一种简单的贝叶斯修改D-最优设计以减少对假设模型的依赖

D-最优和其他计算机生成的实验设计因过于依赖假设的统计模型而受到批评。为了解决这一批评，我们引入了具有主要和潜在项的实证模型的概念。将这一思想与贝叶斯理论相结合，本文提出了一种D-最优方法的修改，保持了算法设计的灵活性和易用性，同时对由于模型不正确引起的偏差具有更强的抵抗力。这些设计为IV级设计提供了贝叶斯依据。几个理论示例和文献中的一个实际示例展示了所提方法的优势。