실험에서 실행되지 않는 특정 매개 변수에 대해 JMP에서 파생 된 바람직한 기능을 평가하려면 어떻게합니까?컨텍스트 : 나는 respose 표면 실험에서 데이터가 있습니다. 나는 응답을 모델링하고 바람직 함수 (예 : 프로파일 러를 사용하여 "desirabilities를 저장"테이블에 새 열을 가져 왔으며 열 머리글을 두 번 클릭하고 기능을 볼 수 있습니다. 나는 그 기능이 어떻게 독점적 인 것인가에 대해 할 수있는 한 많은 것을 알고있다. 그것은 Exp (w_1Log (d_1) + w_2Log (d_2) +)이다. + w_k Log (d_k)) 여기서 각 d_i는 특정한 반응에 대한 특정 바람직 함수이다. 예를 들어, 지수가 2 인 부드러운 조각 별 함수와 최소화 / 최대화의 경우 3 승, 목표의 경우 2 배의 표준 밀도를 갖는다.
질문 : 실험에서 실행되지 않는 매개 변수 세트에 대한 바람직 함을 평가하고 싶습니다. JMP가 이미 최적의 매개 변수를 찾는 것과 같습니다 (예 : 알고리즘을 사용하여 매개 변수 공간을 이동하고, 모델을 사용하여 응답 값을 예측합니다. 매개 변수 조합에 대해 적용한 다음 해당 조합의 바람직 함을 계산합니다. 매개 변수를 지정하고 필자가 맞춘 특정 모델 세트에 대한 예측 된 응답과 바람직 함을 계산하도록하고 싶습니다. 내가 할 수 있을까? 그렇다면 어떻게? 한 가지 옵션은 모델 매개 변수를 가지고 있기 때문에 그 모델을 작성할 수 있기 때문에 예측 된 값을 얻은 다음 바람직 함수로 꽂을 수 있습니다. 그런 다음에는 특정 부드럽게 piecewise 함수가 있어야하며 이는 어려운 것으로 보입니다. 세부 사항은 독점적 인 것입니다 (또는 내가 JMP라면 그렇게 할 것입니다). 어떤 아이디어?
Re : 어떻게 experime에서 실행되지 않는 특정 매개 변수에 대한 JMP 파생 바람직 함수를 평가합니까예측 프로파일 러는 피팅 플랫폼에서 편리하게 사용할 수 있습니다. 그래프 메뉴에서도 자체적으로 사용할 수 있습니다. 따라서 저장된 모델 (열 수식)을 사용합니다. 따라서 동일한 응답 변수와의 관계를 알고있는 수식을 사용하여 새 열을 만들어야합니다. 그래프> 프로파일 러를 선택하고 적합한 모델과 알려진 모델을 사용하여 데이터 열을 선택하고 둘 다 Y 역할을 할당 한 다음 확인을 클릭합니다.
