θ和θ_%2cb_準則的幾個新結(jié)果_第1頁
已閱讀1頁,還剩24頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、<p><b>  華中師范大學(xué)</b></p><p><b>  碩士學(xué)位論文</b></p><p>  θ和θ<,B>準則的幾個新結(jié)果</p><p><b>  姓名:劉曉華</b></p><p><b>  申請學(xué)位級別:碩士<

2、;/b></p><p>  專業(yè):概率論與數(shù)理統(tǒng)計</p><p><b>  指導(dǎo)教師:覃紅</b></p><p><b>  20070527</b></p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛摇?

3、THESIS</p><p><b>  摘</b></p><p><b>  要</b></p><p>  最小投影均勻性(Minimum Projection Uniformity,簡稱MPU)準則是用</p><p>  來比較二水平因析設(shè)計的.而為了探索設(shè)計在模型未知條件下的投影效率提出

4、的護</p><p>  準則是用來比較對于定量因子的主效應(yīng)設(shè)計的.此準則不僅考慮模型因子的主效應(yīng)</p><p>  而且還考慮因子間的交互效應(yīng).0B準則則是在實驗者在實施試驗之前,已有一些關(guān)</p><p>  于不可忽略的效應(yīng)的概率的先驗知識.其中低維子模型的加權(quán)值反映了實驗者對于</p><p>  不同參數(shù)的先驗知識的認識.即若一個

5、模型在合格模型中更有可能是最好的,則這</p><p>  個模型應(yīng)賦予更多的加權(quán)值.本文對最小投影均勻性與0和%間的關(guān)系進行了討</p><p>  論.所得出的結(jié)果有助于我們更好地了解均勻設(shè)計和最優(yōu)設(shè)計之間的區(qū)別和聯(lián)系.</p><p>  Double設(shè)計是用來構(gòu)造兩水平因析設(shè)計的,特別是對于分辨度為,y的設(shè)計.</p><p>  同

6、時也對Double設(shè)計中的0和%準則進行了初步的討論,我們發(fā)現(xiàn)Double設(shè)計</p><p> ?。模ǎ兀┲械模皽蕜t與X中的0準則有著密切的聯(lián)系.</p><p>  關(guān)鍵詞:最小投影均勻性;</p><p><b> ?。模铮酰猓欤逶O(shè)計</b></p><p> ?。停校?;0準則;0B準則;均勻設(shè)計;最優(yōu)設(shè)計;<

7、;/p><p><b>  碩士學(xué)位論文</b></p><p>  MASTE R1S THESIS</p><p><b> ?。粒猓螅簦颍幔悖?lt;/b></p><p>  Minimum projection uniformity is introduced</p><p>

8、;<b> ?。簦?lt;/b></p><p><b> ?。悖铮恚穑幔颍?lt;/b></p><p> ?。簦鳎?level designs.To</p><p> ?。澹穑欤铮颍?the</p><p> ?。穑颍铮辏澹悖簦椋铮?efficiency</p><p><b

9、> ?。铮?lt;/b></p><p><b> ?。?lt;/b></p><p> ?。洌澹螅椋纾?under</p><p>  uncertainty,Tsai(2000)introduced</p><p> ?。簦瑁?0 criterion to compare main-effects design

10、s for quantitative factors that allow</p><p> ?。簦瑁?cinsideration of interactions in addition to main</p><p>  effects.Tsai(20051</p><p><b> ?。纾澹睿澹颍幔欤?lt;/b></p><

11、p> ?。椋澹?the 0 criterion to the</p><p><b> ?。悖幔螅?lt;/b></p><p> ?。鳎瑁澹颍?experimenters have some prior knowledge of</p><p> ?。簦瑁?probabilities of effects being non—negligi

12、ble in advance of collecting their data.</p><p> ?。裕瑁?OB criterion was proposed,in which each of the low-dimensional submodels is</p><p> ?。鳎澹椋纾瑁簦澹?to reflect experimenters’prior knoowledge abou

13、t different parameters.If</p><p><b> ?。?lt;/b></p><p>  model is more likely to be the best among the eligible models,then the model is</p><p> ?。纾椋觯澹?more weight.The relat

14、ionship between the</p><p> ?。停椋睿椋恚酰?Projection Uniformity</p><p> ?。幔睿?the 0,0B criteria is explored in this paper,which will help</p><p><b> ?。酰?lt;/b></p><p&g

15、t;<b> ?。耄睿铮?lt;/b></p><p><b>  more曲out</b></p><p> ?。簦瑁?relationship between them.</p><p>  we use Double design to</p><p><b> ?。悖铮睿螅簦颍幔悖?lt

16、;/b></p><p> ?。簦鳎?level design,especially the resolution IV’s</p><p> ?。洌澹纾椋纾睿簦瑁?paper discuss the 0,OB criteria of Double design</p><p><b> ?。模ǎ?,we</b></p>

17、<p> ?。妫铮酰睿?that the</p><p> ?。?,OB criteria of Double design</p><p><b>  design X.</b></p><p><b> ?。模ǎ兀瑁幔?lt;/b></p><p>  close relationship

18、with he 0,Os criteria of</p><p> ?。耍澹?words:minimum projection uniformity;MPU;0</p><p> ?。悖颍椋簦澹颍椋铮睿唬酰睿椋妫铮颍?design;optimal design</p><p><b> ?。保?lt;/b></p><p> 

19、?。悖颍椋簦澹颍椋铮?;0B</p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛摇樱裕龋牛樱桑?lt;/p><p>  華中師范大學(xué)學(xué)位論文原創(chuàng)性聲明和使用授權(quán)說明</p><p><b>  原創(chuàng)性聲明</b></p><p>  本人鄭重聲明:

