目錄
“統(tǒng)計(jì)與數(shù)據(jù)科學(xué)叢書”序
前言
第1章傳統(tǒng)敏感性試驗(yàn)設(shè)計(jì)1
1.1升降法1
1.2蘭格利法4
1.3OSTR法8
第2章敏感性優(yōu)化試驗(yàn)設(shè)計(jì)11
2.1D-最優(yōu)方法11
2.1.1經(jīng)典D-最優(yōu)方法11
2.1.2貝葉斯D-最優(yōu)方法19
2.2Wu方法23
2.3優(yōu)化隨機(jī)逼近方法26
2.3.1非抑制優(yōu)化隨機(jī)逼近方法26
2.3.2抑制優(yōu)化隨機(jī)逼近方法30
2.3.3兩種優(yōu)化隨機(jī)逼近方法的模擬比較34
2.43pod優(yōu)化試驗(yàn)設(shè)計(jì)36
2.4.1第一段設(shè)計(jì)36
2.4.2第二段設(shè)計(jì)38
2.4.3第三段設(shè)計(jì)38
2.4.43pod設(shè)計(jì)的進(jìn)一步說明39
2.4.53pod設(shè)計(jì)示例41
2.4.63pod設(shè)計(jì)與其他設(shè)計(jì)的模擬比較43
2.4.73pod設(shè)計(jì)、3pod改進(jìn)設(shè)計(jì)及其與Sen-Test的比較49
2.5估計(jì)響應(yīng)分布0.5分位數(shù)的小樣本優(yōu)化設(shè)計(jì)58
2.5.1兩階段優(yōu)化試驗(yàn)設(shè)計(jì)方法58
2.5.2模擬研究60
2.6參數(shù)估計(jì)的統(tǒng)計(jì)性質(zhì)67
2.6.1參數(shù)極大似然估計(jì)的相合性68
2.6.2參數(shù)貝葉斯估計(jì)的相合性72
2.7證明附錄75
第3章廣義敏感性優(yōu)化試驗(yàn)設(shè)計(jì)78
3.1具有兩個(gè)二元響應(yīng)的敏感性優(yōu)化試驗(yàn)設(shè)計(jì)78
3.1.1具有兩個(gè)二元響應(yīng)結(jié)果的刺激-響應(yīng)概率模型79
3.1.2自適應(yīng)雙向MLE迭代試驗(yàn)設(shè)計(jì)80
3.1.3算法示例86
3.1.4模擬研究87
3.2針對(duì)混合響應(yīng)的優(yōu)化試驗(yàn)設(shè)計(jì)100
3.2.1估計(jì)廣義分位數(shù)的優(yōu)化試驗(yàn)設(shè)計(jì)100
3.2.2模擬研究108
3.2.3實(shí)際應(yīng)用111
3.3針對(duì)混合響應(yīng)的貝葉斯序貫試驗(yàn)設(shè)計(jì)113
3.3.1混合響應(yīng)模型114
3.3.2設(shè)計(jì)準(zhǔn)則115
3.3.3SI-最優(yōu)設(shè)計(jì)117
3.3.4貝葉斯D-最優(yōu)設(shè)計(jì)118
3.3.5試驗(yàn)設(shè)計(jì)算法118
3.3.6模擬研究126
第4章響應(yīng)分布擬合方法133
4.1圖方法133
4.2擬合優(yōu)度檢驗(yàn)136
4.2.1Pearson統(tǒng)計(jì)量136
4.2.2Deviance統(tǒng)計(jì)量137
4.3同型不同批數(shù)據(jù)下的擬合優(yōu)度檢驗(yàn)139
第5章基于Python語言的算法實(shí)現(xiàn)149
5.1Python的安裝149
5.2敏感性試驗(yàn)數(shù)據(jù)分析150
5.3優(yōu)化試驗(yàn)設(shè)計(jì)的Python實(shí)現(xiàn)158
5.3.1升降法159
5.3.2蘭格利法161
5.3.3D-最優(yōu)設(shè)計(jì)方法164
5.3.43pod方法168
參考文獻(xiàn)174
索引177
“統(tǒng)計(jì)與數(shù)據(jù)科學(xué)叢書”已出版書目178