贝叶斯设计用于减少双变量空间响应的预测不确定性，并应用于空气质量监测
摘要：基于模型的地统计学设计涉及选择地点以收集数据，以在所有可能的地点集合上最小化预期损失函数。损失函数的规定反映了数据收集的目标，对于地统计研究来说，可以是最小化未观测地点的预测不确定性。在本文中，我们提出了一种通过考虑模型预测和模型参数的熵来导出损失函数的新方法来设计这种研究。该方法还包括对广义线性空间模型的多变量扩展，因此可以用于设计具有多个响应的实验。不幸的是，评估我们提出的损失函数在计算上是昂贵的，因此我们提供了一个近似值，使我们的方法可以用于设计实际尺寸的地统计学研究。通过模拟研究和设计澳大利亚昆士兰州的空气质量监测项目，我们证明了这一点。结果表明，我们的设计在单独实现每个实验目标方面仍然非常有效，在两个目标之间提供了理想的折衷。因此，我们倡导我们的方法在基于模型的地统计学设计中可以得到更广泛的应用。
作者：S. G. Jagath Senarathne, Werner G. M"uller, James M. McGree
论文ID：2001.08308
分类：Computation
分类简称：stat.CO
提交时间：2021-12-03