20、所呈交的學(xué)位論文,是本人在導(dǎo)師指導(dǎo)下,獨立進行研究工作</p><p>  所取得的研究成果。除文中已經(jīng)標明引用的內(nèi)容外,本論文不包含任何其他個人或</p><p>  集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體,均已在</p><p>  文中以明確方式標明。本聲明的法律結(jié)果由本人承擔。</p><p><b&g

21、t;  作者簽名:沙\阮午</b></p><p><b>  魄時J,月矽</b></p><p>  學(xué)位論文版權(quán)使用授權(quán)書</p><p>  本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,即:學(xué)校有權(quán)</p><p>  保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借

22、</p><p>  閱。本人授權(quán)華中師范大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進</p><p>  行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。同時授權(quán)</p><p>  中國科學(xué)技術(shù)信息研究所將本學(xué)位論文收錄到《中國學(xué)位論文全文數(shù)據(jù)庫》,并通</p><p>  過網(wǎng)絡(luò)向社會公眾提供信息服務(wù)。</

23、p><p><b>  簽</b></p><p><b>  昨日 者期</b></p><p><b> ?。?lt;/b></p><p><b>  務(wù).m</b></p><p><b>  、^,f</b>

24、</p><p><b>  、≯午</b></p><p><b> ?。伞瘛ⅲ颍欤?lt;/b></p><p><b>  盹n純≈戶</b></p><p>  本人已經(jīng)認真閱讀“CALIS高校學(xué)位論文全文數(shù)據(jù)庫發(fā)布章程”,同意將本人的</p><p>

25、;  學(xué)位論文提交“CALIS高校學(xué)位論文全文數(shù)據(jù)庫”中全文發(fā)布,并可按“章程”中的</p><p>  規(guī)定享受相關(guān)權(quán)益?;刂劐嗜胯幒筮M屋!旦圭生;旦二生i旦三生蕉查!</p><p><b>  簽 名</b></p><p><b>  昨日 者期 :</b></p><p><b&g

26、t;  沙</b></p><p><b> ?。?lt;/b></p><p><b>  各午</b></p><p><b>  噸叩</b></p><p><b>  般丫一</b></p><p><b&

27、gt;  第一節(jié)</b></p><p><b>  研究背景和現(xiàn)狀</b></p><p>  在許多科學(xué)研究中,興趣在于同時研究兩個或兩個以上的因子的效應(yīng)對響應(yīng)的</p><p>  影響.而設(shè)計的類型的界定主要是由模型來確定的.廣義來講。設(shè)計可按照模型分</p><p>  為二水平或三水平的正規(guī)和非正

28、規(guī)設(shè)計,超飽和設(shè)計和響應(yīng)曲面設(shè)計.它可能是對</p><p>  于定量因子或涉及到定性因子的因子效應(yīng)的多項式模型,這個模型可能是一階或二</p><p>  階或更高階或是混合階的.</p><p>  另一種重要的按模型劃分的方式即可將設(shè)計分成兩種,一種是模型事先已知,</p><p>  另一種則是模型未知的.當我們在設(shè)計試驗時,若只考

29、慮一個模型,對于一個模型</p><p>  的設(shè)計我們選用最優(yōu)設(shè)計準則。比如D一最優(yōu)和A一最優(yōu)等準則.這些最優(yōu)準則無</p><p>  論因子是定性的,還是定量的,也無論因子的水平數(shù)和模型的階數(shù)等這些準則均可</p><p>  用.而對于模型未知的情況的討論主要集中在少數(shù)幾個模型上,一般是幾個,而不</p><p>  是成百上千個,這

30、些模型可以用于對多因子設(shè)計進行分析.</p><p>  當模型未知時,對于不同的情形我們可以用不同的準則來篩選最優(yōu)設(shè)計,例如,</p><p>  對于二水平超飽和設(shè)計常常用E(s2)準則(Booth and Cox,1962),對于三水平超飽</p><p> ?。幔睿?Lin,1999),對于正規(guī)因析設(shè)計用分辨度和</p><p>&l

31、t;b>  混雜準則(Box</b></p><p> ?。幔睿?Hunter,1961;Fries</p><p> ?。幔睿?Hunter,19SO),對于非正規(guī)設(shè)計用廣義</p><p>  最小低階混雜準則(Tang and Deng,1999;Xu and Wu,2001).特別地,對于模型</p><p>  未

32、知的情形,Tsai et al(2000,2004,2006)先后提出用p和%準則來篩選最優(yōu)設(shè)</p><p>  計,并證明了0和如準則和上述這些準則是等價的.</p><p>  最近,均勻性準則(Fang and Wang,1994;Fang et a1.2000)被用來篩選最優(yōu)設(shè)</p><p>  計,它要求試驗點均勻地散布在試驗區(qū)域里.均勻性準則既可以應(yīng)

33、用到正規(guī)因子設(shè)</p><p>  計也可以應(yīng)用到非正規(guī)因子設(shè)計,既可以應(yīng)用到等水平因子設(shè)計也可以應(yīng)用到混水</p><p>  平因子設(shè)計,并且均勻性的計算比因子設(shè)計中的字長型(定義見后)計算要簡單.</p><p><b> ?。疲幔睿?lt;/b></p><p><b>  and</b><

34、/p><p> ?。眩椋睿ǎ玻埃埃担木鶆蛐缘慕嵌妊芯苛硕皆O(shè)計投影到不同維數(shù)的投影性</p><p>  質(zhì),并定義了一種均勻性模式(Unifomity Pattern),由此提出了用來比較二水平因</p><p>  子設(shè)計的最小低階投影均勻性(Minimum Projection Uniformity)準則.Zhang</p><p>&

35、lt;b> ?。幔睿?lt;/b></p><p> ?。眩椋睿ǎ玻埃埃叮┭芯苛俗钚〉碗A投影均勻性準則在廣義最小低階混雜設(shè)計,正交設(shè)計,</p><p>  超飽和設(shè)計中的應(yīng)用.本論文里,我們將討論0和0且準則與最小低階投影均勻性</p><p><b>  準則之間的關(guān)系.</b></p><p>  此外

