文件名称：论文研究-大数据下仿真筛选实验及误差控制模型和应用.pdf
文件大小：1.34MB
文件格式：PDF
更新时间：2022-10-10 15:00:11
论文研究
论文研究-大数据下仿真筛选实验及误差控制模型和应用.pdf, 针对"大数据 仿真模型 后仿真分析"这一新型研究范式，提出基于基效应估计（EE），Bootstrap假设检验以及伪发现率误差控制（FDR）的"后仿真分析"筛选实验设计方法（简称BFEE）.BFEE用于识别对仿真模型所感兴趣的响应起到最重要主效应/交互效应作用的少量关键因子.相比传统EE，BFEE保证了信息识别的统计精度和效力.与现有的仿真实验的序贯分支筛选法（SB）相比，BFEE无需任何模型假设，从而更容易适应大数据背景下的复杂数据特征.蒙特卡罗仿真的三种方法对比实验表明，BFEE在不需任何假设的条件下即可获得理想的实验效率和效力，在降低计算实验成本同时，保证了识别重要效应的精度.基于实际背景仿真案例的应用显示BFEE具有良好的实际应用价值.