Ciao, tutti, e Benvenuto a JMP Scoperta.
Andrea Carlo e Brughiera correndo.
io avere un presentazione oggi quello è andando a evidenziare
alcuni di il caratteristiche in JMP 17 Pro quello volere aiuto voi fuori
in il mondo di miscela Modelli.
Molti di voi sono coinvolti in formulazioni,
e a essere onesto, quello è che cosa noi abbiamo stato facendo un quantità di recente.
Erano un quantità piace ambulanza cacciatori, dove bene Appena andare dopo
il ultimo cosa quei clienti sono interessato in.
Ma quello è che cosa erano vedendo un quantità di recente, è gente Quello sono facendo miscela Modelli
Quello sono in realtà piuttosto complesso e Di più Così di lo faremmo mai sapere.
Noi Appena deciso noi voluto fare alcuni più profondo indagine
insieme a alcuni di il nuovo tecniche che sono fuori,
e Quello JMP 17 esegue per noi.
Andrea, voluto voi piace a ottenere cominciato e può essere dare un piccolo morso di sfondo
Su il totale idea di che cosa un miscela modello è,
e alcuni di il Altro tecniche?
Bene, quindi andiamo inizio fuori insieme a un simpatico, facile grafico.
Andiamo prendere un Guarda Sopra qui a il complotto Su il sinistra.
Erano in un sperimentale ambientazione,
così ora io supponiamo noi abbiamo avuto Due fattori,
Ingrediente UN e Ingrediente B, e essi gamma da 0-1.
Se c'è No miscela vincoli, poi Tutto quanto in il Nero quadrato
è un fattibile punto in questo fattore spazio,
e così i nostri disegno routine è andando a dare noi punti in qualche luogo in questo spazio.
Tuttavia, Se c'è un miscela vincolo
dove queste avere a Inserisci su a uno, poi solo il rosso linea è fattibile.
Noi volere a ottenere un condizionale ottimale
dato Quello vincolo, e noi volere a fine su
in qualche luogo in Quello linea per Entrambi i nostri disegno e i nostri analisi.
Se noi muoversi su a tre miscela ingredienti,
UN, B e C, tutto capace a variare da 0-1,
poi noi ottenere un cubo per Quello 0-1 vincolo per a testa di loro.
Ma insieme a il miscela vincoli, Quello prende il modulo di un aereo
intersecante un cubo, e Quello dà noi questo triangolo,
Così solo questo rosso triangolo è pertinente fuori di Quello intero spazio.
Se noi avere quattro dimensioni, Se noi avere quattro miscela fattori,
poi Quello ammissibile fattore spazio è in realtà un tre- dimensionale sottoinsieme,
un piramide entro là.
Guardare Indietro a il tre- miscela ambientazione.
Vedere questo triangolo? Quello è il permesso regione.
Bene, quello è perché JMP dà noi queste ternario trame.
Per questi appezzamenti ternari,
che cosa JMP volere fare è, Se voi avere Di più di tre miscela fattori,
è lo farai avere Due fattori mostrato a un volta,
e il Terzo asse volere essere il somma di tutto il Altro miscela fattori.
Noi Potere Guarda a queste trame ternarie, piuttosto di avendo a avere un piramide
Quello erano analizzare, cercare, guardare per tutto.
Noi avere a decidere, noi volere un Design di riempimento dello spazio
o un ottimale disegno?
Adesso, normalmente in un non miscela ambientazione, lo faremmo normalmente uso un ottimale disegno,
e per il più parte, noi non lo farebbe ritenere un Design di riempimento dello spazio.
C'è un pochi motivi Quello noi volere a ritenere
un Design di riempimento dello spazio in miscela impostazioni.
Di frequente in il formulazioni mondo, Se voi andare anche lontano,
c'è un piccolo morso Di più sensibilità a andando anche lontano in tuo fattore spazio,
fabbricazione esso anche largo, poi tuo intero processi non riesce.
S supporre Quello accade Sopra qui dove X2 è.
Supponiamo esso non riesce Tutto quanto sotto 0.1.
sei andando a perdere un Buona pezzo delle tue corse perché il ottimale disegno
tende a mettere più di tuo corre Su il confine di il fattore spazio,
Così sei andando a perdere queste.
sei non andando a essere in grado di correre tuo completo modello
insieme a il residuo punti, e sei non andando a avere
qualunque Buona informazione di dove Quello fallimento confine è.
Per il Design di riempimento dello spazio, Se voi avere alcuni tipo di fallimento
inferiore a 0,1, sei perdere un più piccola numero di punti.
Tuo residuo punti ancora dare voi un Design di riempimento dello spazio
in il esistente spazio Quello voi Potere uso a in forma il modello effetti,
e adesso erano andando a essere capace a modello Quello fallimento confine.
Anche in il miscela mondo, noi Spesso vedere più alto ordine effetti attivo:
interazioni o curvature, polinomi,
di noi potrebbe vedere in il non- miscela ambientazione.
Se noi non specificare quelli, perché qualunque di queste Modelli sono ottimale,
condizionale Su il obbiettivo modello noi dare, Così Se noi non specificare un effetto operatore
per il ottimale modello, noi potrebbe non essere capace a in forma esso
dopo il fatto, perché essi potrebbe essere alias
insieme a Altro effetti Quello noi avere.
Queste riempimento dello spazio corre atto come qualcosa di un presa- tutto di possibile corre,
Così c'è un coppia di motivi
Quello noi potrebbe volere a ritenere spazio Riempimento corre,
ma noi volere a prendere un Guarda analiticamente.
Cosa c'è il differenza in prestazione fra queste,
dopo noi correre attraverso modello riduzione, non Appena a il completo modello,
perché erano non solo andando essere usando il completo modello.
Quello è il disegno fase domanda.
quando noi raggiungere il analisi,
Ogni volta che sei analizzare, cercare, guardare a queste miscela esperimenti in JMP,
JMP automaticamente giri spento il intercettare per voi,
perché Se voi volere per adattarsi al completo modello
insieme a tutto di tuo misto rimanere effetti, voi non posso includere il intercettare.
Lo farai ottenere questo avvertimento
perché il miscela- fatto effetti sono costretto a uno,
e essi Inserisci su a cosa il intercettare è, Così Loro sono alias.
Anche, Se noi volere a Guarda a più alto ordine effetti,
noi non posso essere piace un risposta superficie dove noi avere puro quadratico termini.
Noi avere a Guarda a queste Scheffe Cubo termini
perché Se noi Tentativo a Guarda a il interazioni
più il puro quadratico termini, poi noi ottenere Altro singolarità.
Quelli sono un coppia di rughe in il analisi.
Tuttavia, andando inoltrare insieme a il modello selezione metodi,
Inoltrare Selezione o laccio, quale sono il base metodi
di il SVE metodi che erano andando a essere analizzare, cercare, guardare a,
noi volere a ritenere a volte girando spento questo predefinito 'No intercettare' opzione.
Che cosa noi trova è per il Metodo lazo noi in realtà avere a Fai quello
in ordine a ottenere ragionevole risultati.
Dopo noi in forma i nostri modello, adesso noi volere a fare modello riduzione
a calcio fuori irrilevante fattori.
Noi abbiamo avuto un coppia di diverso modi di facendo Quello in base JMP .
Probabilmente che cosa le persone fare più frequentemente è essi uso il effetto riepilogo
a andare indietro Su il p- i valori, e calcio fuori il piccolo p- i valori.
Ma questo è bello instabile perché di il multicollinearità
da il miscela vincolo, dove calciando fuori uno effetto
Potere drasticamente modificare il valori p di il residuo effetti in il disegno.