36、,在構(gòu)造二水平部分因子設(shè)計中。一種稱為doubling的方法最近被采用,</p><p>  特別是在構(gòu)造分辨度為Ⅳ的設(shè)計時,doubling是—個簡單但很有用的方法.Chen</p><p> ?。幔睿?Cheng(2006)討論了用一個分辨度為n,的2-水平正規(guī)部分因子設(shè)計X通</p><p><b> ?。?lt;/b></p>

37、<p><b>  碩士學(xué)位論文</b></p><p>  MASTER'S THESIS</p><p>  過Doubling方法來構(gòu)造分辨度仍為,y的Double設(shè)計D(X),并證明存在一個</p><p> ?。模ǎ兀┑耐队霸O(shè)計具有分辨度,y或更高的分辨度.Xu and Cheng(2006)討論了</p>&

38、lt;p> ?。洌铮酰猓欤逶O(shè)計中補設(shè)計的一般理論問題.Lei and Qin(2007)討論了double設(shè)計的</p><p><b>  均勻性問題.</b></p><p><b> ?。?lt;/b></p><p><b>  第二節(jié)</b></p><p><

39、b>  基本概念</b></p><p>  這一節(jié)里,我們介紹一些基本的概念,比如口準則,%準則,Double設(shè)計,</p><p>  最小投影均勻性,最小低階混雜和廣義最小低階混雜等概念.</p><p><b> ?。玻?lt;/b></p><p><b> ?。笢蕜t</b>

40、</p><p>  為了探索設(shè)計在模型未知條件下的投影效率,Tsai</p><p><b> ?。澹?lt;/b></p><p> ?。幔欤ǎ玻埃埃埃┨岢隽耍饻?lt;/p><p>  則去比較對于定量因子的三水平主效應(yīng)設(shè)計,它不僅僅考慮主效應(yīng),而且還考慮交</p><p>  互效應(yīng).用!,=x口+

41、E,表示我們所感興趣的極大模型.其中Y為觀測到的一個</p><p> ?。?#215;1向量,x為一個N X∞4-1)設(shè)計陣;盧為參數(shù)的一個∽+1)X 1向量;</p><p>  且E0)=xp.邊際原則是用來定義合格模型類的,這類合格模型的參數(shù)個數(shù)不超</p><p>  過實驗次數(shù)因而是可以被估計的.邊際原則指的是模型中的每一項必須與它的邊際</p&g

42、t;<p>  項同時出現(xiàn),無論其估計值是大還是小.即如果模型中出現(xiàn)了兩因子交互效應(yīng),則</p><p>  此模型中一定要包含這兩個因子的主效應(yīng).如果模型中出現(xiàn)了一個二次效應(yīng),則相</p><p>  應(yīng)的線形效應(yīng)也應(yīng)在模型中出現(xiàn).這個模型不一定是被估計的,假設(shè)我們最終擬和</p><p>  的是極大模型的—個子模型.即—個包含參數(shù)盧的子集,但是我

43、們事先并不知道是</p><p><b>  哪個.+。</b></p><p>  定義1考慮—個極大模型Y=x盧+£,no為該極大模型的合格模型的個</p><p><b>  數(shù),則口準則為</b></p><p><b>  一。磊1備n缶n</b></p>

44、<p><b>  i1高%</b></p><p>  其中n為因子個數(shù),%(i,J=0,…,釘)為信息矩陣x7x的(i,J)元,咄,為包含</p><p>  效應(yīng)i和J的合格模型的個數(shù)..</p><p><b>  2.2如準則</b></p><p>  當我們在收集試驗數(shù)據(jù)

45、之前已經(jīng)有了一些關(guān)于不可忽略的因子效應(yīng)的概率的先</p><p><b>  嗆知識,Tsai</b></p><p><b> ?。澹?lt;/b></p><p> ?。幔欤ǎ玻埃埃担┨岢隽耍蕜t.</p><p>  ’定義2與p準則的定義類似,定義如為</p><p>&l

46、t;b>  %</b></p><p><b> ?。?lt;/b></p><p><b>  ?!疲海??!苿h</b></p><p><b>  ●一%</b></p><p><b>  豆蚴 %</b></p><

47、p><b> ?。?lt;/b></p><p>  其中鼽j為包含效應(yīng)t,,的模型成為最好模型的概率之和,上式求和要取遍所有包</p><p>  含效應(yīng)i,J的模型.</p><p><b> ?。玻?lt;/b></p><p><b>  Double設(shè)計</b></

48、p><p>  假定X是一個有Ⅳ個處理,n個2一水平因子的設(shè)計,2個水平用1和一1</p><p>  分別表示高水平和低水平,X的每一列對應(yīng)于一個因子,每一行定義為一個因子</p><p><b>  二水平組合..</b></p><p>  定義3設(shè)墨是—個N.×禮矩陣,且它的元素分別1或.1,則X的Doub

49、le</p><p>  設(shè)計用D(恥(妻三)蒜即</p><p><b> ?。橐?,~一</b></p><p>  其中。為Kronecker乘積.</p><p><b>  雌,=1二)。五</b></p><p>  顯然,double設(shè)計D(X)的試驗次數(shù)與因子數(shù)

50、為原始設(shè)計x的兩倍.</p><p> ?。玻醋钚⊥队熬鶆蛐?lt;/p><p>  一最小低階投影均勻性準則由Fang</p><p><b>  and</b></p><p>  Qin(2005)提出,它就是建立在中心化如</p><p>  偏差的基礎(chǔ)上.現(xiàn)在我們來簡要地回顧一下中心化工2

