排序方式： 共有1条查询结果，搜索用时 734 毫秒
1
1.
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. 相似文献
1