基于名义置信集的对称模型判别设计准则
统计方法学
2020-01-09 v3
摘要
用于判别模型的实验设计应用一直受到事先假设已知哪个模型为真这一条件的阻碍，而这与实验的根本目的相悖。以往为减轻这一要求的方法要么是非对称技术的对称化，要么是贝叶斯方法、极小化极大方法和序贯方法。在此，我们提出了一种真正的对称准则，该准则基于均值曲面之间的线性化距离和新引入的柔性名义置信集工具。我们展示了使用所提准则的计算效率，并基于似然比提供了其判别性能的 Monte-Carlo 评估。给出了该准则在酶动力学中一对竞争模型上的应用。
引用
@article{arxiv.1709.10320,
title = {A design criterion for symmetric model discrimination based on nominal confidence sets},
author = {Radoslav Harman and Werner G. Müller},
journal= {arXiv preprint arXiv:1709.10320},
year = {2020}
}
备注
19 pages, 5 figures, 3 tables