51、偏差.對于{l,…,8)的任</p><p>  意一個非空子集t‘,用三P=【0,1P表示—個包含“中坐標系的Jt‘J維超立方體,</p><p>  這里J¨I為集合U所含的元素的個數(shù).三嚴中的一個點記為k,它的分量為嘞。</p><p>  歹∈Ⅱ.給定任意點k。用R(k)來表示點k和三嚴中離h。最近的頂點組成的超</p><p&

52、gt;  立方體,即R(k)是由所有的半開區(qū)間厶0∈缸)的Descartes積所組成,其中</p><p>  f【o,hA,o≤吩<蠆1,</p><p>  扣{階),;≤幻<i.</p><p>  記P為包含【0,1)l中的任意n個點的集合,于是P的中心化如偏差定義為</p><p> ?。氵艕u{莓正。[幽掣刪刪]2砒)l’</

53、p><p><b> ?。?lt;/b></p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛遥?THESIS</p><p>  這里求和∑是針對所有非空子集Ⅱ來進行的,R是P在王P上的投影,即</p><p> ?。妫海剑ǎ抻|,t∈u):k=1,…

54、,扎),</p><p><b> ?。郑铮毂硎倔w積.一</b></p><p><b>  為</b></p><p>  如果僅僅考慮點集P從【o,1)。投影到日。上的均勻性,則相應(yīng)的偏差可定義</p><p>  其中Pu和Vol的意義同上.CL2,。(P)值越大則P在[o’1)‘中的分布就越

55、均勻.</p><p> ?。茫蹋?,。(P)被稱為Ⅱ投影偏差.對于1≤t≤島定義</p><p><b>  ’</b></p><p>  五(P)?∑【G島一尸)】2一(:)[(圭)‘一互麗十芻】l</p><p>  顯然,厶(P)刻畫的ul是=i點集尸在《維子空問上的總體均3i勻性,因此向量</p>

56、<p>  仉(D),屯(D),…,厶(D))度量了點集P在不同維數(shù)子空間上的投影均勻性.</p><p>  定義4設(shè)Dl和D2均為二水平的部分因析設(shè)計,r是使得‘(D1)≠Ir(D2)</p><p>  的最小的整數(shù),如果‘(D1)<‘(D2),則稱D1比D2有較小的投影均勻性,如果</p><p>  沒有設(shè)計比D1有更小的投影均勻性,則稱D1具

57、有最小低階投影均勻性.</p><p>  顯然最小投影均勻性準則也即^(D),屯(D),…,厶(D)序貫地達到最?。?lt;/p><p><b> ?。玻底钚〉碗A混雜</b></p><p>  ‘一個28-!正規(guī)部分因子設(shè)計D是一個包含8個二水平因子的設(shè)計,它的因</p><p>  子由七個獨立的定義字(Defini

58、ng Words)唯一確定.一個字由表示因子的字母</p><p> ?。ㄈ缛?,易,…,E)組成.一個定義字中字母的個數(shù)稱為字長,由k個定義字</p><p>  構(gòu)成的群稱為定義對照子群(Defining</p><p><b> ?。茫铮恚颍幔螅?lt;/b></p><p>  Subgroup),若用A(D)記D的&l

59、t;/p><p>  定義對照子群中字長為t的字的個數(shù),則稱向量(Al(D),A2(D),…,Ao(D))為設(shè)</p><p>  計D的字長型(Word</p><p><b>  Length</b></p><p><b> ?。校幔簦簦澹颍睿?lt;/b></p><p> 

60、 ’定義5對任意兩個2“‘的設(shè)計D1和D2,設(shè)r為使得4(D1)≠4(D2)</p><p>  的最小整數(shù),如果4(D1)<4(D2),則稱D1比D2有較小的低階混雜(Less</p><p> ?。粒猓澹颍幔簦椋铮睿绻麤]有比D1有更小的低階混雜,則稱D1具有最小低階混雜(簡稱</p><p><b> ?。停粒?lt;/b></p&g

61、t;<p>  2.6廣義最小低階混雜</p><p><b> ?。?lt;/b></p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛遥樱裕龋牛樱桑?lt;/p><p>  設(shè)計D∈D(n;25)的廣義字長型定義為(q(D),碼(D),…,髯(D)),其中,&

62、lt;/p><p>  群(D)=妾∑易(橛8,2)邑(D),歹=1,…,島</p><p><b>  ”k=o</b></p><p><b>  這里</b></p><p><b> ?。?lt;/b></p><p>  是Krawtchouk多項式,&

63、lt;/p><p><b>  且當Y≥z時</b></p><p><b>  ’</b></p><p><b> ?。ǎ海撸?,</b></p><p> ?。牛耄ǎ模苍疲桑ǎ悖洌海?,d是D的任意兩次試驗,dH(C,d)=耐I,其中婦(c,d)</p>

64、<p>  是c和d之間的Hamming距離,即c和d之間相同位置上水平不同的位置的個</p><p><b>  數(shù).</b></p><p>  定義6對于D(佗;掣)中的任意兩個設(shè)計Dl和D2,設(shè)r為使得群(歷)≠</p><p>  群(D1)的最小的整數(shù),如果A#(DI)<A#(D2),則稱D1比D2有較小的低階混</

65、p><p>  雜.如果沒有設(shè)計比DI有更小的低階混雜,則稱Dl具有廣義最小低階混雜(簡稱</p><p><b> ?。牵停粒?lt;/b></p><p><b>  6</b></p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱?/p>

66、ER'STHESIS</p><p><b>  第三節(jié)</b></p><p>  口和眙準則與MPU的等價性</p><p>  這—節(jié)里,我們將討論p和%準則與MPU間的關(guān)系,我們的結(jié)果表明:在</p><p>  某些情形下,MPU與p和%準則是等價的.</p><p><b>

