统计学 > 方法论
[提交于 2025年7月7日
]
标题: 多响应实验在线性和稀疏性约束下的最优精确设计
标题: Optimal Exact Designs of Multiresponse Experiments under Linear and Sparsity Constraints
摘要: 我们提出一种计算方法,在有限的设计空间上构建精确设计,这些设计在标准线性和特定的“稀疏性”约束组合下,对于多响应回归实验是最佳的。 线性约束处理例如多种资源消耗的限制和最优设计增强的问题,而稀疏性约束控制设计所使用的不同试验条件的集合。 关键思想是构建一个人工的最优设计问题,该问题可以使用任何现有的数学规划技术来解决纯线性约束下的单变量响应最优设计问题。 然后,该人工问题的解可以直接转换为具有组合线性和稀疏性约束的主多变量响应设置的最优设计。 我们通过具有安全、疗效和成本约束的剂量反应实验来展示该方法的实用性和灵活性,其中成本也取决于所使用不同剂量的数量。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.