D最优或I最优设计，可在感兴趣因素的限制下实现最小的预测方差在JMP技术细节中，它说D优化关注于对效果的精确估计，而I最优设计则最小化了整个设计空间中预测的平均方差。 假设我有两个因子X1和X2，它们各自变化例如+/- 20％，并且想要在因子变化的极限（即-20％和+ 20％。 我们还假设我具有二阶二次效应，并且在模型中具有交互作用，并且可以进行20次运行。 屏幕快照中的JMP中的示例（左：D最佳，右：I最佳）。 如我们所见，对于I最优设计，在因子值的极限处的最大相对预测方差更高，因为平均数预测方差最小化。
是否可以选择另一个最佳标准来实现该目标，或者您还有其他建议吗？ 我的第一个主意将是选择I最优模型，并在每个因子的极限处手动放置一些其他测量运行。
亲切的问候，
蒂娜
美国能源部回复：D最优或I最优设计，在关注因子的限制下实现最小的预测方差这是个有趣的问题。 为了比较两种设计的预测方差曲线，我更喜欢看设计空间图的分数。 我为您的情况显示了D最优，I最优和A最优设计：
这表明尽管D-Optimal设计确实可以轻微地在设计空间的边缘更好，I-Optimal设计在预测方差方面要优越得多。 A最优是有趣的，但在设计空间的非常边缘处也比D最优差。 那么，您到底有多少赌徒真正发生在边缘？ 如果您对此很有信心，为什么不将设计放在该位置呢？ 此外，如果您“知道”最佳效果首先位于边缘，为什么还要去+/- 20％？
I最优设计创建最小的设计融合的方差，而不是平均值。 想想上面显示的FPS图。 I最优将使曲线下方的面积最小。 A最优设计具有最小化平均预测方差的效果。 我不知道任何试图最小化设计空间边界上的预测方差的设计标准。 可能会有某种东西可以做到这一点（或可以证明做到这一点-如果D最优设计实际上做到了这一点，我不会感到惊讶）。 在我看来，这样做的设计将限制实际使用。
回复：D最优或I最优设计，在关注因子的限制下实现最小的预测方差谢谢@Dan_Obermiller为您的答案和注意事项！
关于我的问题，我不想指出我假设最佳因子设置在边缘，而是我想要一个模型，可以在边缘进行非常精确的预测。 我同意采用I最优设计，预测方差要好得多，正如我们在您共享的图中所看到的那样。 因此，在我的方案中，我最优的设计将是我的首选。 此外，我同意将重点放在中心以获取准确的预测并能够最好地估算RSM是很重要的。 但是，我想知道是否有一个想法，而不是手动添加其他点，以判断我的回答是否超出规范，特别是我是否已达到我的因素的极限。
回复：D最优或I最优设计，在关注因子的限制下实现最小的预测方差由于您正在寻找想法，因此这里有一个想法。 如果您为二次模型创建了10次运行的I最优设计，并为二次模型创建了另一个10次运行的D最优设计，并将两者串联在一起，该怎么办？ 您手动复制端点的想法使我想到了这种方法。
最终的20次运行设计具有以下FDS：
它改善了边缘的预测，但代价是在70％的设计空间内具有更高的方差。 我不确定这种权衡是否值得。 我附上了完整的日记，以作进一步探索。
最终，由于某种原因，I-Optimal的标题具有最佳性。 为了在边缘获得更好的预测方差，将不得不为其余的设计空间付出一定的代价。 最终，该成本可能会使该组合的整体吸引力降低。