67、  ‘由Fang</b></p><p><b> ?。幔睿?lt;/b></p><p> ?。眩椋睿ǎ玻埃埃担┲停校蘸停牵停灵g有如下的解析關(guān)系t</p><p>  帆(D)_壺善(;二沙(D)'</p><p>  其中山(D)為廣義字長型(AI(D),A2(D),…,如(D))的第歹個分量,MIi(D)

68、為</p><p>  設(shè)計D的均勻類型的第i個分量.</p><p><b>  于是,我們有</b></p><p> ?。停桑桑ǎ模剑粒保ǎ模?,</p><p> ?。停保玻ǎ模綋簦粒玻ǎ模祝粒桑ǎ模?,</p><p> ?。兔ǎ模酱#粒常ǎ模粒玻ǎ模珘径唬绯福?。(口

69、),</p><p> ?。停瑁ǎ模剑猓粒矗ǎ模θ纾ǎ模?!蘭2’18‘84—3’“2~7,/“J、]+i蘭:墨鼉蠡;l壘=笠A1(D)</p><p>  當設(shè)計D為正交主效應(yīng)設(shè)計時,AI(D)=A2(D)=0.故有</p><p>  M11(D)=M12(D)=0,</p><p> ?。停保常ǎ模剑猓粒幔ǎ模?,</p&

70、gt;<p> ?。哇蹋ǎ模焦牛粒ǎ模浚粒粒常ǎ模?lt;/p><p><b>  因此有,</b></p><p>  Aa(D)=83M厶(D),A4(D)=84MIa(D)一0—4)83M厶(D).</p><p>  3.1口準則與M尸U的等價性</p><p><b> ?。裕螅幔?e

71、t</b></p><p> ?。幔欤ǎ玻埃埃埃┳C明了,在p準則下。若D為最優(yōu)設(shè)計,則D使得</p><p>  如lA3(D)+如A4(D)</p><p>  達到最小,其中屯表示包含{個主效應(yīng)和j個交互效應(yīng)的合格模型的個數(shù).</p><p>  顯然,若D為在p準則下的最優(yōu)設(shè)計,則D必須使得</p><p

72、> ?。福场救纾币唬ǎ浮矗┮裕病浚腿纾ǎ模福矗叮矗玻停瑁ǎ模?lt;/p><p><b> ?。?lt;/b></p><p><b> ?、?lt;/b></p><p><b>  達到最?。?lt;/b></p><p><b>  碩士學(xué)位論文</b>&l

73、t;/p><p> ?。停粒樱裕牛?,STHESIS</p><p><b> ?。?lt;/b></p><p>  ‘注意到,MPU準則是序貫最小化MQ(D),肘如(D),M厶(D),M厶(D),故</p><p>  它首先考慮的是最小化一維投影。其次是二維的,等等.通過上述討論,我們得到</p><p&g

74、t;<b>  如下結(jié)論</b></p><p>  結(jié)論一一當如1一(s一4)如>>84如時,p準貝4與MPU準則是一致的.</p><p> ?。常层U準貝Ⅱ與MPU的等價性</p><p><b> ?。?lt;/b></p><p><b> ?。裕螅幔?et</b><

75、/p><p> ?。幔欤ǎ玻埃埃叮┳C明了,在%準則下,若D為最優(yōu)設(shè)計,則D使得</p><p>  {2鋤+已l+2(8—2)62)A2(D)+661A3(D)+C942A,(D),</p><p>  最小,其中如表示包含i個主效應(yīng)和J個兩因子交互效應(yīng)的模型成為最好模型的</p><p><b>  先驗概率之和。</b>

76、</p><p>  易見,若口為在如準則下的最優(yōu)設(shè)計。則D必須使得</p><p>  e譴{260+61+2(8—2)矗2}M如(D)+6x83峨1缸(8—4)】M厶(D)+6×84缸^f厶(D).</p><p>  達到最?。厦嫠觯停校諟蕜t是序貫最小化M五(D),1 S{≤n,而%則是</p><p>  同時考慮最

77、小化他們這三種不同加權(quán)的表達式.因此,我們可以得到如下結(jié)論;</p><p><b>  “</b></p><p><b> ?。?lt;/b></p><p><b>  ”^</b></p><p>  結(jié)論二t當2鋤+61+2(s一2){32>>48b1£42(8—4)】>>

78、384∈42時,%準</p><p>  則與MPU也是一致的.</p><p><b> ?。?lt;/b></p><p>  第四節(jié)Double設(shè)計中的口準則</p><p><b>  .A=dll</b></p><p> ?。洌保玻ⅲⅲ幔欤欤??</p>

79、<p><b> ?。兀ǎ粒?lt;/b></p><p>  因此。我們有如下信息矩陣</p><p><b> ?。洌?d12</b></p><p><b>  而1奶</b></p><p> ?。洌危?dN2???</p><p><

80、;b>  甜</b></p><p><b>  缸</b></p><p><b>  如</b></p><p><b>  一</b></p><p><b>  氐</b></p><p><b>

81、;  硪</b></p><p><b>  以 2 ~</b></p><p><b>  執(zhí)</b></p><p>  x(A)’x(A)=</p><p><b> ?、簦ω担骸?lt;/b></p><p><b> ?、舾彬颂J

82、蹦目</b></p><p><b>  般</b></p><p>  Ⅳ∑嚴Ⅸ斟。∑:i 殤</p><p><b>  一</b></p><p><b>  酗靜弘‰</b></p><p>  薈‰/∑=1如反-i∑=1如如…<

83、;/p><p><b>  登磙</b></p><p><b>  o=▲</b></p><p>  而對于設(shè)計A的刪e甜叫,=A三)存在另葉默棚可2</p><p>  X(D(A))p+毛其中</p><p><b> ?。?lt;/b></p>

84、;<p><b>  碩士學(xué)位論文</b></p><p>  MASTE R,S THESIS</p><p><b>  1</b></p><p><b> ?。洌欤?lt;/b></p><p><b> ?。洌保病洌欤?lt;/b></