Che cosa questo complotto Spettacoli è Se noi andare indietro Su p- i valori,
che cosa è il maggiore valore p quello è preso a calci fuori
e noi vedere alcuni saltano in giro qui e quello è da Quello effetto.
Dato Quello tipo di volatilità in il raccordo processi,
voi Potere immaginare Se voi avere piccolo i cambiamenti
in tuo osservato risposte, può essere anche da saggio variabilità,
o qualunque Altro variabilità, Appena piccolo i cambiamenti Potere piombo
a di grandi dimensioni i cambiamenti in il ridotto modello
Quello è presentata come un risultato di questo processi.
Quella alto modello variabilità è qualche cosa quello sarebbe essere simpatico
Se noi Potevo media Sopra in alcuni modo, in il stesso modo Quello può essere
insieme a Bootstrap per est noi media Sopra il variabilità
di il CARRELLO metodi o il partizione metodi
e quello è che cosa il SVE metodi voluto essere analizzare, cercare, guardare a facendo.
In il sciolto senso, Loro sono tipo di il analogico per quello,
per il lineare metodi erano analizzare, cercare, guardare a.
Anche noi Potere vai a Fare un passo saggio e Guarda a min AICc,
quale è può essere il preferito metodo.
Nel nostro Ultimo diapositiva dello spettacolo oggi bene essere prendendo un Guarda a,
per il base JMP utenti, AICc contro B CIRCUITO INTEGRATO contro valore p selezione
insieme a i nostri simulazione diagnostica.
Dare credito a un quantità di il esistente opera e primo su a il SVE approccio.
Queste sono alcuni grande Riferimenti Quello noi abbiamo Usato Sopra il anni.
Anche volere a Grazie Chris Gotwalt per il suo pazienza e rispondendo domande
e condivisione informazione come hanno scoperto le cose lungo il modo.
Questo è davvero aiutato impostare noi su a essere capace a mettere questo a Buona effetto in la pratica.
A proposito di di in la pratica, dove avere noi stato usando questo piuttosto un morso
Sopra il anni è il ambientazione di liquido nano particella formulazione ottimizzazione.
Che cosa è lipidico nano particella formulazione? Bene, una nanoparticella lipidica,
Se hai ottenuto qualunque mRNA COVID vaccini Pfizer, Moderna, poi hai ottenuto queste.
Che cosa queste fare è voi prendere un miscela di quattro diverso lipidi, riassunto qui,
e essi modulo queste piccolo bitto bolle.
Quindi quelli sono elettricamente addebitato,
poi essi trasportare lungo insieme a loro un genetico carico utile,
mRNA, DNA, o Altro carichi utili Quello o agire come vaccini
o Potere obbiettivo cancro cellule.
Il elettrico carica fra il genetico carico utile,
poi il di fronte carica in il nano particella è che cosa si lega insieme.
Quindi noi lo voglio a ottenere attraverso il cellula e poi pubblicazione il carico utile dentro.
Il formulazione i cambiamenti dipendente Su che cosa il carico utile è.
UN lso a volte noi potrebbe modificare il genere di ionizzabile lipidico,
o il genere di lui lper lipidico a vedere quale uno fa meglio,
Così noi avere a rifare questo processi Sopra e Sopra.
Per il più parte, il scienziati avere fondare Quello queste
intervalli di può essere 10-60% per il lipidico impostazioni
poi un più stretto gamma di 1-5%.
Quello è per il più parte il fattibile gamma per questo processi.
Quello è stato esplorato fuori, e quello è che cosa il geometria
noi volere a incontro qui in i nostri applicazione è.
Noi volere a dire, dato che struttura che erano facendo ancora ed ancora,
noi avere un ideale analisi e disegno metodo per Quello?
UN lso noi volere a impostare su un simulazione Quello Se erano analizzare, cercare, guardare a Altro strutture,
Altro geometrie per il fattore spazio, può essere noi Potere generalizzare a Quello,
ma quello è andando a essere i nostri messa a fuoco per Giusto adesso.
Dato Quello sfondo,
Io sono andando a permettere Jim adesso ricapitolare il SVE approccio e parlare di Quello.
Sì, Grazie voi.
Questo particolare scoperta presentazione,
che cosa erano andando a fare è un piccolo un po' più centrato Su Presa della corrente,
Sfortunatamente, perché il risultati sono veramente che cosa questo è tutto di
per il simulazioni Quello noi abbiamo fatto.
Ma questo particolare sessione, io volere mostrare voi alcuni di il JMP 17
Quello noi avere nuovo capacità.
Se io andare e io volere a impostare su un Design di riempimento dello spazio...
Adesso, in precedenza noi non lo erano in grado di fare miscela Modelli insieme a Disegni di riempimento dello spazio
giusto da fuori di il scatola, Se voi volere.
Noi di certo Potevo mettere vincoli in là,
ma adesso che cosa noi volere a fare è mostrare voi come voi Potere fare
un Spazio F malato Disegno insieme a queste miscela fattori.
Questo è nuovo Quello io adesso avere queste venire in come miscela,
quale è Buona perché esso adesso trasporta
tutto di quelli colonna proprietà insieme a esso come bene.
Uno cosa di valore citando Giusto ora è
il predefinito è sei andando a ottenere 10 corre per fattore,
Così 40 corre in un DoE tipicamente è Buona
e noi sono felice perché i nostri il potere è bene sopra 90%
o qualunque cosa i nostri criteri è.
Ma quello è non il Astuccio [non udibile 00:09:54] queste miscela Modelli
perché c'è Così molti vincoli inerente in esso.
Che cosa Quello è raccontare me, Sfortunatamente, è anche Se io erano a avere 40 corre,
Id ancora solo avere 5% potenza da facendo Scheffe Cubo
e anche Se è effetti principali solo, c'è solo 20% potenza.
Potenza adesso è non veramente un disegno criteri Quello erano andando a Guarda a
quando noi fare queste miscela Modelli.
Adesso, tipicamente in i nostri applicazioni,
Sfortunatamente, noi non avere il lusso di avendo 40 corre.
In questo Astuccio bene fare 12 corre e vedere come Quello arriva fuori.
Bene andare avanti e rendere quello Spazio Riempimento Disegno,
e puoi vedere che lo è può essere uniformemente differenza per tutto il superficie.
Di corso, noi fare sapere che erano delimitato insieme a alcuni di queste ragazzi qui
Quello noi può solo andare da 1 -5% Su il polietilene glicole.
Che cosa io volere a fare ora è Appena andare a veloce inoltrare.
Adesso andiamo dire Io ho correre questo disegno e Io sono pronto a fare il analisi.
Questo è dove SVE è veramente fatto enorme progresso
e Se voi ascoltare a alcuni di Chris e Fil di Ramsey opera
fuori là Su JMP Comunità, lo farai vedere questo è un fare un passo modificare.
Questo è un gioco modificare in termini di tuo analitico capacità.
Come voluto noi fare questo in 16?
In JMP 16 che cosa lo faremmo avere a fare è lo faremmo avere a venire attraverso,
e in realtà è di valore andando tramite la fare un passo Appena perché esso dà voi
un piccolo morso di intuizione, anche se il primario missione
di questo riunione o questo parlare è non SVE,
esso volere dare noi un idea di cos'è andando Su.
Che cosa noi Potere fare qui è noi Potere andare avanti e bene rendere il Auto convalida Tavolo.
Questo è il JMP 16 metodologia.
Che cosa lo farai Nota qui è noi abbiamo andato da 12 corre a 24.
Noi Appena raddoppiato loro e voi vedere il Convalida Impostare.
