KL-optimum designs to discriminate models with different variance function = Disegni KL-ottimi per discriminare tra modelli con diversa funzione di varianza

In many applications, researchers are interested in models that can be defined by interpretable statistics, such as mean and variance. Kullback-Leibler criterion is one of the best known optimum criteria to select designs to discriminate between two competing models. We provide a simple closed form formula to obtain the optimal KL-design to discriminate between regression models with different variance structures and common response mean and we conduct numerical experiments to compare its performance with other benchmark designs in terms of statistical power.

In molte applicazioni, i ricercatori sono interessati a modelli che possono essere definiti tramite statistiche interpretabili, come media e varianza. Il criterio di Kullback-Leibler e uno dei migliori criteri di ottimalità per selezionare disegni atti a discriminare tra due modelli alternativi. In questo lavoro, forniamo l’espressione in forma chiusa del disegno KL-ottimo per discriminare tra modelli di regressione con diversa struttura di varianza e stessa funzione media. Inoltre, attraverso uno studio di simulazione, abbiamo confrontato il disegno KL-ottimo con altri disegni di riferimento in termini di potenza statistica.