85、p><p><b> ?。洌?lt;/b></p><p><b> ?。洌保病洌保?lt;/b></p><p><b> ?。ǎ模ǎ粒?lt;/b></p><p><b> ?。比纾?lt;/b></p><p> ?。洌玻病洌病#洌玻?lt;

86、/p><p><b> ?。洌玻病?lt;/b></p><p><b>  ‰“.勘 ‰屯如</b></p><p><b>  ‰‰翰</b></p><p><b>  如塒砌 ‰噸噸</b></p><p><b>  ‰

87、噸噸</b></p><p><b>  故</b></p><p><b> ?。?lt;/b></p><p><b> ?。洌危?lt;/b></p><p> ?。洌怼洌危钜蝗纾币唬洌怼洌巍?lt;/p><p> ?。辏颍ǎ模ǎ粒ǎ模ǎ?/p>

88、))=</p><p><b> ?。?,T OI、</b></p><p><b> ?。埽模?s/</b></p><p><b>  其中</b></p><p><b>  Ⅳ</b></p><p><b> ?。?/p>

89、N</b></p><p><b>  N</b></p><p><b> ?。病七荆?lt;/b></p><p><b> ?。椋唬?lt;/b></p><p><b> ?。?lt;/b></p><p><b>  

90、蓬蘆</b></p><p><b>  如</b></p><p><b>  ∑</b></p><p><b> ?。?lt;/b></p><p><b>  2∑dfl</b></p><p><b>  

91、i=1</b></p><p><b>  2∑咯</b></p><p><b> ?。椋剑?lt;/b></p><p><b> ?。病破瑁迸叮病?lt;/b></p><p><b> ?。椋剑?lt;/b></p><p>&l

92、t;b> ?。病埔玻薄?lt;/b></p><p><b>  ?=</b></p><p><b>  N N</b></p><p> ?。病破疲?2∑畦2dil</p><p><b> ?。?lt;/b></p><p><

93、;b> ?。病颇?lt;/b></p><p><b>  …</b></p><p><b> ?、?lt;/b></p><p><b>  2∑dq2din</b></p><p><b> ?。欤剑?lt;/b></p><p&

94、gt;<b>  ‘=1</b></p><p><b> ?。?lt;/b></p><p><b>  N</b></p><p><b> ?。?lt;/b></p><p>  2∑函。2∑‰函1 2∑‰應(yīng)2…</p><p>  仁1

95、 t=1 1}=1</p><p><b> ?。?lt;/b></p><p><b>  一Ⅳ∑:i</b></p><p><b>  .磙</b></p><p><b> ?。?2登礙</b></p><p>

96、<b>  l 爐1</b></p><p><b> ?。?lt;/b></p><p><b>  2∑五1 d‘2</b></p><p><b> ?。椋剑?lt;/b></p><p><b>  N</b></p>&

97、lt;p><b> ?、?lt;/b></p><p><b> ?。病品矗?lt;/b></p><p><b>  N</b></p><p><b>  。</b></p><p><b> ?。?lt;/b></p>&l

98、t;p><b>  2</b></p><p><b> ?。桑?lt;/b></p><p><b>  2∑南d‘1</b></p><p><b>  扛1</b></p><p><b> ?。病浦?lt;/b></p>

99、<p><b>  ‘=1</b></p><p><b> ?。病迫纾?lt;/b></p><p><b> ?。椋剑?lt;/b></p><p><b> ?。?lt;/b></p><p><b>  l\</b></p&

100、gt;<p><b>  N N</b></p><p><b> ?。病迫纾病迫珏?lt;/b></p><p> ?。椋剑?‘;l</p><p><b> ?、?l</b></p><p><b>  ∑</b>&l

101、t;/p><p> ?。埃旌停模卜謩e為(n+1)×n和n×∞+1)階元素全為0的矩陣。</p><p><b>  根據(jù)Tsai</b></p><p><b> ?。澹?lt;/b></p><p> ?。幔欤ǎ玻埃埃埃?,和第二節(jié)中的定義,我們知道對于極大模型;</p>&

102、lt;p><b>  可=</b></p><p><b> ?、?lt;/b></p><p><b>  碩士學(xué)位論文</b></p><p>  MASTER,STHESI¥</p><p> ?。兀ǎ粒妫椋?,其蠆定義為</p><p>  

103、鞏國=磊I備2n若2n%碼</p><p>  其中,鋤=鑫,碭(f,歹=o,…,n)為x(A)何(A)的o+l,歹+1)元'%為</p><p>  包含效應(yīng)t,J的合格模型的個數(shù).</p><p>  我們可以定義A的double設(shè)計D(A)的護值為</p><p>  口(D(A))=去∑∑%%</p><p>

104、 ?。踩ド?;%蚴+磊1。萎。,萎?!薄埃?lt;/p><p><b>  ●~伽</b></p><p>  ?!疲海?軌∑一 。%</p><p><b>  %</b></p><p><b> ?。ァ啤啤耄?lt;/b></p><p>  其中,勺=嘉

105、,%(t,d=o,…,2n)為x(D(A)),x∽(腳)的o+1,歹+1)元,</p><p>  毗j為包含效應(yīng){,J的合格模型的個數(shù).</p><p><b>  由上面推導(dǎo)可知;</b></p><p>  1)當i∈11,佗】,J∈h+1,2州或i∈n+1,2hi,J∈fl,叫時</p><p><b>

106、;  %=0</b></p><p><b>  即</b></p><p><b>  心產(chǎn)上L:0</b></p><p><b>  故</b></p><p><b>  ,n</b></p><p><b