Il addestramento Maggio essere i primi 12, validazione il prossimo 12.
Quello è cos'è aggiunto e poi noi avere questo il peso.
Questo è il Bootstrap il peso e è frazionatamente ponderato.
Che cosa accade è noi volere andare avanti e correre questo modello
e venire su insieme a un previsto valore,
ma poi noi bisogno a modificare queste pesi e poi mantenere facendo questo Sopra e Sopra
per il nostro Bootstrap, molto simile un a caso foresta, idea per il SVE.
Adesso che cosa è utile è a tipo di prendere un Presto Guarda.
Che cosa è il geometria di queste pesi?
Noi Potere vedere Loro sono anti- correlato,
significato se dentro il addestramento impostare che io sono basso,
Io sono probabilmente andando a essere alto in il convalida impostare.
Questo è tipo di un Presto piccolo visivo di Quello relazione.
Adesso Io sono pronto a andare fare mio analisi in JMP 16.
Esso voluto essere analizzato e lo faremmo Appena fare i nostri in forma modello.
Di corso, noi volere un generalizzato regressione
e bene andare attraverso e fare un Scheffe Cubo qui,
perché è un miscela.
Ma ecco dove noi avere a Inserisci in il fare un passo,
noi mettere il set di validazione come tuo convalida colonna
e poi questo convalida il peso è andando a essere Quello frequenza.
Adesso io Potere correre questo.
Di il modo noi Potevo,
in molti di i nostri istanze erano non normale, erano tronco d'albero normale,
noi Potevo mettere Quello in Giusto là.
Qui noi avere i nostri generalizzato regressione capacità
a andare avanti e correre questo modello e Ecco, là sono il stime.
Che cosa noi voluto fare allora veniamo qui sotto il Salva il Predizione Formula.
Quindi qui è uno correre.
Bene, Così noi avuto uno correre.
Voi Potere vedere Quello il superiore è 15.17, e noi in realtà sega 15.23,
Così non cattivo in questo modello,
ma noi voluto fare questo Sopra e Sopra.
Noi Usato a fare esso di 50 volte o Così.
Ma insieme a JMP 17, adesso questo totale processi è automatizzato a noi.
Noi non avere a fare questo 50 volte e poi prendere il media
di queste predizione formule.
Erano capace a andare direttamente a esso.
Se io venire Indietro a mio originale disegno qui insieme a il risposta,
io Potere ottenere Giusto a esso.
Di il modo, questo è mostrandolo io avere altro vincolo mettere in qui.
UN quantità di volte noi avere il chimici e biochimici piace a vedere Quello
a rendere sicuro Quello il rapporti basati su molecolare pesi sono entro Motivo.
Non solo fare noi avere il miscela vincoli,
noi anche avere un quantità di Altro vincoli.
Io sono Lavorando insieme a un gruppo dove noi avere può essere 15 diverso ingredienti
e probabilmente 30 vincoli in aggiunta a il miscela vincoli,
Così queste metodi opera e scalare,
probabilmente è il migliore modo a dire esso, bello bene.
Adesso questo è 17, Così 17 io Potere ottenere Giusto a esso.
Io sono andando a andare avanti in In forma Modello, e Malato andare avanti e fare un Scheffé Cubico.
Da qui, che cosa erano capace a fare è arrivato in un generalizzato regressione.
In questo Astuccio, noi non bisogno a preoccupazione di queste ragazzi in qui.
Noi Potere modificare esso a log normale Se noi Così desiderio.
Uno di mio scelte in il stima
invece di Inoltrare è in fatto SVE Inoltrare,
Così io fare SVE Inoltrare e Io sono andando a andare fare 200.
Lo farai guarda quanto velocemente essi avere questo sintonizzato.
Davvero il solo cosa voi Potere fare in Avanzate controlli
è dai un'occhiata se o non voi volere a forza un termine in.
io colpo andare e istantaneamente Io ho fatto 200 Bootstrap campioni per questo problema.
Di corso, io adesso Potere Guarda a il profilatore
e Quello è il media di il 200 corre.
Quello è tipo di mio fine modello, Se voi volere.
Di corso, insieme a Predizione Profiler,
là sono centinaia di le cose voi Potere fare da qui
e Andrea toccherà Su un coppia Di più di quelli.
Ma Due Altro le cose di valore notando qui,
Malato Salva il Predizione Formula come bene e prendere un Guarda a Quello tipo.
quando io Guarda a il Predizione Formula,
Malato Nota Quello esso è in fatto già mediato fuori per me qui.
Questo è la media dei 200 diverso campioni Quello sono fuori là.
Insieme a Quello, Quello è il demo,
e bene andare Indietro a analizzare, cercare, guardare a il grafici là a dire,
"Quindi cosa è esso Quello erano vedendo in termini di il risultati di SVEM?"
Andrea, Se voi volere a tiro su Quello diapositiva.
Questo è può essere un Presto visivo.
Voi Potere vedere Quello Se io Guarda a quelli primo tre,
in questo Astuccio, rosso è cattivo.
Che cosa erano analizzare, cercare, guardare a qui è il nominale copertura.
Questo è un miscela modello
a il ottimale previsto macchiare di prestazione.
Noi Potere vedere Quello il standard Fare un passo saggio ragazzi sono non facendo anche bene.
Quello è il indietro e inoltrare AIC.
Questo è il copertura aliquote.
Lo faremmo piace esso a essere un nominale 5% errore Quello noi non in realtà vedere
il VERO risposta in il predizione o in realtà il fiducia intervallo.
In Altro parole, quando noi guardato a il profilo
Quello noi Appena visto, ci dà un predizione o fiducia intervallo
era il VERO valore,
quale noi sapere perché erano giocando il simulazione gioco, Giusto?
Noi sapere che cosa il VERO valore è, che cosa percentuale di volta era Quello in là?
Noi Potere vedere Quello noi non fare come bene insieme a i nostri classico metodi.
Il completo modello, mettendo tutto il termini in,
Lazo fa bello bene a un 10% Vota o Così,
ma è non Fino a noi ottenere i metodi SVEM qui Quello noi inizio vedendo
Quello erano veramente catturare e ottenere Buona copertura.
UN Buona può essere immagine a mantenere in tuo mente,
Quello noi sono modo sovraperformando alcuni di il Altro metodi fuori là
quando esso arriva a il capacità.
Adesso, in termini di come questo simulazione,
che cosa erano messa a fuoco Su qui è un piccolo morso diverso di che cosa voi Maggio pensa a,
in termini di un simulazione dove erano alla ricerca a un modello e detto,
"Come bene fatto noi fare insieme a questo particolare metodo?"
Noi Potevo misurare Quello di come il effettivo contro il previsto è
e poi lo faremmo ottenere una specie di un significare quadrato errore.
Noi fare traccia Quello valore,
ma noi trova in i nostri opera, erano tanto Di più ha riguardato di trovare
Quello ottimale miscela, Se voi volere, insieme a il ottimale impostazioni Quello raggiungere noi
un massimo potenza o riduce al minimo alcuni effetti collaterali
o aiuta noi insieme a questo [non udibile 00:18:58]
Quello è andando a essere chiamato il "per cento di massimo" Quello erano analizzare, cercare, guardare per.
Erano andando a uso Quello come i nostri primario risposta qui
in termini di essendo capace a valutare quale metodi superare di gran lunga altri.
È non veramente andando a essere,
come lontano lontano sono io da il Posizione di il ottimale valore?
È come lontano è questo risposta che io previsto come ottimale
come lontano è Quello da il effettivo ottimale?
Quello è andando a essere i nostri misurare di successo.
Il modo questo volere opera è Malato essere chiedendo Andrea un pochi idee qui
in termini di che cosa tipicamente arriva su in la pratica.
io sega il geometria egli ha mostrato me presto Su
e il ottimale disegno era sempre colpo il confini.
Che cosa Se io piace le cose Quello noi chiamata Di più mescolare, Giusto?
Voi avere Di più misto roba in il mezzo,
riempimento dello spazio, quale è meglio.
Se io fare uso un ottimale disegno,
esso impostazioni predefinite a D può essere, ma che cosa di io e UN?
Quindi come di il età- vecchio DOE aggiungendo punti centrali?
È Quello inteligente? O è uno punto centrale?
O come di replica?
Noi abbiamo già discusso come erano non essendo utile,
Così che cosa è un utile misurare di un Buona disegno?
Quello è il disegno pezzo, ma anche il analisi pezzo è,
è là un particolare metodo Quello supera tutti,
o sono là certo le zone Quello noi dovrebbe messa a fuoco Su
usando Lazo e altri,
Quello noi dovrebbe Appena uso SVEM per selezione?
Queste sono pratico domande Quello venire su da tutto di i nostri clienti,
e lo faremmo piace a Condividere insieme a voi
alcuni di il risultati Quello noi ottenere da il simulazione.
Andrea, voi volere a dare noi
un piccolo morso Di più intuizione in i nostri simulazione processi?
Sì, Grazie, Jim.
Prima io fare Quello,
io Appena volere a punto fuori uno attrezzo
Quello noi abbiamo fatto pesante uso di in il analisi di i nostri risultati,
e Sfortunatamente, noi non avere volta a scavare in il demo,
ma esso ha stato Così utile è, entro il profilatore
a Guarda a il produzione a caso tavolo per queste miscela disegni
e a Guarda a il risposte specialmente,
noi frequentemente avere potenze di lato effetti.
Noi avere multiplo risposte,
che vogliamo equilibrio Quello fuori insieme a il desiderabilità funzione,
e poi erano andando a Guarda a il individuale risposte loro stessi.
quando noi produzione un a caso tavolo, noi ottenere un Spazio Riempimento Disegno,
fondamentalmente non un disegno, ma noi riempire su il intero fattore spazio,
e erano capace a Guarda a il marginale impatto
di a testa di il fattori Sopra il intero fattore spazio.
Per esempio, per il ionizzato lipidico genere,
che cosa bene frequentemente vedere è, noi Potere vedere Quello può essere uno ha
un minore marginale comportamento Sopra il intero spazio.
Ma da erano volere a ottimizzare,
noi cura di che cosa il max di a testa di queste è,
e uno di queste volere chiaramente essere meglio o peggio.
Erano analizzare, cercare, guardare a il ridotto modello.
Dopo lui si adatta loro, bene andare a il profilatore e fare questo.
Noi Potere ancora ottenere il analitico ottimale da profilatore,
ma in aggiunta a Quello,
questo dà noi Di più informazione fuori di Appena Quello ottimale.
Che cosa noi potrebbe fare qui è per candidato corre,
perché noi sempre in esecuzione i nostri conferma corre
dopo queste formulazione e ottimizzazione i problemi
è noi potrebbe correre il globale ottimale qui per H 102,
noi potrebbe scegliere fuori il condizionale ottimale per H 101
e vedere quale uno fa meglio in la pratica.
Anche, analizzare, cercare, guardare a il ternario trame,
Se noi colore quelli di desiderabilità o di il risposta,
noi Potere vedere il Di più o meno auspicabile regioni
di Quello miscela spazio,
Così Quello Potere aiuto noi come noi o aumentare il disegno
o o includere aggiuntivo le zone in il fattore spazio,
o a escludere le zone.
io non posso fare tanto Di più insieme a Quello Giusto adesso,
ma io ricercato a punto Quello fuori
perché quello è un molto importante parte di i nostri analisi processi.
Come fare noi valutare alcuni di queste opzioni
entro questo genere di geometria di un fattore spazio?
Noi costruito un simulazione sceneggiatura Quello noi avere condivisa Su il JMP sito web,
e esso consente noi a tappo e giocare a per diverso campione taglie in totale,
come molti le corse sono in il disegno?
Noi avere un VERO modulo scelta
Quello dà noi il VERO generare funzione dietro il processi,
un disegno genere, o spazio Riempimento o ottimale.
Il ottimale disegno adesso è andando a essere di un certo minimo taglia
basato Su il numero di effetti Quello erano mirare.
Fare noi avere un secondo -ordine modello, un Terzo -ordine modello,
un Scheffé Cubico modello?
Che cosa fare noi avere?
Normalmente, Ogni volta che voi costruire un modello e costume disegno in JMP,
esso scrive un modello sceneggiatura fuori a tuo tavolo e poi voi uso Quello a analizzare esso.
Bene, qualche cosa noi abbiamo esplorato è permettendo un più ricco modello
di che cosa noi ottenere, che cosa noi obbiettivo,
e sono noi capace a uso queste metodi insieme a SVE
e ottenere aggiuntivo migliorato risultati,
anche anche se noi no originariamente obbiettivo quelli effetti in il disegno?
Il breve Rispondere là è sì.
Quello è qualche cosa altro noi volere a ritenere,
Così noi permettere noi stessi insieme a il efficace scelta
a includere aggiuntivo effetti.
Noi Potere Guarda a il impatto di aggiungendo replica o punti centrali
e Quello costume DWI dialogo a imporre quelli.
Come fa Quello influenzare i nostri risposta?
Perché qualunque di il riassunti Quello voi ottenere fuori di il disegno
e fuori il design diagnostica sono inizio mirare il completo modello,
o insieme a rispetto a predizione varianti,
D-ottimale, stai guardando standard errori per il parametri.
Ma che cosa noi veramente cura di è come Buona è il ottimale
Quello erano ottenere fuori di questo,
Così quello è che cosa erano andando a prendere un Guarda a insieme a queste simulazioni.
Per il più parte in queste LMP ottimizzazione scenari,
un quantità di volte, bene venire attraverso Due situazioni.
Il scienziati volere dire, "Io ho avuto di 12 corre a disposizione,
e può essere è non Quello importante di un processi,
o il Materiale è molto caro,
e io Appena bisogno a fare il migliore io Potere insieme a 12 corre.Quello è che cosa Io ho avuto."
O esso potrebbe essere qualche cosa dove hanno avuto un bilancio per 40 corre,
e essi Potere in forma un completo secondo -ordine modello
più Terzo ordine miscela effetti,
e noi volere a Tentativo a caratterizzare questo intero fattore spazio
e vedere che cosa il risposta superficie sembra piace Sopra il totale cosa.
Quelli sono il Due scenari erano andando a essere mirare in i nostri simulazione.
Jim, io pensare voi avevo alcuni domande
di prestazione sotto diverso scenari.
Che cosa era tuo primo domanda là?
io fatto.
io indovinare quando io pensare di un 12- correre scenario qui,
e Se io Appena andare insieme a il predefinito, Id ottenere un D -ottimale
e esso voluto essere principale effetti solo.
io riconoscere io Potevo fare il spazio Riempimento piace io Appena fatto,
ma mio domanda è, Se io fare il predefinito,
quale uno di il analisi metodi voluto essere preferito?
O è là uno?
Bene, Così prendendo un Guarda a Quello.
Per il D- ottimale disegno, come un generale regola,
è andando a mettere quasi tutto di suo corre lungo il confine di il fattore spazio
e è non andando a avere qualunque interno corre
salvo che voi avere quadratico termini o qualche cosa Quello richiede Quello.
Insieme a un 12 -correre disegno,
c'è 90 gradi di libertà necessario a in forma tutto il principale effetti qui.
Noi abbiamo avuto un pochi gradi di libertà per errore,
ma per lo più erano solo mirare il principale effetti qui.
Come fare il analisi metodi fare?
È là qualunque differenza in il analisi metodi?
Che cosa noi fare, e tutto di queste erano andando a ricapitolare,
noi mostrare il per cento di max per tutto di i nostri simulazioni Quello noi fare,
e Così noi Potere vedere Quello distribuzione per a testa di il analisi metodi,
tutto per questo 12- correre, D-ottimale disegno obbiettivo effetti.
Quindi noi anche mostrare qualunque significativo differenze fra queste,
e erano Appena usando T degli studenti
Erano non facendo un Due chiavi aggiustamenti, Così mantenere Quello in mente
Ogni volta che sei analizzare, cercare, guardare a questi significativo i valori.
Il vincitore qui è i nostri fatti in casa SVE neurale approccio
perché è non limitato a solo analizzare, cercare, guardare a il principale effetti,
essi Potere permettere alcuni aggiuntivo complessità in il modello,
e Così esso vince qui.
Adesso, non ottenere anche emozionato di Quello perché questo è di il migliore
Quello noi abbiamo visto SVEM neurale fare è dentro queste piccolo impostazioni.
Ma Se noi sono in esecuzione Di più di uno candidato ottimale andando inoltrare,
poi può essere noi Potere includere un SVE neurale, ma in generale,
noi non lo farebbe consiglia solo attaccare con un SVE neurale
Appena perché esso tende a essere Di più variabile, avere più pesante basso code.
Che cosa sono il Altro risultati?
Noi vedere il perdenti in questo applicazione
o qualsiasi cosa quello è facendo il separare sparo modello riduzione
perché tutto queste effetti sono significativo in il modello,
e qualunque volta noi tiro uno di loro fuori, noi sono andando a ottenere
un subottimale rappresentazione di i nostri processi.
Quello è perché in questo Astuccio il completo modello fa meglio di quelli.
Ma cos'è interessante è il SVE lineare approcci
sono capace a a meno incontro Quello completo modello prestazione.
Erano non perdere qualsiasi cosa di usando SVE in questo applicazione,
Così quello è un simpatico aspetto dove noi non avere a preoccupazione
di il più piccola ambientazione.
Sono noi male noi stessi a tutto di usando AICC?
Adesso, qualche cosa altro noi provato qui è dato il stesso,
hai solo avuto 12 corre.
sei solo mirare il produzione
e il D-ottimale criteri in il costume DOE.
Che cosa Se noi permettere il in forma modello a ritenere secondo -ordine effetti
più ci sono miscela effetti,
Così quale il nostro modello poi era mirato a fare?
Che cosa accade, e noi vedere questo JMP qui,
questo SVE lineare metodi sono capace a utilizzare Quello informazione
e dare noi meglio per cento di massimo, ottenere ottimale candidati,
e quelli sono i nostri vincitori qui adesso è queste SVE lineare metodi.
Che cosa noi vedere è Quello interessante,
il base metodi per queste SVE approcci, Guado metodo,
o Guado selezione o il Lazo sono non capace a rendere uso di Quello,
solo il SVE è, Così quello è un simpatico proprietà.
Essi in realtà colpo fuori Neurale,
quale è simpatico perché adesso queste sono nativo a JMP 17
e essi non richiedere come tanto calcolo volta
o Manuale impostare su come in i loro possedere.
Che cosa noi inizio a vedere qui è il tema Quello erano andando a vedere
per tutto il riposo di il giorno è Quello qualunque di queste Lazo approcci
insieme a No intercettare sono andando a dare noi sub -ottimale risultati
perché senza il intercettare
e il penalizzazione non lo fa opera Giusto in laccio,
quindi tu in realtà volere a giro spento il predefinito opzione di No intercettare
Se sei andando a Tentativo a uso SVE Lazo
o anche Appena Lazo senza un intercettare.
Bene, Così io indovinare esso sembra piace SVE Neurale fatto bene là.
Ma ancora, Quello è non nativo.
Noi non posso fare Quello insieme a JMP 17 professionista, quello è non lì dentro .
Noi Potere, noi avere a avere un Manuale [non udibile 00:29:01] sceneggiato.
Sì, lo è non un Manuale opzione.
Bene, questo è Buona,
ma Io sono anche un fan di il Spazio Riempimento Disegno,
Così come fa Quello giocare a fuori in termini di il analisi metodi?
Per il Riempimento dello spazio Disegno, voi Potere vedere piuttosto di avendo
tutto il punti lungo il esterno, lungo il confine,
adesso noi riempire su il interno spazio
per Entrambi il miscela fattori e il processi fattori,
quale a volte in la pratica che cosa bene fare è,
bene prendere il processi fattori
e il giro queste a il più vicino 0,25 o 0,5
o qualunque cosa granularità lavori migliore per noi, ma questo è che cosa esso sembra piace.
In termini di il risultati, come fare essi eseguire?
Adesso che cosa erano andando a fare è confrontare
il concatenazione di il disegno approccio
lungo insieme a il analisi metodo e vedere quale queste fare migliore.
Guardare a adesso ancora permettendo il più ricco secondo e Terzo -ordine modello
per il selezione metodi e vedere quale uno fa migliore.
quando noi Guarda a il confronto,
il vincitori sono il SVEM lineare approcci,
Lazo solo insieme a il intercettare, non senza il intercettare,
e il D- ottimale.
Ancora, dietro il scene, voi avere a ricordare,
adesso sei supponendo per questo D-ottimale approccio
Quello tuo positivo modello è VERO Sopra il intero fattore spazio
e hai avuto costante vari Sopra Quello fattore spazio.
Se sei preoccupato di fallimenti lungo il confine,
poi quello è qualche cosa altro a prendere in account, e è non costruito in questo.
Voi avere a ritenere Quello.
Ma Se voi sono fiducioso,
può essere hai correre questo prima e sei solo fabbricazione minore i cambiamenti,
poi il modo a andare è il D- ottimale insieme a il SVE approcci.
Fuori uso qui, il perdenti sono il laccio, insieme a No intercettare.
Noi sto andando evitare quelli,
e voi Potere vedere quelli pesante code fuori uso qui.
Non il SVE laccio, Appena il Lazo.
In realtà ecco il SVE Lazo insieme a No intercettare qui sotto.
Sì.
Essi tutto ottenere queste F, Così essi tutto fallire.
-Comodamente, [dialogo 00:30:48] . -Sì
Bene.
Che cosa Spesso volere venire su,
se è progettato su davanti dove noi abbiamo fatto i nostri 12 corre,
e il capo,
lei ha alcuni Di più domande e noi avere Di più corre.
Se erano andando a fare cinque Di più corre,
come fa Quello impatto alcuni di queste risultati?
quando voi dire cinque corre, non un Seguire -su studia,
ma tuo costruire è studia o 12 o 17 corre
in un separare sparo Giusto adesso è che cosa sei considerando, Giusto?
Sì, Esattamente.
Bene, Così si, noi Potere Guarda a il marginale impatto
perché c'è un costo a voi per quelli extra cinque corre.
Cosa c'è il beneficio di quelli cinque extra corre?
Usando il disegno analisi voi Potevo uso,
Guarda al FDS complotto e tuo FDS più significa minore,
riflettendo più piccola predizione varianti.
Potenza è non Quello utile per queste miscela effetti disegni.
Noi non cura di il parametri.
Noi volere a sapere, come bene voluto noi fare insieme a ottimizzazione?
Quello è dove il di simulazione maneggevole, noi Potere prendere un Guarda a Quello.
Come fa tuo distribuzione di tuo per cento di max modificare
come voi andare da 12 a 17 corre?
È interessante notare che c'è No beneficio per il separare sparo 40 ICC
a avendo 17 contro 12 corre.
Adesso, ancora, Giusto adesso erano analizzare, cercare, guardare a il percentuale di max.
Se voi Guarda a tuo varianza di errore,
la tua variazione di previsione è andando a essere più piccola,
e là potrebbe essere alcuni Altro [non udibile 00:32:09] ,
ma principalmente tuo predizione varianza
è andando a essere più piccola Se voi Guarda a Quello.
Ma veramente, noi non cura Quello tanto di predizione varianza.
Noi volere a sapere, dove è Quello ottimale punto?
Perché dopo questo, erano andando a essere in esecuzione conferma corre
e può essere in repliche a Quello punto
a ottenere un idea di il processi e saggio varianza poi.
Ma Giusto adesso,
noi sono Appena provare a esploratore fuori il risposta superficie
a trova i nostri ottimale formulazione,
Così insieme a Quello obiettivo in mente, c'è No beneficio per un quattro giorni ICC.
Adesso per il SVE metodi,
noi fare vedere là è un significativo differenza
e noi fare ottenere un significativo miglioramento
in termini di i nostri media per cento di max noi ottenere,
e può essere non come pesante code fuori uso qui.
Ma adesso voi bisogno a sapere è Quello voi bisogno a decidere,
è Quello in pratica significativo?
Fai volere a muoversi da 90% a 92% significare per cento di max
in questo primo sparo insieme a cinque extra corre?
Voi avere a fare tuo marginale costo
originale beneficio analisi là come un scienziato
e decidere Se quello è di valore esso.
Solo analizzare, cercare, guardare a esso qui, che cosa io pensare potrebbe essere utile
perché voi avere a correre conferma corre comunque
è Se noi correre il 12 -correre disegno,
voi Potere poi correre un candidato ottimale o Due
basato Su il risultati noi ottenere,
e poi più un coppia di aggiuntivo corre può essere
in un alto -densità regione per che cosa Quello sembra Buona,
o anche aumentare fuori tuo fattore spazio un piccolo morso,
e poi sei ancora in esecuzione un totale di 17 corre,
ma adesso erano andando a avere anche un meglio senso di il Buona regione qui,
Così quello è qualche cosa a ritenere.
Qualche cosa altro noi Potere vedere
da in esecuzione il simulazione insieme a 17 corre è,
andiamo Guarda a il prestazione
di a testa di il raccordo metodi entro a testa iterazione,
e c'è in realtà un sorprendentemente basso correlazione
fra il prestazione
di queste diverso metodi entro a testa iterazione.
Noi Potere uso Quello a i nostri beneficio
perché erano andando a essere in esecuzione conferma corre dopo questo,
Così piuttosto di Appena avendo a prendere uno metodo e uno conferma punto,
uno candidato ottimale punto,
Se noi erano a, per esempio, Guarda a queste quattro metodi
e poi prendere il candidato ottimale da a testa di loro,
poi erano andando a essere capace a andare inoltrare insieme a quale uno tutti fa migliore.
Erano analizzare, cercare, guardare a il massimo di queste.
Piuttosto di analizzare, cercare, guardare a un significare di 92% a 94%,
adesso erano analizzare, cercare, guardare a un significare di di 97% insieme a un più piccola coda
Se noi ritenere multiplo di queste metodi a una volta.
Bene, molto utile.
Andiamo adesso mettere i nostri occhi verso il 40 -correre disegni.
Molto Buona informazione in termini di mio più piccola correre disegni.
Adesso insieme a 40, come fa esso giocare a fuori in termini di queste analisi metodi?
Sono noi andando a vedere coerente comportamento insieme a che cosa noi sega in il 12 -correre disegno?
Quindi come di il Spazio Riempimento contro il ottimale disegno, D-ottimale?
-Id essere interessato in Quello. -Bene.
Bene, primo prendere un Guarda a il D-ottimale disegno, 40 corre,
e adesso erano mirare tutto di il secondo -ordine effetti,
il Terzo -ordine effetti, miscela effetti,
e erano mirare tutto il effetti
Quello sono veramente regalo in i nostri generare funzione,
e noi ancora vedere Quello erano caricato su Su il confine di il fattore spazio
insieme a il ottimale disegno,
e poi Se noi erano andando a vedere adesso insieme a il spazio Riempimento disegno,
erano andando a vedere adesso erano Riempimento su il interno
di il fattore spazio per il miscele
e per il Altro continuo processi fattori.
Andiamo vedere che cosa il prestazione differenza è.
Primo di tutto, messa a fuoco Su il riempimento dello spazio disegno,
quale analisi metodi fare migliore?
E stesso come noi sega in il 12 -correre esempio di il SVE lineare,
Guado selezione insieme a Quello intercettare, Lazo con il intercettare fa il migliore.
Il peggio Astuccio voi Potere fare è mantenere il completo modello,
o poi provare SVE o separare sparo Lazo insieme a No intercettare
e il D-ottimale ambientazione, stesso vincitori, quale è rassicurante
perché adesso noi non avere a essere preoccupato di,
"Bene, stiamo cambiando i nostri disegno genere. Adesso noi avuto a modificare i nostri analisi genere."
È Buona a vedere questo consistenza attraverso il vincitori di il analisi genere.
Il completo modello non lo fa fare come male qui insieme a il ottimale disegno, io pensare,
perché il ottimale disegno è mirare Quello modello
e il perdenti qui sono ancora il Lazo insieme a No intercettare.
Quindi Neurale è veramente cadente dietro qui, dietro il Altro metodi.
Adesso andiamo confrontare il spazio Riempimento a il D-ottimale disegni,
e noi Potere veramente vedere
il più grande differenza qui è entro il completo modello,
il spazio Riempimento disegni sono tanto peggio di il D-ottimale disegno.
In qualsiasi momento sei facendo disegno diagnostica,
quello è tutto entro il contesto di il completo modello.
Per tuo D -ottimalità criteri,
tuo media predizione varianza, quello è tutto là.
UN quantità di volte quando voi correre quelli confronti,
sei andando a vedere un rigido differenza fra quelli
e quello è che cosa sei vedendo qui.
Tuttavia, in vero vita,
erano andando a essere in esecuzione un modello riduzione tecnica.
Insieme a SVE, anche il separare sparo metodi Ottimizzare esso.
Ma specialmente insieme a SVE qui,
esso veramente chiude il differenza fra il spazio Riempimento e il ottimale disegno,
e noi vedere bello chiudere a medio, e leggermente più pesante coda qui.
Ma adesso voi Potere Guarda a questo e dire.
"Bene.io perdere un piccolo morso insieme a spazio f malato disegno.
Ma Se io avere qualunque preoccupazioni affatto di il confine di il fattore spazio,
o Se Io sono un po' limitato in come molti conferma punti io Potere correre
e io volere a avere qualche cosa quello è andando a essere non anche lontano lontano
da il candidato ottimale Quello Io sono andando a trasportare inoltrare,
poi quelli sono il benefici di il spazio Riempimento disegno."
Adesso noi Potere pesare quelli fuori. Erano non incollato
insieme a questo drastico differenza fra il Due.
Ancora, quello è basato solo contro il D-ottimale disegno .
io indovinare un quantità di volte in i nostri DOE opera,
noi piace a può essere Guarda a il Io-ottimalità criteri
e anche il UN ha fatto veramente bene per noi.
