ELI5：D/I/A 优化设计您好 JMP 社区，
ELI5 代表像我 5 岁一样解释。
我需要一些支持来向没有强大数学背景且无法轻易理解 JMP 手册中定义的同事解释 D-Optimal、I-Optimal 和 A-Optimal 设计之间的差异（我也没有强大的数学背景） ！）。
有没有办法解释每种 D-Optimal、I-Optimal 和 A-Optimal 算法试图实现的目标，这可能暗示每种设计类型的优缺点？
如果您需要更多上下文，请告诉我。 我感谢对这个主题的任何支持！
我希望每个人都保持安全。
- 唐纳德
美国能源部回复：ELI5：D/I/A 优化设计我会试一试……我确定我会错过一个关键点或者可能过于简单化，但这里是：
所有的实验设计都有相对的弱点和强点，都是为了解决某些类型的实际问题而创建的。 DOE 的丰富之处在于，没有一种设计可以“最佳”工作，无论您对“最佳”的标准是什么，对于所有类型的问题。 因此，为存在以下条件之一且不可忽视的实验调查场景创建了广泛的设计类别：
1. 运行次数需要明确定义。
2. 实验设计本身对因子设置有限制。
3. 有一个特定的模型，研究者希望检测其活性效应。
您希望尽可能高效地完成这一切……我衡量效率的标准是“以最少的资源支出提供所需的信息”。
当研究中存在这些条件中的一个或多个时，一般来说，要考虑的最有效的设计系列应该是被称为“最佳实验设计”的系列……在 JMP 定制设计平台内编入 JMP。
在优化设计中，有许多类型……都以所谓的优化标准命名。 因此，D-最优、A-最优、I-最优等等。 优化设计的工作方式是，一旦您阐明因素、水平、约束、运行次数和您的模型……然后一个小黑匣子开始工作，并以这样一种方式创建设计，即对于您选择的优化标准，被最大化。 现在的问题是，您应该选择哪种最优性标准……对此有两个答案：
1. 让 JMP 为您解决！ JMP 的连接方式是，一旦您定义了因子、约束、模型、运行次数，JMP 就会选择一个最佳标准，以最好地提供您正在寻找的所需信息。 将此视为 JMP DOE 空间中的 Big Red Easy 按钮。 这是“最佳镜头”的保证吗？ 不……但是 JMP 和 DOE 实践中的一些非常聪明的人使用这些启发式方法获得了相当高的击球率。
2. 强制 JMP 为特定的最优性标准创建设计……这里有点冒险……一般来说，当您希望估计主动效应时，您适合 D 最优设计……I 最优设计当对拟合曲线响应感兴趣时，以及当您的兴趣是最小化因子空间中效应的平均方差时的 A 最优设计时……当您真的想专注于估计相互之间的线性和二次效应时，这可能会有所帮助。
哇...对我来说就是这样...我确定我遗漏了一些东西...甚至可能得到一些“小”错误或过于笼统的东西...但这是我的故事，我坚持到它。
我邀请了一些以前的同事和朋友，比如 Mark Bailey 和 Statman。
回复：ELI5：D/I/A 优化设计彼得，
感谢您以简短的格式分享这么多信息。
我总是继续从这些讨论中学习。
可以从像您这样的世界级专家社区中获得大量的知识和见解。
斯坦
回复：ELI5：D/I/A 优化设计你太好了@stan_koprowski ！
我仍然怀念分享我所知道和学到的“哦，太艰难了”的日子，也许@louv我会说？
回复：ELI5：D/I/A 优化设计彼得已经完成了所有繁重的工作！
我对不同类型设计的“简短”回答更多地围绕着它的数学方面。
D 最优设计：找到可以最小化模型参数估计方差的设计。 这些设计通常会在设计空间的边缘放置更多的运行。
I-Optimal 设计：找到将在设计空间上最小化预测方差的设计。 与 D 最优设计相比，这些设计通常会在设计空间的内部放置更多的运行。
A-最优设计：这些更难以描述。 我认为它们是 D 和 I 最优设计之间的混合，但从数学上讲，这是不正确的。 A 最优设计将最小化参数估计的方差总和。 这与 D 最优标准略有不同。
最终，D、I 和 A 最优设计都擅长估计参数，擅长预测预期模型的方差和足够的运行次数。 它们只是针对各种标准进行了真正优化。
回复：ELI5：D/I/A 优化设计到底有什么好处呢？考虑最优标准的另一种方法是它们将如何帮助您实现目标。
D 最优性应该为您提供参数估计的总体最窄置信区间估计。 当您的目标是模型参数的精确估计或重要估计的强大测试时，该结果很有用。 当我需要确定哪些因素或影响（项）显着时，我可能会使用 D 最优设计。 当 D 最优是一个很好的选择时，一个极端的例子是在筛选实验中。
I 最优应该为您提供响应的最小置信区间估计。 当您的目标是响应的精确估计时，该结果很有用，例如当您优化因子设置以获得所需的响应时。
通过关注参数估计（而不是响应估计）的质量，A 最优性还应该为您提供类似于 D 最优设计的结果。 它们还使您有机会通过在对方差求和之前调整应用于每个项的权重来强调模型中的特定项。 您可以调整这些权重，以便为每个术语获得一组不同的功效估计值。
回复：ELI5：D/I/A 优化设计对于 Pete、Stan、Dan 和 Mark 给出的出色解释（神奇的 4...），我真的没有太多要补充的了。 我的建议是针对每种情况，创建多个设计并评估它们提供所需信息的能力与所需资源的比较。 预测预期结果是个好主意。
我在选择标准中考虑的额外“元素”是噪声。 不幸的是，只关注设计结构而没有针对噪声的策略会导致实验在现实世界中没有用，而且其结果也无法外推。
