联合均值与离散度模型中应用于混料实验的估计与变量选择
统计方法学
2022-06-07 v1 应用统计
摘要
在工业实验中,控制变异性对确保产品质量至关重要。混料实验的经典回归模型在工业中广泛使用,然而,当常方差假设不满足时,构建能够最小化变异性的程序变得必要,且应考虑其他统计建模方法。本文中,我们利用广义线性模型(GLMs)类来建立混料实验中的统计模型。GLMs类具有通用且非常灵活的特点,推广了一些最重要的概率分布,并允许通过均值与离散度联合建模(JMMD)的方法对变异性进行建模。本文展示了JMMD如何用于获得混料实验中的均值与方差模型。我们全面阐述了JMMD中参数估计与变量选择的程序。变量选择程序针对混料实验情形进行了调整,其中常离散度的验证由离散度模型中仅存在常数项来保证;离散度模型中不存在常数项或存在任何其他项均意味着非恒定离散度。一项考虑最常见的正态分布情形的模拟研究被用于验证所提变量选择程序的有效性。来自食品工业的一个实际例子被用于说明所提方法。
引用
@article{arxiv.2206.01806,
title = {Estimation and variable selection in joint mean and dispersion models applied to mixture experiments},
author = {Edmilson Rodrigues Pinto and Leandro Alves Pereira},
journal= {arXiv preprint arXiv:2206.01806},
year = {2022}
}
备注
22 pages, 4 figures. arXiv admin note: text overlap with arXiv:2109.07978