EFFECT OF RANDOM PARAMETERS IN NONLINEAR REGRESSION ON THE OPTIMAL EXPERIMENTAL DESIGN
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F23%3A00368697" target="_blank" >RIV/68407700:21110/23:00368697 - isvavai.cz</a>
Výsledek na webu
<a href="https://2023.uncecomp.org/proceedings/pdf/19596.pdf" target="_blank" >https://2023.uncecomp.org/proceedings/pdf/19596.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
EFFECT OF RANDOM PARAMETERS IN NONLINEAR REGRESSION ON THE OPTIMAL EXPERIMENTAL DESIGN
Popis výsledku v původním jazyce
We consider a nonlinear regression model that describes a relationship between input parameters and an output of an experiment. The output is measured repeatedly in several time points. The regression function is supposed to contain additional random parameters that remain the same in a single experiment but differ from one experiment to the other. Due to the additional random parameters the variability of least squares estimates of the parameters of interest may be large and their distribution may be not normal. For choosing a good design of experiment we might be interested in the complete joint distribution of the LS estimates. We compare three methods for approximating this distribution and illustrate the methods by some examples.
Název v anglickém jazyce
EFFECT OF RANDOM PARAMETERS IN NONLINEAR REGRESSION ON THE OPTIMAL EXPERIMENTAL DESIGN
Popis výsledku anglicky
We consider a nonlinear regression model that describes a relationship between input parameters and an output of an experiment. The output is measured repeatedly in several time points. The regression function is supposed to contain additional random parameters that remain the same in a single experiment but differ from one experiment to the other. Due to the additional random parameters the variability of least squares estimates of the parameters of interest may be large and their distribution may be not normal. For choosing a good design of experiment we might be interested in the complete joint distribution of the LS estimates. We compare three methods for approximating this distribution and illustrate the methods by some examples.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
<a href="/cs/project/EF16_019%2F0000778" target="_blank" >EF16_019/0000778: Centrum pokročilých aplikovaných přírodních věd</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů