Brad Jones, Director de I + D de estadísticas de JMP, ha sido elegido Miembro de la Asociación Americana de Estadística , la sociedad estadística profesional más destacada de Estados Unidos. Este honor reconoce "contribuciones profesionales sobresalientes y liderazgo en el campo de la ciencia estadística".
Brad tiene una gran pasión por el campo del diseño experimental óptimo. Los experimentos son la forma en que aprendes, por prueba y error, cómo hacer que las cosas funcionen mejor, y los experimentos diseñados óptimos son simplemente la forma en que aprendes más de un número dado de pruebas experimentales. El mundo es demasiado complicado para descubrir cosas por pura teoría; necesitamos algunos datos experimentales para descubrir cómo funciona el mundo.
Durante unos 25 años, Brad ha estado trabajando en un Gran idea Eso enfoca la mayor parte de su trabajo. los Gran idea es que el diseño experimental debe encajar naturalmente en el flujo de trabajo de un ingeniero, y la mejor manera de hacer que eso suceda es que un gran software respalde ese flujo de trabajo. Para que el nuevo software de vanguardia evolucionara, los estadísticos tuvieron que cambiar la forma en que piensan sobre el diseño experimental.
En el pasado, los estadísticos creaban diseños con patrones algebraicos y geométricos; los diseños resultantes podrían acomodar solo ciertas situaciones con números fijos de corridas y factores. Por ejemplo, si tenía un presupuesto para 17 ejecuciones en cinco factores categóricos, tuvo que tirar una carrera para obtener un diseño clásico. En el mundo del diseño clásico, había mucho que aprender, y esa carga de aprendizaje era un impedimento para los ingenieros.
De Brad Gran idea para el flujo de trabajo de ingeniería se volvió el diseño experimental al revés. En lugar de forzar las condiciones para adaptarse a un diseño de tablas, le dice al software de la computadora de qué se trata su experimento y cuántas ejecuciones puede costear, y el software de la computadora crea un diseño personalizado para esa situación, un diseño que es óptimo para el aprendizaje. Lo que necesitas saber del experimento.
Brad adoptó el campo del diseño experimental óptimo y, junto con otros estadísticos en el campo, superó todos los límites para convertirlo en un campo rico y robusto. Un avance temprano, por Chris Nachtsheim y Ruth Meyer, fue un algoritmo general para optimizar el diseño, llamado intercambio de coordenadas. Brad adoptó y refinó el algoritmo de intercambio de coordenadas. Otro desarrollo significativo fue el trabajo de Brad con el coautor Bill DuMouchel sobre los diseños Bayesian D-Optimal. Estos diseños intentan estimar la mayor cantidad posible de efectos de interacción, incluso cuando no todos son estimables.
Entonces Brad reconoció que el método Bayesian D-Optimal podría aplicarse incluso a los efectos principales, y fue pionero en el diseño óptimo de los llamados diseños supersaturados, que permiten que haya más factores que ejecuciones. Esto ocurre en situaciones de detección en las que se espera que solo algunos factores sean grandes, y el objetivo es identificar estos factores importantes. En colaboración con Chris Gotwalt en SAS y otros estadísticos, Brad pasó a ser pionero en los diseños de I-Optimal, varios diseños de relleno de espacios, diseños de mezclas, diseños de parcelas divididas, diseños para modelos no lineales, diseños esféricos, diseños selectos para investigación de mercado y diseños para experimentos informaticos
Para el Gran idea para trabajar, para que los ingenieros estuvieran acostumbrados a diseñar experimentos, también tenía que haber herramientas de ajuste y análisis. Aquí Brad inventó una forma de visualizar una superficie de respuesta tomando secciones transversales verticales a través de cada factor, dados los valores fijos de otros factores. Esta herramienta, llamada Profiler, ahora se implementa en casi todos los sistemas de ajuste DOE. Cuando Brad se unió a SAS para trabajar con JMP, el Perfilador se amplió para proporcionar servicios de optimización completos y recientemente incluye la optimización en presencia de variabilidad (optimización estocástica).
Para el Gran idea Para ganar tracción, Brad tuvo que evangelizar. Con ese fin, ha establecido vínculos con muchos de los principales investigadores del DOE y ha escrito artículos junto con algunos de ellos. Brad es un orador habitual en seminarios de estadísticas académicas, seminarios JMP y reuniones académicas. Una reunión reciente fue la Conferencia internacional sobre diseño de experimentos industriales. en la Universidad de Amberes, donde Brad presentó la defensa pública de su tesis doctoral.
En los últimos dos años, Brad ha presentado numerosos artículos para publicaciones, la mayoría de ellos con coautores. Para los seminarios, Brad y yo desarrollamos una demostración popular que llamamos "truco de cartas", que implica realizar un experimento de proyección supersaturada en vivo con la audiencia.
En el lateral, Brad es un violinista de concierto, un jugador y autor de Go altamente calificado, ha criado perros de exhibición que compiten a nivel nacional y es un corredor de maratón. Fue un autor publicado en el campo de la fotoquímica a los 17 años.
Estoy encantado de ver a Brad reconocido como miembro de ASA.
