第四章最优回归设计 《试验设计与建模》课件.pptxVIP

归设计

1

实际中，有时试验者根据一些先验知识知道真实

模型的类型，例如线性模型、二次线性模型、指

数模型等等，但其中有一些未知参数待估。

y=f(x,θ)+ε

式中，函数f形式已知，θ为参数。

安排试验使得模型的参数得以最准确的估计

最优回归设计目标

2

例4.1.(例2.1续).

在该工业试验中，设因素温度的范围为[50℃,90℃]。根据先验知识，试验者知道响应值y与因素温度x之间的模型为二次线性模型

y=β₀+β₁x+β₂x²+e.

■若试验次数为15,如何安排试验?

■最优准则如何确定?

4.1信息矩阵和最优准则

3

矩阵G称为广义设计矩阵，信息矩阵为：

M=GG/n

模型

y=Gβ+E

式中

A.信息矩阵

4

连续设计与确定性设计

试验总数：n=n₁+·+n,,

布，并称为确定性设计

一般的，连续设计如下：(w;不一定为1m的倍数)

在试验区域X中的一个设计可以表为

也可表为概率分

5

在线性回归模型y=Gβ+g中，任一点x的响应预测值为

(x)=g(x)β,

该无偏估计的方差为：

标准化方差

标准化方差

6

E(v)=β₀+β₁x,x∈[-1,1],

设试验点为xj,…,x,,则信息矩阵为

例4.2.一元线性回归模型

7

设计

试验次数

设计点

I

2

-1

Ⅱ

3

-1

0

Ⅱ

3

-1

IV

4

-1

-1/3

1/3

x∈[-1,1].

单因素试验的几个简单的设计

则d(x,f)=1+x²,x∈[-1,1].

8

由此，若采用表4.2中设计II,可得设计IⅡ的标准化方差为

d(x,Sn)=3-9m²/2+9x⁴/2,x∈[-1,1].

因此，在设计点-1,0或1上标准化方差达到最大值3.

例4.3.(例4.1续)二次线性模型

设试验点为xj,…,x,,则信息矩阵为

9

模型

设计

试验次数

GG

maX(

一元线性模型

设计I

设计Ⅱ

设计Ⅱ

2

3

3

4

6

8

2

2.5

3

一元二次模型

设计Ⅱ

设计IV

3

4

4

7.023

3

3.814

表4.2中各设计的结果

10

最常见的最优准则为D-,A-和E-准则，分别如下

Ep(M(ξ))=|M(§)|-1

重A(M(ξ))=tr(M(§)-1)

φg(M(ξ))=λmax(M(ξ)-1)

最小化上述准则的设计分别称为D-,A-和E-最优设计。

B.最优准则

记连续设计ξ的信息矩阵为

11

■D-最优设计：最小化参数β的置信椭球的体积

■A-最优设计：最小化最小二乘估计β

的平均方差值

E-最优设计：使得单位向量与参数β

的线性组合的最大方差最小化

统计意义

12

显然，D-,A-和E-最优准则对应的k值分别为k=0,1和o。

设信息矩阵M的特征值为λ≥…≥3,

统一框架

13

一元线性模型等价于模型

E(y)=α+β₁(x-x),x∈[-1,1].

该模型的信息矩阵为

因此，D-最优设计为最大化X:;-x)的设计，

例4.4.(例4.2续)

例如

14

定理4.1若φ为凸函数，且一阶可微，且在全体

设计集T中所有点可微，记

φ(x,ξ)=F₀(ξ,δ)

则下面等价

■ξ*是①-最优设计；

■对于任意x∈X,φ(x,ξ)≥0;

■φ(x,ξ)在ξ*的每个设计点x上取到最小值，

且φ(x,ξ*)=0。

注：等价性定理只适用于连续设计ξ。

4.2等价性定理

15

Kiefer(1975)证明了当D-最优的定义修

改为如下时，

φp(M(ξ))=-log|M(ξ)|,

可得

φ(x,ξ)=p-d(x,ξ),

式中p为回归模型中未知个数，d(x,ξ)为

(4.11)式的标准化方差

D-最优设计

16

考虑二次模型，设试验域已标准化为X=[-1,1],考虑下面的设计

易知，当试验次数为3时，即为表4.2中的设计II

(a)

例4.5.(例4.1续)

d(x,ξ)的图形

17

■当n=4时，取设计点为-1,0,1,且在这三个点中任取一个点重复一次，其设计都是n=4

时的D最优设计，如

■其标准化方差为

d(x,ξ)=2-2x²+4x⁴,

例4.6.(例4.1续)

(b)

18

在各个最优准则中，D-最优准则使用范围最广

D-效率：衡量任意设计ξ和D-最优设计ξ*之间的差距，

■两个D-最优设计的线性组合也是D-最优设计

4.3D-最优设计

19

d

1

02

03

04

05

06

1

-1

1

2

-1

0

1

3

-1

-3

Q3

1

4

-1

一.4

0

Q4

5

-1

-05

-bs

2

05