ELI5 : D/I/A Conceptions optimalesBonjour la communauté JMP,
ELI5 signifie Expliquez comme si j'avais 5 ans.
J'ai besoin d'aide pour expliquer les différences entre les conceptions D-Optimal, I-Optimal et A-Optimal à des collègues qui n'ont pas de solides connaissances en mathématiques et qui ne peuvent pas facilement comprendre les définitions du manuel JMP (je n'ai pas non plus de solides connaissances en mathématiques). !).
Existe-t-il un moyen d'expliquer ce que chacun des algorithmes D-Optimal, I-Optimal et A-Optimal tente d'atteindre, ce qui pourrait faire allusion aux avantages et aux inconvénients de chaque type de conception ?
S'il vous plaît laissez-moi savoir si vous avez besoin de plus de contexte. J'apprécie tout soutien sur ce sujet!
J'espère que tout le monde reste en sécurité.
-Donald
Modélisation statistique avancéeÉtudes de consommation et de marchéAccès aux donnéesConception d'expériencesPersonnalisation de masseIngénierie Qualité et ProcédésRe: ELI5 : D/I/A Conceptions optimalesMerci pour les réponses fantastiques de tout le monde. C'est exactement ce que je recherchais.
Re: ELI5 : D/I/A Conceptions optimalesJe n'ai vraiment pas grand chose à ajouter aux excellentes explications données par Pete, Stan, Dan et Mark (les 4 fantastiques...). Ma suggestion est pour chaque situation, de créer plusieurs conceptions et de les évaluer pour leur capacité à fournir les informations souhaitées par rapport aux ressources requises. La prédiction des résultats attendus est une bonne idée.
L'"élément" supplémentaire que je considère dans les critères de sélection est le BRUIT. Malheureusement, se concentrer uniquement sur la structure de conception et ne pas adopter de stratégie en matière de bruit laisse des expériences qui ne sont pas utiles dans le monde réel et dont les résultats ne peuvent pas être extrapolés.
Re: ELI5 : D/I/A Conceptions optimalesÀ quoi ça sert?Une autre façon de réfléchir aux critères d’optimalité est de savoir comment ils vous aideront à atteindre votre objectif.
L'optimalité D devrait vous fournir les estimations globales de l'intervalle de confiance les plus étroites des estimations de paramètres. Ce résultat est utile lorsque votre objectif est d'obtenir des estimations précises des paramètres du modèle ou des tests puissants d'estimations significatives. Je pourrais utiliser une conception D-optimale lorsque j'ai besoin de déterminer quels facteurs ou effets (termes) sont significatifs. Un exemple extrême d’un cas où D-optimal est un bon choix est celui d’une expérience de dépistage.
L'optimalité I devrait vous fournir les estimations d'intervalle de confiance les plus petites de la réponse. Ce résultat est utile lorsque votre objectif est d'obtenir des estimations précises de la réponse, par exemple lorsque vous optimisez les paramètres de facteurs pour obtenir la réponse souhaitée.
L'optimalité A devrait également vous donner des résultats comme une conception D-optimale en se concentrant sur la qualité des estimations des paramètres (et non des estimations de réponse). Ils vous offrent également la possibilité de mettre l'accent sur des termes particuliers dans votre modèle en ajustant le poids appliqué à chaque terme avant de additionner les variances. Vous pouvez ajuster ces poids afin d'obtenir un ensemble différent d'estimations de puissance pour chaque terme.
Re: ELI5 : D/I/A Conceptions optimalesPeter a fait tout le gros du travail !
Mes réponses "courtes" aux différents types de conceptions sont davantage axées sur l'aspect mathématique de celui-ci.
Conceptions D-Optimales : trouvez la conception qui minimisera la variance des estimations des paramètres de votre modèle. Ces conceptions placeront généralement davantage de courses aux bords de l’espace de conception.
Conceptions I-optimales : recherche la conception qui minimisera la variance des prédictions dans l'espace de conception. Ces conceptions placeront généralement plus de passages à l’intérieur de l’espace de conception que les conceptions D-optimales.
A-Conceptions optimales : celles-ci sont plus difficiles à décrire. Je les considère comme un mélange entre les conceptions optimales D et I, mais mathématiquement, ce n'est pas vrai. Un plan A-optimal minimisera la somme des variances des estimations des paramètres. Ceci est légèrement différent des critères D-optimaux.