In particolare, esso si diffonde esso. è c sicuramente non spazio Riempimento,
ma a meno esso si diffonde esso fuori un morso Di più di il D -ottimale.
Fare noi avere qualunque idee come quelli io e UN ottimale opera?
Sì, noi Potere scambio quelli fuori in simulazioni.
Uno cosa noi abbiamo sempre si accorse,
io amore il UN -ottimale disegni in il non- miscela ambientazione.
È quasi mio predefinito adesso.
io veramente piace loro.
Ma in il miscela ambientazione, Ogni volta che noi Tentativo loro,
anche prima il simulazioni, Se noi Guarda a il disegno diagnostica,
il UN -ottimale mai fa come bene come il D o il io -ottimale,
e Quello orsi fuori qui in il simulazioni,
quello è il blu qui per il ottimale, dà noi inferiore risultati.
Regola di pollice qui è,
non fastidio insieme a il A-ottimale disegni per miscela disegni.
Adesso per D contro io -ottimale, noi non vedere qualunque...
In questo applicazione per questo generare funzione,
noi non vedere qualunque differenza fra loro.
Tuttavia, un Motivo a leggermente preferire il D-ottimale è,
là tende a essere alcuni convergenza questioni per queste LNP impostazioni
dove hai avuto a piolo Sopra il uno 5%
e sei provare a obbiettivo un Scheffé Cubico modello in JMP,
così abbiamo si accorse a volte alcuni convergenza i problemi
per il Io-ottimale disegni e esso prende più a lungo.
Il D -ottimale, Se c'è non tanto di un beneficio,
poi esso sembra a essere il più sicuro scommessa a bastone insieme a il D-ottimale.
Adesso noi non lo erano capace a test Quello insieme a il simulazioni
perché Giusto adesso in JMP,
voi non posso sceneggiatura in Scheffé Cubico termini in il DOE
a costruire un ottimale disegno.
Voi avere a fare Quello attraverso il GUI.
Noi non lo erano capace a test Quello, vedere come Spesso Quello accade,
ma quello è perché noi abbiamo portato inoltrare
D-ottimale in queste simulazioni e noi bastone insieme a quelli.
Se voi volere a in tuo applicazioni, voi Potere Tentativo Entrambi D e io
e vedere che cosa essi Guarda piace
Entrambi graficamente e insieme a il diagnostica,
ma il D-ottimale sembra a essere esibendosi bene.
Bene, io indovinare Appena mantenere tirando il filo un piccolo morso ulteriore è,
un quantità di volte bene Tentativo alcuni genere di un ibrido disegno .
Perché non noi inizio fuori insieme a, dire, 25 spazio Riempimento corre,
e poi aumentare Quello insieme a alcuni D-ottimale criterio
a rendere sicuro Quello noi Potere obbiettivo il specifico parametri di interesse?
Fa Quello opera fuori bello bene?
Sì, noi Potere simulare Quello e noi prendere un Guarda.
O noi abbiamo avuto...
Questo è il stesso simulato funzione,
generare funzione noi abbiamo stato analizzare, cercare, guardare a per voi correre il D-ottimale,
per eseguire il spazio Riempimento,
o un ibrido, dove noi inizio fuori insieme a 25 spazio Riempimento corre
e poi noi andare a aumentare e carico in costruzione 15 aggiuntivo corre mirare
il Terzo ordine modello, e che cosa noi vedere è Quello adesso,
noi avere No significativo differenza in termini di il ottimizzazione
fra il D ottimale per 40 run e il ibrido disegno,
Ma in il ibrido disegno,
noi ottenere il beneficio di quelli 25 corre di riempimento dello spazio.
Noi ottenere alcuni interno corre protezione a in forma aggiuntivo effetti
e protezione contro fallimenti lungo il confine.
È un piccolo morso Di più opera a impostare questo su.
Bene fare questo per alto priorità progetti
perché solo per quelli perché di quell'extra costo e volta.
Ma esso fa apparire a essere un promettente metodo.
Destra.
In pratica voi pensare di dove tuo ottimale è andando a essere,
c'è un Buona opportunità esso Potevo essere in Quello interno spazio
quello è non riempito in il D-ottimale lungo il confini.
io indovinare Appena può essere andando Indietro,
rivisitare il idee di che cosa Se io avevo un centro punto,
che cosa Se io avevo un punto Quello io Potevo replicare?
Ancora, può essere Su il 40- correre disegno,
Se io avevo cinque Di più le cose, Così Appena qualunque Altro piccolo pepite
Quello noi imparato lungo il modo insieme a queste?
Bene, questo arriva su un quantità perché adesso manuale volere raccontare voi
a Inserisci cinque a Sette replicare corre.
Il scienziati sono andando a calcio voi fuori Se voi Tentativo a fare Quello.
UN quantità di volte noi avere a rendere il discussione
a Inserisci anche un separare replicare correre
perché esso ha vantaggi fuori di il raccordo
perché adesso voi ottenere un modello [non udibile 00:41:09]
e Appena graficamente noi Potere uso Quello come un diagnostico,
noi Potere Guarda a Quello aria varianza parente a il intero varianza
da il intero sperimentare.
È molto utile a avere,
e Così è andando a essere simpatico a avere un discussione per voi a dire Quello,
"Bene, erano non male tuo ottimizzazione routine
di Compreso anche un separare replicare correre."
Quello è che cosa noi vedere qui per il 40 corse esempio
di forzare uno di queste a essere un replicare entro costume disegno.
Noi sono non ottenere un significativo differenza a tutto
in termini di ottimizzazione.
È né aiutare o male.
Andiamo andare avanti e fare Quello,
Così Quello quando noi avere Quello extra pezzo di informazione andando inoltrare.
io non avere il grafici qui perché è noioso.
È il stesso cosa in questo particolare applicazione,
forzare uno di loro a essere un punto centrale.
C'è No differenza.
Parte di Quello potrebbe essere in questo Astuccio, il D-ottimale disegno era dando noi
un punto centrale o qualche cosa chiudere a un punto centrale.
Quella potrebbe non avere stato mutevole il disegno Quello tanto.
Voi potrebbe vedere un più grande differenza
Se voi andare Indietro a il 12 corse disegno imporre il punto centrale.
Ma quello è il vantaggio di avendo un simulazione struttura costruito su
dove voi Potere prendere un Guarda a Quello
e vedere che cosa è il pratico impatto andando a essere per Compreso Quello.
Bene, adesso come di...
io menzionato io avere questo grande progetto insieme a molti di vincoli.
Voluto un vincolo può essere modificare alcuni di il risultati?
Bene, noi Potevo possibilmente includere il vincoli
e è andando a modificare il permesso regione entro il...
Graficamente, devi andando a vedere un modificare in tuo permesso regione,
e noi Potere simulare Quello.
In realtà, Io ho fatto Quello.
io non avere il grafico su insieme a me Giusto adesso,
ma che cosa esso fa è c'è non Quello tanto un impatto, SVE ancora fa bene.
Uno differenza noi fatto Nota è Quello in esecuzione questo simulazione
e poi vincolante il regione un po' è Quello il spazio Riempimento migliorato
perché è avuto un più piccola spazio a riempire e non come tanto rumore spazio,
ma il D-ottimale volere eseguire
Appena come bene fra il Due insieme a o senza vincolo.
Quella era bello interessante a vedere.
Ma tutto di questo si applica Appena come bene insieme a vincoli
e niente di Nota in termini di differenza per analisi metodi insieme a il vincolo,
a almeno il relativamente semplice quelli Quello noi applicato.
Destra, bene, erano quasi in esecuzione breve Su volta qui, Andrea,
ma io fare avere un preoccupazione.
