联合管理计划在添加有用的方法来帮助科学家、工程师、研究人员和分析师的工作方面有着长期的记录。 是什么促使我们添加这些新方法？ 通常，包含新方法的灵感背后都有一个故事，就 A 最优设计而言，它始于一位名为的博士生的论文乔恩·斯托林斯，现任北卡罗来纳州立大学统计学助理教授。
我们自己的布拉德利·琼斯，杰出研究员联合管理计划部门，在乔恩的论文委员会任职，他的论文，设计实验的一般加权最优性，包括将 A 最优标准添加到 JMP 中的自定义设计功能的激励用例。
Jon 分享了他对 JMP 14 中包含 A 最优设计的想法：
“称设计为最佳可能会对从业者产生很大的误导。 对于从业者来说，重要的是要理解，就设计分析性能的汇总衡量而言，设计被发现是最佳的。 该摘要丢失了有关该设计性能的信息，从业者应该了解最优性标准与他们的分析目标之间的关系。 D 准则是迄今为止最流行的准则，对于同样强调估计主效应和交互作用的响应曲面设计非常有效。 如果想要更加重视估计某些影响而不是其他影响，则 D 准则将不合适。 JMP 14 中包含加权 A 标准使从业者在设计选择方面具有更大的灵活性，并允许他们根据自己的特定目标定制设计。 JMP 强大的定制设计平台使从业者能够根据这些标准快速生成和比较竞争设计，并更多地参与设计选择。”
正如 Brad 所解释的那样，“A 最优和 D 最优设计相似，但 A 最优设计允许通过加权对参数组给予不同的重视，并且最优标准很容易理解。 根据具体情况，您可能想要更多地强调主效应，或者二阶效应和加权 A 最优设计可以让您灵活地做到这一点。”
在此示例中，比较 A 最优设计和 D 最优设计，A 最优设计具有更理想的属性。 D 最优设计具有更混乱的相关结构，并且 A 最优设计的设计诊断要好得多。
这是一个简单的示例，但它传达了 A 最优设计的潜力，使您可以灵活地强调某些效果而不是其他效果，并创建可以更好地满足您的需求的设计。
A-最优准则是一个相对较新的研究领域实验设计，我们很高兴将其包含在 JMP 14 中。 您可以在今年晚些时候期待更多关于能源部新功能的详细博客文章。