107、>  n</b></p><p><b>  鼽</b></p><p>  卵㈥)2去墨萎勺蚴+磊1。妻2r,。,萎。%螄</p><p> ?。玻┊敚?,J∈陋+1,2叫時,設(shè){7=i—n,J’=歹一n,則由上面推導(dǎo)可知。</p><p>  口巧=a(i一砷,a一扛)=啦0,,</p>

108、<p><b>  即</b></p><p><b>  勺2</b></p><p><b> ?。颍?,j,</b></p><p><b> ?。保?lt;/b></p><p>  故上面第二邵分c口化為</p><p&g

109、t;<b>  .</b></p><p><b> ?。?lt;/b></p><p><b>  Zn</b></p><p><b> ?。咭弧唬?lt;/b></p><p><b> ?。?,</b></p><p&g

110、t;<b>  去若,要。蚋…坩</b></p><p><b>  故</b></p><p>  口c。c瑚=去喜妻q螄+磊I備n三n勺螄mm,一去喜n。伽mh</p><p><b> ?。海?lt;/b></p><p> ?。呷ト?;勺‰+鈕c㈣,。訓(xùn)一者若砌tt,m脅&l

111、t;/p><p>  由上面矩陣知,當{,歹∈【1,川,時,(記劫為X'X的(i,力元)</p><p> ?。ィ窖纾幔椋椋幔骄睃儯剑保柴vaii-ajj=知</p><p><b> ?。?lt;/b></p><p><b> ?。?lt;/b></p><p><b>  

112、n</b></p><p>  而當N>n+銹時,對Y=∑島國+∑∑助啦q于是有</p><p><b>  鞏2</b></p><p> ?。婺蹒劊玻病?,i≠J</p><p><b>  j謦%。嚷,,i∥</b></p><p><b>  

113、鋤=∑磁?2嚷,</b></p><p><b>  ‘=1</b></p><p><b> ?。玻?凱加</b></p><p><b>  ∑</b></p><p><b> ?。椋剑欤辏剑?lt;/b></p><

114、p><b>  踟</b></p><p><b>  嘶</b></p><p><b> ?。?lt;/b></p><p><b>  登器三 ‰芑;i</b></p><p><b>  廊</b></p>&l

115、t;p><b>  ‰</b></p><p><b>  篁</b></p><p><b>  孫∑:i</b></p><p><b>  嚷</b></p><p><b> ?。拆?lt;/b></p><

116、;p>  對于t,,∈fo,嘲時。叫甜="(i+帕,tj佃),(由其定義可見)</p><p><b>  故將其帶入</b></p><p><b>  護(D(卅)</b></p><p><b> ??;</b></p><p><b>  榔咖去砉~毗n&

117、lt;/b></p><p><b> ?。?lt;/b></p><p><b>  ,一伽●一‰</b></p><p><b>  ?!凭疲海?lt;/b></p><p>  ?!频取坪鳎悖囊蝗ジG懈嗍n</p><p><b>  碩士學(xué)

118、位論文</b></p><p>  MASTER'S THESIS</p><p><b>  將%帶入上式,得</b></p><p><b>  口(D(A))</b></p><p><b>  .</b></p><p><b&

119、gt;  n</b></p><p><b> ?。?lt;/b></p><p><b>  ‰一2</b></p><p><b>  n</b></p><p><b> ?。铮?lt;/b></p><p>  2去(∑∑

120、(2nj)∑c;n_2.2%+∑2%?∑魄-1.2讎+-)</p><p>  , I=I k=O</p><p>  二一…EFi0∑嚷_1.2q+-</p><p><b> ?。耄剑?lt;/b></p><p>  又因為砸k和札b的值與i,J均無關(guān),故可記</p><p>

121、;<b>  %={也A1篙,</b></p><p><b>  %=垤篙,</b></p><p>  一(。(伽2磊1‘備n蓋n(z%)?B,+壹I=1。"島)~去砉伽慍</p><p>  ,。一(。(伽=未(馬,喜騫cz嘲+島?壹i=1 z嘲一即磊1若n嘞</p><p><b>

122、;  同理</b></p><p><b>  一</b></p><p><b> ?。?,1</b></p><p><b>  ”</b></p><p>  蠆2未∽r圣薹%+缸若%’</p><p>  墨因為%=互1%,故帶入得&l

123、t;/p><p>  刪臚慧萬一喜死c甕圳一磊1薹n惝</p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕?R,STHESIS</p><p><b>  其中</b></p><p> ?。睿铮健迫?2皤,雨=∑锘?2曜</p>&l

124、t;p><b>  :三;</b></p><p><b>  任1柚</b></p><p>  A,=∑磷-2.2%,A。=∑鐒-2.群“,</p><p><b> ?。玻耄睿揭唬埃?lt;/b></p><p><b>  。器一1</b><

125、/p><p> ?。拢保健疲ィ撸玻踩拢病瘝u=∑嗨-1.2%z</p><p>  死。毳5 ii 2壺一鑫=嘉</p><p><b>  對于兩水平設(shè)計來講</b></p><p><b>  ∑礞=去,</b></p><p><b>  。-</b>

126、;</p><p><b>  喜%c箍刪=甕一島</b></p><p><b>  故+</b></p><p>  唧))-鬻-+(B2一甕)一磊1;1,1帆</p><p>  若A是一個nxn平衡設(shè)計,則</p><p><b>  一~荔枷</b&

127、gt;</p><p><b>  故上式進—步化為</b></p><p><b>  .</b></p><p>  ?。ㄟ藁郏ㄒ滓欢粒玻拢?lt;/p><p><b>  J.,</b></p><p>  由上式我們可知:對于2水平的且tl&#

128、215;n陣為平衡設(shè)計的兩個設(shè)計西,如,若蠆(d1)<</p><p>  口(d2)則O(D(d1))<口(D(d2)).</p><p>  由此,我們可以得到如下定理:</p><p>  定理1:對于2水平的平衡設(shè)計來說,如果原設(shè)計在0準則下是最優(yōu)的,則其</p><p> ?。模铮酰猓欤逶O(shè)計在0準則下也是最優(yōu)的.</p>

