Nonlinear models are challenging in optimal designs due to their complexity and lack of canonical forms. The complete class strategy provides a unified framework for studying optimal designs for nonlinear models. However, the current strategy does not...
Nonlinear models are challenging in optimal designs due to their complexity and lack of canonical forms. The complete class strategy provides a unified framework for studying optimal designs for nonlinear models. However, the current strategy does not apply to many models under this framework. In this article, we propose a tool called ancillary functions as an extension to the complete class strategy. We also provide results on minimally supported designs with proper conditions. We demonstrate this tool with two‐parameter dose–response models, which include the Beta‐Poisson model, the complementary log–log model, and the skewed logit model. The results of this article add to the previous complete class framework and make the minimally supported design available for more nonlinear models that were previously not feasible.
Les modèles non linéaires apportent leur lot de défis dans un contexte de planification d'expérience en raison de leur complexité et de l'absence d'une forme canonique. La stratégie de classe complète offre un cadre unifié pour l'étude des plans optimaux pour les modèles non linéaires. Les auteurs proposent un outil, les fonctions auxiliaires, qui forme une extension de la stratégie de classe complète. Ils présentent des résultats au sujet des plans minimalement supportés sous des conditions appropriées. Ils font la démonstration de leur outil avec des modèles dose‐réponse à deux paramètres, notamment avec les modèles Beta‐Poisson, log‐log complémentaire, et logistique asymétrique. Les résultats de cet article s'ajoutent aux stratégies avec classe complète et offrent des plans minimalement supportés pour les modèles non linéaires dans des contextes où ils n'étaient pas disponibles précédemment.