Noi avere un erroneamente specificato disegno
e noi voluto piace a avvolgere su
e partire il gente insieme a un pochi chiave asporto.
Ecco un esempio dove adesso questo funzionale modulo
fa non incontro qualunque di il effetti erano considerando
e erano relativamente piatto Su questo perimetro
dove un quantità di quelli saranno i progetti ottimali
quindi vado a vedere come Quello lavori fuori.
Anche Nota il [non udibile 00:43:52] Colesterolo impostare a un coefficiente zero
e un vero generare funzione.
Adesso prendendo Quello VERO funzione andando a profilo ehm produzione proprio nel tavolo
e voi Potere vedere come simpatico esso è a essere capace a complotto queste le cose
a vedere il risposta superficie usando Quello produzione Giusto in il tavolo.
Ecco veramente tuo VERO risposta superficie, e questo è tuo risposta superficie,
ma cos'è interessante è esso sembra piace c'è un illusione qui.
Esso sembra piace Colesterolo è d'impatto per tuo risposta.
Esso sembra piace esso colpisce tuo risposta, ma in realtà il coefficiente è zero.
Ma il Motivo esso sembra piace Quello è perché di il miscela vincolo.
Quello è perché è difficile a analizzare fuori,
quale il individuale miscela effetti veramente influenzare tuo risposta.
Erano non come ha riguardato di Quello
come siamo di detto, cos'è un Buona formulazione andando inoltrare?
In questo ambientazione, noi Inserisci un piccolo morso di rumore, 4% CV,
quale è Usato frequentemente in il farmaceutico mondo.
In questo Astuccio, il significare erano usando è il significare a il massimo,
quale in questo Astuccio è uno,
e poi anche un tanto Di più estremo 40% CV.
Questo sembra Di più piace un sonar
e Loro sono provare a trova Titanico o qualche cosa.
Auspicabilmente nessuno di tuo farmaceutico applicazioni Guarda piace questo,
ma noi Appena volere a vedere in questo estremo Astuccio come le cose opera fuori.
Che cosa noi vedere è in il piccolo 12 corse esempio
insieme a relativamente piccolo processi variazione è processi più tema variazione
è queste linea di base disegni andato fuori e SVE, tutto lo stesso metodi,
e poi Se noi andare su a 40 corse,
il riempimento dello spazio non lo è capace a mantenere su come bene,
ma D-ottimale volere veramente fare meglio ora,
anche anche se è relativamente piatto fuori là e il taglia dove più di il corre sono,
è capace a scegliere su il firma di il superficie qui.
Adesso, ecco il differenza fra il completo modello
e poi il riempimento dello spazio e il D- ottimale.
Non come grande di un differenza per il SVE metodi,
ma voi fare ancora avere un pochi coda punti fuori uso qui.
Quindi Loro sono tutto non esibendosi come bene come il SVE lineare,
anche anche se il SVE lineare
è solo approssimativo Quello curvatura per Quello risposta superficie.
Se noi andare su a il super rumoroso Visualizza, No uno fa un veramente Buona lavoro,
ma ancora tuo solo opportunità è con il spazio Riempimento approcci.
Ma poi quando noi andare su a il più grandi campione taglia,
anche in il viso di tutto il processi variazione, processi rumore,
è adesso il opzione era capace a rimbalzo fuori Sopra Quello rumore meglio
e è capace a rendere meglio uso di quelli corre di il spazio Riempimento.
UN coppia di considerazioni là.
Cosa c'è tuo correre taglia? Come saturato è tuo modello?
Come tanto processi variazione fare voi avere parente a tuo processo significa,
va in il equilibrio di il spazio Riempimento contro ottimale.
Se noi prendere un Guarda a che cosa sono il Candido ottimale punti
erano ottenere fuori di il spazio Riempimento contro ottimale.
Io sono spiacente, per il spazio Riempimento,
poi che cosa noi vedere è erano Su obbiettivo per questo è ionizzabile e aiutante.
Erano Su obbiettivo per tutto di i nostri approcci tranne per queste Ultimo insieme a No intercettare.
Loro sono mai Su obbiettivo,
Loro sono sempre spingendo voi spento in qualche luogo altro.
Voi Potere vedere graficamente come Quello la mancanza di intercettare.
Adesso, Se noi permettere il intercettare, allora siamo Su obbiettivo.
Quella veramente è importante a deseleziona Quello No intercettare opzione per laccio.
Per tutto il le persone Quello sono non usando JMP Pro
e non avere SVE,
voi potrebbe dire, bene, bene, cos'è tuo simulazione?
Qui, che cosa è meglio? AICc, contro BIC, contro Valore P.
Purtroppo, Appena usando il numero di simulazioni noi abbiamo correre,
c'è non come coerente approccio come là è insieme a SVE.
Se hai avuto un di grandi dimensioni numero di corre, dove c'è sia specificato
o correttamente specificato o erroneamente specificato, il inoltrare o indietro AICc fare bene.
Completo modello fa peggio, invece in il più piccola ambientazione,
il completo modello fa meglio perché tutto quelli termini sono pertinente.
Anche il P-valori qui, anche.
Adesso, voi vedere, 0.01 fa il peggio, 0.01 fa il migliore in di grandi dimensioni ambientazione.
Non consistenza, che valore P usi?
0,01, 0,05, 0,1 .
Il Valore P da questo Visualizza è un non accordato ottimizzazione parametro,
Così può essere migliore a evitare Quello e bastone insieme a il AICc
Se sei in base JMP.
Tuttavia, noi avere visto adesso Quello
la SVE approcci per queste ottimizzazione i problemi
fare dare voi quasi universalmente meglio soluzioni
di il separare sparo metodi.
Voi Potere ottenere meglio soluzioni insieme a JMP P ro, insieme a SVE.
Grande.
io indovinare noi volere a Appena avvolgere su.
Alcuni di il chiave risultati qui, Andrea.
Sì, e anche, Jim, qualunque Altro Commenti?
Fare voi avere qualunque Altro Commenti anche di queste ottimizzazione i problemi o qualsiasi cosa?
Interessante le cose noi abbiamo visto recentemente?
Noi avere, erano su contro volta per sicuro, ma noi abbiamo fatto alcuni bello Stupefacente le cose
Quello noi abbiamo venire su insieme a nuovo ingegnerizzato legname
quello è meglio di è mai stato
e propellenti Quello sono avendo fisico proprietà
e prestazione Quello noi non ho visto prima.
Noi avere prese un fare un passo,
un salto in termini di alcuni di il capacità
Quello noi abbiamo visto in i nostri miscela modello.
Può noi ricapitolare insieme a il evidenziato proiettile fuori uso là,
Quello SVE sembra a essere i nostri modo a andare,
e Se voi solo avevo uno può essere SVE inoltrare selezione,
lo farai essere coperto bello bene.
Sì, quello è Giusto, perché Io sono sempre impaurito.
Persino anche se il Ultimo lazo a volte esso sembra meno insieme a intercettare,
a volte esso sembra leggermente meglio.
io non sapere Se è può essere uno o Due casi erano in modo significativo meglio,
ma sempre collo e collo insieme a inoltrare selezione,
ma Io sono sempre impaurito Quello Io sono andando a dimenticare a giro spento No intercettare
e poi dare me stesso qualche cosa quello è peggio di facendo
o come cattivo come facendo il completo modello.
Io sono sempre impaurito di facendo Quello.
SVE inoltrare selezione insieme a de colpa ambientazione sembra piace un Buona sicuro modo a andare.
Perfetto.
Bene, insieme a Quello, noi In piedi pronto a prendere tuo domande.