En fin de compte, les conceptions optimales D, I et A sont toutes efficaces pour estimer les paramètres et pour prédire les variances pour les modèles prévus et un nombre suffisant d'exécutions. Ils sont simplement véritablement optimisés pour les différents critères.
Re: ELI5 : D/I/A Conceptions optimalesVous êtes trop gentil @stan_koprowski !
Les jours où je partageais ce que je savais et ce que j'avais appris me manquent encore « oh, à la dure », comme peut-être @louv et j'aurais dit ?
Re: ELI5 : D/I/A Conceptions optimalesPierre,
Merci d'avoir partagé autant d'informations dans un format bref.
Je continue toujours à apprendre de ces discussions.
Une quantité incroyable de connaissances et d’idées peuvent être acquises auprès de la communauté d’experts de classe mondiale comme vous.
Stan
Re: ELI5 : D/I/A Conceptions optimalesJe vais essayer... et je suis certain que je vais manquer un point clé ou peut-être simplifier à l'excès, mais voici :
Tous les modèles expérimentaux ont des points forts et des points faibles et ont tous été créés pour résoudre certains types de problèmes pratiques. La richesse du DOE est qu'il n'existe pas de conception unique qui fonctionne « le mieux », quels que soient vos critères de « meilleur », pour tous les types de problèmes. Il existe donc une large catégorie de conceptions qui ont été créées pour le scénario d'investigation expérimentale dans lequel l'une des conditions suivantes est présente et ne peut être ignorée :
1. Le nombre d'exécutions doit être explicitement défini.
2. Il existe des contraintes sur les paramètres des facteurs au sein du plan expérimental lui-même.
3. Il existe un modèle spécifique pour lequel l'enquêteur souhaite détecter des effets actifs.
Et vous voulez accomplir tout cela aussi efficacement que possible... et ma mesure d'efficacité est "fournit les informations requises pour le moins de dépenses possible".
Lorsqu'une ou plusieurs de ces conditions sont présentes dans l'étude, la famille de conceptions la plus efficace à prendre en compte devrait généralement être la famille connue sous le nom de « conceptions expérimentales optimales »... codifiées dans JMP au sein de la plateforme de conception personnalisée JMP.
Dans les conceptions optimales, il existe de nombreux types... tous nommés d'après ce qu'on appelle un critère d'optimalité. D'où D-optimal, A-optimal, I-Optimal et ainsi de suite. La façon dont fonctionnent les conceptions optimales est une fois que vous avez articulé les facteurs, les niveaux, les contraintes, le nombre d'exécutions et votre modèle... alors une petite boîte noire se met en marche et la conception est créée de telle manière que pour les critères d'optimalité que vous avez choisis, est maximisée. La question qui se pose maintenant est de savoir quels critères d'optimalité devriez-vous choisir... eh bien, il y a deux réponses à cette question :
1. Laissez JMP s’en charger pour vous ! De la manière dont JMP est câblé, une fois que vous avez défini les facteurs, les contraintes, le modèle et le nombre d'exécutions, JMP choisira un critère d'optimalité qui sera le mieux à même de fournir les informations requises que vous recherchez. Considérez cela comme le bouton Big Red Easy dans l'espace DOE de JMP. Ce « meilleur cliché » est-il une garantie ? Non... mais certaines personnes assez intelligentes chez JMP et dans la pratique du DOE ont atteint des moyennes au bâton assez élevées en utilisant ces heuristiques.
2. Forcer JMP à créer une conception pour un critère d'optimalité spécifique... c'est ici que cela devient un peu risqué... d'une manière générale, vous adaptez les conceptions D-optimales lorsque vous cherchez à estimer les effets actifs... une conception I-optimale lorsque vous souhaitez ajuster les réponses curvilignes, et une conception A-optimale lorsque votre intérêt est de minimiser la variance moyenne des effets dans l'espace factoriel... peut être utile lorsque vous voulez vraiment vous concentrer sur l'estimation des effets linéaires et quadratiques les uns par rapport aux autres.
Ouf... c'est à peu près tout pour moi... je suis sûr que j'ai oublié certaines choses... et peut-être même que j'ai eu quelque chose d'un "un peu" faux ou trop généralisé... mais c'est mon histoire et je m'en tiens à cela.
J'invite certains d'anciens collègues et amis tels que Mark Bailey et Statman à intervenir.
