محمد حسین امین ابراهیم آبادی

ما مشکل طراحی جمع آوری داده های زمانی / طولی را در نظر می گیریم. اسپل صاف کننده تطبیقی ​​به عنوان مدل آنالیز مورد استفاده قرار می گیرد که در آن می توان اطلاعات انحنای قبلی را به صورت طبیعی به عنوان یک مجازات صافی وزن گنجانید. برآوردگر منحنی در فرم مدل ترکیبی خطی بیان شده است ، و ماتریس اطلاعات پارامترها بدست می آید. سپس از معیار D- بهینه برای محاسبه نقاط طراحی بهینه استفاده می شود. پسوند در نظر گرفته شده برای مواردی که زیرمجموعه‌ها الگوهای مختلفی از انحنای قبلی دارند. ما با استفاده از داده های شبیه سازی شده ، خواص طراحی های بهینه را با طرح یکنواخت مقایسه می کنیم و روش خود را برای داده های رشد برکلی به کار می گیریم تا سن بهینه را برای اندازه گیری ارتفاعات برای مردان و زنان تخمین بزنیم. این رویکرد در یک بسته R با نام “ODsplines” اجرا می شود ، که از سایت github.com/jialiwang1211/ODsplines در دسترس است.