<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />私は自分のデータのすべてが決定論的なコンピューターシミュレーションから派生しているので私のデータはランダムな変動がない架空の世界に住んでいます。 私の目的は、未知の領域について予測できるようにするために、最も重要であるが最も複雑ではない、自分のデータに適合するモデルを見つけることです。
私のデザインのほとんどの変数は連続的ですが、各変数は通常、最小、標準、最大の設定をとることができる私のシミュレーションのサブブロックを表すので、私はしばしばそれらをデザインのカテゴリーとしてキャストします。 デザインではカテゴリカル変数を使用しますが、モデルフィットではそれらを連続変数として扱い、期待される2次の振る舞いを捉えることができます。
JMP 10で、私は上で詳述したように私が真似していた振る舞いを持つDiscrete Numeric Factor型を使い始めることができることを知りました。 唯一の問題は、離散数値を使用したときに、中心点の複製や他の複製がはるかに多く発生することがわかったことです。 これは、'Number of Center Points：'および 'Number of Replicate Runs'フィールドがゼロに設定されている場合でも発生します。
今、私はランダムなバリエーションのない世界に住んでいるので、重複したポイントは私には価値がありません。
中心点を複製したサンプルスクリプトを添付しました。 レプリケートポイントを検出するには、テーブルをソートして中央に移動して表示します。
私はD最適設計を使用しています（これはI最適設計よりも中心点が少ないようです）。
デザインに重複するデータポイントがないようにする方法を知っている人はいますか？
DOE （
カスタムデザイン 、
{ 応答を追加 （ 最大化する 、 "Y" 、 。 、 。 、 。 ） 、
係数を追加 （ 離散数値 、 { 1 、 2 、 3 } 、 "X1" 、 0 ） 、
係数を追加 （ 離散数値 、 { 1 、 2 、 3 } 、 "X2" 、 0 ） 、
係数を追加 （ 離散数値 、 { 1 、 2 、 3 } 、 "X3" 、 0 ） 、
係数を追加 （ 離散数値 、 { 1 、 2 、 3 } 、 "X4" 、 0 ） 、
係数を追加 （ 離散数値 、 { 1 、 2 、 3 } 、 「×5」 、 0 ） 、
係数を追加 （ 連続的 、 - 1 、 1 、 "X6" 、 0 ） 、
係数を追加 （ 連続的 、 - 1 、 1 、 "X7" 、 0 ） 、
係数を追加 （ 連続的 、 - 1 、 1 、 "X8" 、 0 ） 、ランダムシードを設定 （ 1502480852 ） 、
開始数 （ 200 ） 、用語を追加 （ { 1 、 0 } ） 、用語を追加 （ { 1 、 1 } ） 、
用語を追加 （ { 2 、 1 } ） 、用語を追加 （ { 3 、 1 } ） 、用語を追加 （ { 4 、 1 } ） 、用語を追加 （ { 5 、 1 } ） 、
用語を追加 （ { 6 、 1 } ） 、用語を追加 （ { 7 、 1 } ） 、用語を追加 （ { 8 、 1 } ） 、
用語を追加 （ { 1 、 1 } 、 { 2 、 1 } ） 、用語を追加 （ { 1 、 1 } 、 { 3 、 1 } ） 、
用語を追加 （ { 1 、 1 } 、 { 4 、 1 } ） 、用語を追加 （ { 1 、 1 } 、 { 5 、 1 } ） 、
用語を追加 （ { 1 、 1 } 、 { 6 、 1 } ） 、用語を追加 （ { 1 、 1 } 、 { 7 、 1 } ） 、
用語を追加 （ { 1 、 1 } 、 { 8 、 1 } ） 、用語を追加 （ { 2 、 1 } 、 { 3 、 1 } ） 、
用語を追加 （ { 2 、 1 } 、 { 4 、 1 } ） 、用語を追加 （ { 2 、 1 } 、 { 5 、 1 } ） 、
用語を追加 （ { 2 、 1 } 、 { 6 、 1 } ） 、用語を追加 （ { 2 、 1 } 、 { 7 、 1 } ） 、
用語を追加 （ { 2 、 1 } 、 { 8 、 1 } ） 、用語を追加 （ { 3 、 1 } 、 { 4 、 1 } ） 、
用語を追加 （ { 3 、 1 } 、 { 5 、 1 } ） 、用語を追加 （ { 3 、 1 } 、 { 6 、 1 } ） 、
用語を追加 （ { 3 、 1 } 、 { 7 、 1 } ） 、用語を追加 （ { 3 、 1 } 、 { 8 、 1 } ） 、
用語を追加 （ { 4 、 1 } 、 { 5 、 1 } ） 、用語を追加 （ { 4 、 1 } 、 { 6 、 1 } ） 、
用語を追加 （ { 4 、 1 } 、 { 7 、 1 } ） 、用語を追加 （ { 4 、 1 } 、 { 8 、 1 } ） 、
用語を追加 （ { 5 、 1 } 、 { 6 、 1 } ） 、用語を追加 （ { 5 、 1 } 、 { 7 、 1 } ） 、
用語を追加 （ { 5 、 1 } 、 { 8 、 1 } ） 、用語を追加 （ { 6 、 1 } 、 { 7 、 1 } ） 、
用語を追加 （ { 6 、 1 } 、 { 8 、 1 } ） 、用語を追加 （ { 7 、 1 } 、 { 8 、 1 } ） 、用語を追加 （ { 1 、 2 } ） 、
用語を追加 （ { 2 、 2 } ） 、用語を追加 （ { 3 、 2 } ） 、用語を追加 （ { 4 、 2 } ） 、用語を追加 （ { 5 、 2 } ） 、
用語を追加 （ { 6 、 2 } ） 、用語を追加 （ { 7 、 2 } ） 、用語を追加 （ { 8 、 2 } ） 、
サンプルサイズを設定 （ 48 ） 、最適性基準 （ 1 ） 、デザインする }
）
データに曲率があることが予想されるので、実際にはモデルに純粋な2次項が必要です。それを削除すると（2次項）、JMPは2つのレベルの設計を作成します。
私がこれまで見つけた最善の解決策は手動で重複した点を見つけて削除することですが、これは私が欲しい/必要とする解決策からは程遠いです。
-R
モデルから多項式の項を削除し、主な効果と相互作用を使用するだけで、必要なことを実行できると思います。
