Zusammenfassung
Eine Problemstellung, die in verschiedenen Wissenschaften und ihren Anwendungsgebieten häufig auftritt, ist die Frage nach der funktionalen Abhängigkeit. (Regression) einer (reellen) Meßgröße y von einer Einflußgröße x. Dabei kann es sich etwa in der Medizin um eine Dosis-Wirkung-Beziehung handeln, wenn x die Stärke der Dosis z.B. eines blutdrucksenkenden Medikaments und y die auftretende Wirkung (Blutdrucksenkung) sind. In der Agrikultur kann die Abhängigkeit des Pflanzenertrags y von der aufgewendeten Menge x des Düngemittels interessieren. Oder bei einem chemischen Prozeß kann die Ausbeute y eines Reaktionsprodukts bei Variation von Prozeßbedingungen wie Temperatur, Druck, Feuchtigkeit, Einströmgeschwindigkeit eines gasförmigen Reaktionspartners studiert werden. Im letzteren Fall wäre x mehrdimensional entsprechend der Berücksichtigung mehrerer (quantitativer) Einflußfaktoren. Natürlich lassen sich auch die anderen Beispiele durch Einbeziehung weiterer Einflüsse erweitern: Für die Wirkung eines blutdrucksenkenden Medikaments sind Körpergewicht und Alter des Patienten wichtig. Bei der Bodendüngung mag der verwendete Dünger aus verschiedenen Komponenten bestehen, deren Anteile variiert werden können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturhinweise
Atwood, L.C. (1969): Optimal and efficient designs of experiments. Ann. Math. Statist. 40, 1570–1602.
Box, G.E.P.; Draper, N.R.(1959): A basis for the selection of a response surface design. J. Amer. Statist. Ass. 54, 622–654.
Box, G.E.P.; Draper, N.R. (1963): The choice of a second order rotatable design. Biometrika 50, 335–352.
Farrell, R.H.; Kiefer, J.; Walbran, A. (1967): Optimum multivariate designs. Proc. 5th Berkeley Symp. Math. Statist. Prob., Vol.1, 113–138.
Fedorov, V.V. (1972): Theory of Optimal Experiments. Academic, New York.
Fedorov, V.V. (1980): Convex design theory. Math. Operations-forsch. Statist., Ser. Statistics 11, 403–413.
Gaffke, N. (1982): On D-optimality of exact linear regression design with absolutely minimum support. Zur Veröffentlichung einger. Manuskript. Institut f. Statistik, RWTH Aachen.
Gaffke, N.; Krafft, O. (1982a): Matrix inequalities in the Löwner ordering. In: KORTE, B. (ed.): Modern Applied Mathematics. Optimization and Operations Research. North-Holland, Amsterdam, 595–622
Gaffke, N.; Krafft, O. (1982b): Exact D-optimum designs for quadratic regression. J. Roy. Statist. Soc. B 44.
Granovskiǐ, B.L. (1967): On a problem arising in the theory of optimal planning of regression experiments (Russion). Izv. Vysšs. Učebn. Zaved. Matematika, no 4 (59), 47–53.
Guest, P.G. (1958): The spacing of observations in polynomial regression. Ann. Math. Statist. 29, 294–299.
Heayat, A. (1981): Study of optimality criteria in design of experiments, In: Csörgö, Dawson, Rao, Saleh (eds.): Statistics and Related Topics. North-Holland, Amserdam, 39–56.
Hoel, P.G. (1958): Efficiency problems in polynomial estimation. Ann. Math. Statist. 29, 1134–1145.
Hoel, P.G. (1965): Minimax designs for two dimensional regression,. Ann. Math. Statist. 36, 1097–1106.
Hohmann, G.; Jung, W. (1975): On sequential and non-sequential D-optimal experimental design. Biometrische Z. 17, 329–336.
Kiefer, J. (1959): Optimum experimental designs /with discussion). J. R. Statist. Soc. B 21, 272–304.
Kiefer, J. (1961): Optimum designs in regression problems, II. Ann. Math. Statist. 32, 298–325.
Kiefer, J. (1974): General equivalence theory for optimum designs (approximate theory). Ann. Statist. 2, 849–879.
Kiefer, J.; Wolfowitz, J. (1960): The equivalence of two extremum problems. Can. J. Math. 12, 363–366.
Krafft, O. (1978): Lineare statistische Modelle und optimale Versuchspläne. Vandenhoeck & Ruprecht, Göttingen.
Pukelsheim, F. (1980): On linear regression designs which maximize information. J. Statist. Plann. Infer. 4, 339–364.
Šalaevskiǐ, O.V. (1966): The problem of the distribution of observations in polynomial regression. Proc. Steklov Inst. Math. No. 79, 147–166.
Scheffé, H. (1958): Experiments with mixtures. J. R. Statist. Soc. B 20, 344–360.
Silvey, S.D. (1980): Optimal Design. Chapman-Hall, New York.
Stigler, S.M. (1971): Optimal experimental design for polynomial regression. J. Amer. Statist. Ass. 66, 311–318.
Wynn, H.P. (1972): Results in the theory and construction of D-optimum experimental designs. J. R. Statist. Soc. B 34, 133–147.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1984 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Gaffke, N. (1984). Versuchsplanung für Lineare Regressionsmodelle. In: Repges, R., Tolxdorff, T. (eds) Strukturen und Prozesse Neue Ansätze in der Biometrie. Medizinische Informatik und Statistik, vol 56. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-70093-4_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-70093-4_2
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-13877-8
Online ISBN: 978-3-642-70093-4
eBook Packages: Springer Book Archive