基于错误设定先验信息的果实生长数学模型贝叶斯设计
统计方法学
2024-07-10 v1
摘要
当过程可以用常微分方程(ODE)的解来描述时，贝叶斯设计可用于随时间进行高效的数据收集。通常，在这种设置下的贝叶斯设计是通过最大化从参数和响应的联合概率分布导出的效用函数的期望值来获得的，该分布基于关于适当ODE的先验信息。然而，在实践中，由于对控制过程随时间演化的机制了解不完整，适当地先验定义这些信息可能很困难。在本文中，我们提出了一种基于灵活ODE类寻找贝叶斯设计的方法。具体来说，我们考虑将样条项纳入ODE，以提供对过程随时间变化进行建模的灵活性。然后，我们建议利用这种灵活性来形成即使在先验信息被错误设定的情况下也高效的设计。我们的方法源于农业中的一个采样问题，其目标是更好地理解果实生长，其中先验信息基于海外进行的研究，因此可能被错误设定。
引用
@article{arxiv.2407.06497,
title = {Bayesian design for mathematical models of fruit growth based on misspecified prior information},
author = {Nushrath Najimuddin and David J. Warne and Helen Thompson and James M. McGree},
journal= {arXiv preprint arXiv:2407.06497},
year = {2024}
}
备注
24 pages, 6 Figures