最大化对数(二)。DP的等价定理-方程的导数函数(12)由下式给出:DPDP。Σα,其中ψ(x,x)2D1(x,x)PDKL1PDKL(x,θ,θf(x)α4βP(x,β)Q2nπ.好吧ξ∗ΣΣ中国共产党j=11 J1JJn(x,n)π2jθ 2,πjwj+(1 − α)。∗Σ+α6。二、Σ(十三)其中,f(x)T是设计矩阵X= {f(x1)T,f(x n)T}。4. PDKL-最优设计在本节中,我们将介绍一个新的复合标准;称为PDKL最优性。PDKL-最优性准则旨在获得参数估计、模型判别和基于概率的最优性的最大联合效率。新准则适用于二值数据的不同广义线性模型GLM。GLM将回归的正态理论推广到属于单参数指数族的任何分布。除了正态分布外,这还包括伽马分布、泊松分布和二项分布,所有这些分布在数据分析中都很重要。GLM将随机项(独立项)响应Y)到线性预测器(Xβ)的系统项,通过链接函数g(.)。考虑广义线性模型GLME(Y)=μ=η=g−1(Xβ)它由响应Y的分布、线性预测因子η和两个函数定义:Q2+为了参数估计和基于概率的目的McGree和Eccleston[9]提出了DP-最优性j=1j=1i=1取(9)的对数,2j=1Jj=1)=α+αα12(x,γ)α3公司简介我21 ()我12 ()Q11+αnj=112PDKL-最优性的一般等价定理可以是:如下所述西奥·雷姆。 对于PDK L-优化设计,PDKL的以下条件是等效的。(i) 一个设计的方向导数φPDKL为PDKL-optimu的充要条件是满足线性方程φPDKL(x,φPφDKL)≤0, x∈x,其中方向导数φPDKL由下式给出:当量(十三)、(ii) 在最优设计点处,确定了最优解的上界.(iii) 对于任何非最优设计,这是一个设计,PDKL(x∈χ证据设λ1和λ2为任意两个设计,<λ1为常数.从KL准则函数的定义可以得出:I12[λ <$1+(1−λ)<$2]j=1j=1i=1j=11J1JJj=12J2JJ=.J..新墨西哥州Kilany/Journal of the Egyptian Mathematical Society 25(2017)212-215215minλ[(f2,x,θ2),(f1,x,θ1)]<$1(dx)θ1∈©1χ∫Σ+(1−λ)χJ[(f2,x,θ2),(f1,x,θ1)]<$2(dx)引用[1] V.V. 费多罗夫,最优实验理论,学术出版社,纽约,1972年。[2] A. Pazman,最优实验设计基础,Reidel,Dordrecht,1986.[3] A.C.阿特金森,A.N.邓文,最优实验设计,北京:人民出版社,1992。≥λI12(λ 1)+(1−λ)I 12(λ 2)其中最后一个不等式通过替换每个项<$J[(f2,x,θ2),(f1,x,θ1)]<$j(dx),j=1, 2其最小值为I12(?j),j=1,2. 因此KL-判据函数是凹函数和因此的丝束第一方面在当量 (12)是凹函数 第三和第四项的Eq。(12)是两个竞争模型f1(y,x,θ1)和f2(y,x,θ2),它们是凹最优性准则。还有,那以后nπ(θ,θ)w≥0和.nπ(θ,θ)w≥0,使得[4] A.C. Atkinson,V. V. Fedorov,区分两个竞争模型的实验设计,Biometrika62(1975)57[5] A.C.张文龙,最佳设计:判别模型的实验,国立台湾大学机械工程研究所硕士论文,2000。[6] D. 乌奇恩斯克我,B。 Boga aa,T-最优设计对两种多响应动态模型的区分,J. R.Stat. Soc. B 67(2005)3[7] J. López-Fidalgo角托马西省Tranda fir,区分异方差模型的最优设计,在:S.M.叶 尔 马 科 夫 Melas ( Eds. ) , Proceedings of the 5th St Petersburg WorkshopSimulation,St Petersburg University,St Petersburg,2005,pp. 第429-436页。[8] J. López-Fidalgo角托马西省Tranda fir,用于区分非正态模型的最优实验设计标准,J. R. Stat. B 69(2007)231-242。[9] J.M. Mcgree,J.A. Eccleston,基于概率的优化设计,Aust。N. Z. J.统计50(1)(2008)13-28。[10]A . Wald,On the Efficient Design of Statistical Investigation,Ann.数学Stat.14日志nπ1j(θ1,θ j)w j和lognπ2j(θ2,θ j)w j是凹函数,选项。 因此,Eq. (12)是凹函数的凸组合,由于系数αi,i=1, 2, 3, 4, 5, 6满足条件,(1943)134-140.[11]S.D. Silvey,最优设计,Chapman &Hall,伦敦,1980年。[12]C.张文,张文军,等.模型识别与参数估计的最优设计.Stat. 计划推论139(2009)4123选项。6αi=1,0≤αi≤1。因此,PDKL的设计要求是:在Eq中定义。(12)是凹函数。因此,PDKL准则满足凸最优设计理论的条件,从而证明了一个等价定理χ
下载后可阅读完整内容,剩余1页未读,立即下载
![.pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)