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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、上海師范大學(xué)碩士學(xué)位論文非參數(shù)Bayes模型下的U型和析因設(shè)計(jì)姓名:吳晶雯申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:岳榮先20050401中文摘要It況,它們是:K(二,幻=K2(二,t)=mln2rr。:)一:Crtrin(,一:一‘rl),、(,。一5111r_i一(x景t一ma“一‘)),在第三章中,我們考慮了由上面的三個(gè)具體函數(shù)得到的準(zhǔn)則函數(shù)的情況。通過解析的方法,分別計(jì)算了格子點(diǎn)設(shè)計(jì)和U一型設(shè)計(jì)下使準(zhǔn)則函數(shù)達(dá)到最小的設(shè)
2、計(jì)的解析表達(dá)式。之所以可以這樣做,是因?yàn)槲覀兛梢詫⒃O(shè)計(jì)看作一個(gè)連續(xù)的概率測(cè)度。一般而言,U型設(shè)計(jì)下的最優(yōu)設(shè)計(jì)比格子點(diǎn)設(shè)計(jì)的更為復(fù)雜。但值得高興的是,對(duì)于2水平的情況,完全設(shè)計(jì)nF=(叼2)12既是格子點(diǎn)設(shè)計(jì)下使準(zhǔn)則函數(shù)達(dá)到最小的設(shè)計(jì),也是U一型設(shè)計(jì)下使準(zhǔn)則函數(shù)達(dá)到最小的設(shè)計(jì)。并且,對(duì)于第三個(gè)準(zhǔn)則函數(shù),任何水平的完全設(shè)計(jì)。二(Ngs)1gs是U一型設(shè)計(jì)下使準(zhǔn)則函數(shù)達(dá)到最小的設(shè)計(jì)。第四章的工作是研究2一水平U型設(shè)計(jì)下準(zhǔn)則函數(shù)的一些性質(zhì)。我們
3、運(yùn)用兩種不同的方法分別得到了三個(gè)準(zhǔn)則函數(shù)新的表達(dá)形式,并基于這些新的形式得到確定的下界。這兩種方法分別是基于Fangeta1.(2003)文中提出的列平衡和行距離的概念。在得到下界的過程中,本文利用了列平衡的下界和Jenssen不等式。我們知道,一個(gè)好的設(shè)計(jì)要使得設(shè)計(jì)所對(duì)應(yīng)的準(zhǔn)則函數(shù)的值達(dá)到最小。下界正是這樣一種度量。準(zhǔn)則函數(shù)的值越接近下界,設(shè)計(jì)就越好。如果準(zhǔn)則函數(shù)的值達(dá)到了下界,那么該設(shè)計(jì)一定是最優(yōu)的。下界為我們尋找最優(yōu)設(shè)計(jì)提供了很好
4、的參照。第五章中,我們?cè)噲D構(gòu)造一些2水平設(shè)計(jì),并用前面求得的下界去衡量它們的優(yōu)劣。在因子個(gè)數(shù)和試驗(yàn)次數(shù)都給定的條件下,我們就可以用一些算法來構(gòu)造設(shè)計(jì)。本文中,我們介紹了四種算法:前進(jìn)法、局部搜索法、模擬退火法和平衡搜索法。這些算法各有特點(diǎn),有的程序簡(jiǎn)單、直接、速度快,有的則具有更高的準(zhǔn)確性,但需要花費(fèi)時(shí)間作為代價(jià)。我們比較了一些情況下四種算法的效率,發(fā)現(xiàn)局部搜索法在大部分情況下是一個(gè)簡(jiǎn)單、快速、高效的算法。并且當(dāng)因子個(gè)數(shù)增加,試驗(yàn)次數(shù)增
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 參數(shù)的E Bayes估計(jì)和多層Bayes估計(jì).pdf
- I型區(qū)間刪失數(shù)據(jù)下參數(shù)的Bayes估計(jì).pdf
- 基于Bayes方法的非參數(shù)估計(jì).pdf
- i型區(qū)間刪失數(shù)據(jù)下參數(shù)的bayes估計(jì)
- 非參數(shù)回歸模型的Bayes估計(jì)方法及其應(yīng)用研究.pdf
- 一類線性模型中參數(shù)的Bayes估計(jì)和經(jīng)驗(yàn)Bayes估計(jì)及其優(yōu)良性.pdf
- 半?yún)?shù)回歸模型的Bayes估計(jì).pdf
- 半相依回歸模型參數(shù)的Bayes估計(jì).pdf
- 線性模型中參數(shù)型經(jīng)驗(yàn)Bayes估計(jì)若干問題研究.pdf
- Linex損失下Burr分布參數(shù)的Bayes估計(jì).pdf
- 38120.gamma過程與非參數(shù)bayes分析
- 基于區(qū)間數(shù)據(jù)的非參數(shù)Bayes估計(jì)及其應(yīng)用.pdf
- 熵?fù)p失函數(shù)下幾種分布參數(shù)的Bayes估計(jì).pdf
- 參數(shù)和非參數(shù)方法下讓步比估計(jì)的比較.pdf
- 基于相協(xié)樣本下刻度指數(shù)族和單邊截?cái)嘈头植甲鍏?shù)的Bayes統(tǒng)計(jì)推斷理論.pdf
- 若干半?yún)?shù)和非參數(shù)模型的穩(wěn)健估計(jì)和特征篩選.pdf
- 污染線性模型的參數(shù)和非參數(shù)估計(jì)的研究.pdf
- 參數(shù)模型的非參數(shù)調(diào)整方法.pdf
- 參數(shù)、非參數(shù)GARCH模型與半?yún)?shù)GARCH模型的比較研究.pdf
- 混合整數(shù)線性模型的相合性與未知參數(shù)的Bayes估計(jì).pdf
評(píng)論
0/150
提交評(píng)論