Robustness of D-optimal Design to Prior Parameter Estimates

Abstract

Kertas ini membincangkan kesan ralat dalam anggaran prior ke atas kecekapan rekabentuk D-optimum yang digunakan bagi menganggar parameter suatu model regresi tak linear. Pencapaian rekabentuk D-optimum tempatan yang terhasil dinilai dengan membandingkan kecekapan penganggaran, E(\%) masing-masing. Kajian mendapati bahawa rekabentuk D-optimum amat teguh terhadap nilai awal parameter dalam satu julat yang lebar dan terlebih anggar parameter akan menghasilkan secara konsisten rekabentuk yang lebih cekap daripada terkurang anggar dengan `quantum' yang sama. Katakunci : Anggaran prior; Kriteria; Varians Teritlak; D-optimum; Kecekapan This paper discusses the effect of errors in prior estimates on the efficiency of the D-optimal design used for estimating the parameters of a nonlinear regression model. The performance of the local D-optimal designs produced are evaluated by comparing their respective efficiencies of estimation , E(\%). It was discovered that the D-optimal design is exceptionally robust to a wide range of initial parameter values and that over-estimating the parameters would consistently produce a more efficient design than under-estimating them by the same quantum. Keywords: Prior estimates; Criterion; Generalized Variance; D-optimal; Efficiency.