역이차 회귀 모델을 위한 최적 실험 설계

초록

본 논문은 역이차 회귀 모델에 대한 두 가지 파라미터화 형태를 고려하여, $c$-, $D$-, $E$-최적 설계라는 세 가지 로컬 최적성 기준에 따라 최적 실험 설계를 도출한다. 설계 공간이 충분히 넓을 경우 기하학적 배분 규칙이 다수의 기준에서 최적임을 증명하고, 여러 기준이 동일한 지원점들을 공유하는 경우가 많음을 확인한다. 또한, 제시된 최적 설계들의 효율성을 다양한 기준에 대해 비교 평가하고, 일반적으로 사용되는 설계들의 효율도 분석한다.

상세 분석

역이차 회귀 모델은 $y=\frac{1}{\beta_0+\beta_1 x+\beta_2 x^2}$ 형태로 표현되며, 실제 실험에서는 $\beta$ 파라미터의 추정 정확도가 설계 선택에 크게 좌우된다. 저자들은 먼저 모델을 (i) $\theta=(\theta_0,\theta_1,\theta_2)$ 로 직접 파라미터화하고, (ii) $\phi=(\alpha,\gamma,\delta)$ 와 같이 변환된 파라미터화 두 가지로 정의한다. 두 파라미터화는 피셔 정보 행렬의 구조에 차이를 만들지만, 최적 설계 문제 자체는 동일한 형태의 비선형 최적화로 귀결된다.

세 가지 로컬 최적성 기준은 각각 다음과 같은 의미를 가진다. $c$-최적 설계는 특정 선형 조합 $c^\top\beta$의 추정 분산을 최소화하고, $D$-최적 설계는 전체 파라미터 추정의 기하 평균 분산(즉, 피셔 정보 행렬 행렬식의 역수)을 최소화한다. $E$-최적 설계는 정보 행렬의 최소 고유값을 최대화함으로써 가장 불확실한 방향의 추정 정밀도를 향상시킨다.

저자들은 먼저 충분히 큰 설계 구간 $