129、<p><b> ?。保?lt;/b></p><p><b>  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛欤?,STHESIS</p><p><b>  參考文獻</b></p><p>  【1】Box,G.E.P.and J.S.Hunter.(19

130、61).The妒一p</p><p> ?。妫颍幔悖簦椋铮睿幔?factorial</p><p><b>  designs(I</b></p><p><b> ?。幔睿?lt;/b></p><p> ?。桑桑裕澹悖瑁睿铮恚澹簦颍椋悖?3:311—351,449-458.</p>

131、<p>  【2】Cheng,C.S.(1995).Some</p><p> ?。玻常海?,1223-1233.</p><p> ?。穑颍铮辏澹悖簦椋铮?properties of orthogonal arrays.Ann.Btatist</p><p> ?。ǎ场浚茫瑁澹睿纾茫樱?,Steinberg,D.M.and Sun,D.X.(1999).

132、Minimum</p><p> ?。幔猓澹颍颍幔簦椋铮?and</p><p>  model robustness for two-level fractional factorial designs.J.R.Statist.80c.B 61:</p><p><b> ?。福担梗常?lt;/b></p><p>  【

133、4】Cheng,C.S.,Deng,L.Y.and Tang,B.(2002).Generalized</p><p> ?。椋睿椋睿椋恚酰欤?aberration</p><p><b> ?。幔睿?lt;/b></p><p> ?。洌澹螅椋纾?efficiency for nonregular fractional factorial desi

134、gns.Statist.Sinica 12:991-</p><p><b> ?。保埃埃埃?lt;/b></p><p><b>  ∥</b></p><p>  【5】Fang,K.T.,Lin,D.K.J.,Winker,P.et a1.,Uniform design:Theory and</p><

135、p> ?。裕澹悖瑁睿铮恚澹簦颍椋悖?,2000,42(3):237-248.</p><p> ?。幔穑穑欤椋悖幔簦椋铮睿螅?lt;/p><p>  f6】Fang,K.T.,Mukerjee,R.,Connection between uniformity and aberration</p><p> ?。椋?regular</p><p&g

136、t; ?。妫颍幔悖簦椋铮酰?of two-level factorials,Biometrika,2000,87(1):173-198.</p><p>  唧Fang,K.T.,Lin,D.K。J Lin,M.Q.(2003).Optimal mixed-level supersaturated</p><p> ?。洌澹螅椋纾睿停澹簦颍椋耄?lt;/p><p> 

137、?。担福海玻罚埂玻梗保?lt;/p><p>  18】Fang,K.T.,Qin,H.,Uniformity</p><p> ?。穑幔簦簦澹颍?and related criteria for</p><p><b> ?。簦鳎铮欤澹觯澹?lt;/b></p><p> ?。妫幔悖簦铮颍椋幔欤螅?lt;/p><

138、;p> ?。福悖椋睿澹睿悖屦嚕茫瑁椋睿?Set.A Mathematics,2005.V01.48 No.1 1-11.</p><p>  【9】Fang,K.T.,Li,R.z.,Sudjianto,A.(2006).Design and</p><p> ?。牛穑澹颍椋恚澹睿簦螅茫瑁幔穑恚幔睿Γ龋幔撸桑簦茫遥茫?lt;/p><p><b> 

139、 ,</b></p><p>  Modeling for Computer</p><p>  【10]Fries,A.and W.G.Hunter.(1980).Minimum</p><p> ?。玻玻海叮埃保叮埃福?lt;/p><p>  aberration</p><p> ?。玻肷耄洌澹螅椋纾睿?/p>

140、.Technometrics</p><p>  【11】Ma,C.X.t Fang,K.T.(2001).A</p><p><b>  note on</b></p><p>  generalized</p><p> ?。幔猓澹颍颍幔簦椋铮?factorial designs.</p><p&

141、gt; ?。停澹簦颍椋耄?53:85-89.</p><p>  【121 Mukerjee,R.and Wu,C.F.J.(2006).A Modem</p><p><b> ?。樱穑颍椋睿纾澹颍?lt;/b></p><p> ?。裕瑁澹铮颍?of Factorial Designs.</p><p><b>

142、  碩士學(xué)位論文</b></p><p> ?。停粒樱裕牛?,STHESIS</p><p>  【13]Qin,H?,Ai,M?Y.and Ning,J.H.(2005).Connection</p><p> ?。幔恚铮睿?some optimal criteria</p><p> ?。妫铮?ranking fractiona

143、l factorial designs.Acta</p><p><b> ?。停幔簦瑁福悖椋?lt;/b></p><p>  【141 Tang,B.and Wu,C.F.J.(1996).Characterization</p><p> ?。铮?mininmm</p><p><b>  ab∞礎(chǔ)i∞擴一t

144、</b></p><p> ?。洌澹螅椋纾睿?in terms</p><p> ?。铮?their complementary designs.Ann.Statist 24:6,2549-2559.</p><p>  【l 5|Tang,B.,Deng,L.Y.(1999).Minimum</p><p> ?。玻罚海保?/p>

145、14-1926.</p><p>  G2一aberration factorial designs.Ann.Statist</p><p> ?。郏保叮?Tang?B?(2001)?Theory</p><p> ?。铮?J-characteristics for fractional factorial</p><p> ?。洌澹螅椋纾睿?/p>

146、 and pro-</p><p> ?。辏澹悖簦椋铮?justification of minimum G2一aberration.Biometrika</p><p> ?。螅福ǎ玻海矗埃保矗埃罚?lt;/p><p> ?。郏保冢?Tsal,P.W?,Giknour,S.G.and</p><p>  Mead,瓦,Projective

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論