こんにちは、みんな、とようこそにJMP発見。
アンドリューカールとヒース急いで。
私持ってるaプレゼンテーション今日それは行きますにハイライト
いくつかのの特徴のJMP 17そのプロ意思ヘルプあなたアウト
のの世界の混合モデル。
たくさんののあなたそれは関与の製剤、
とになれ本音、それは何私たちはその間やっているa多く近々。
そうだったa多くお気に入り救急車チェイサー、どこ良いただ行く後
の最新ものその顧客それは興味があるの。
しかしそれは何そうだった見てa多く近々、は人々それそれはやっている混合モデル
それそれは実際にとても繁雑ともっとそれでよりも結婚したこれまで知る。
私達ただ決めた私たちだろう行ういくつかもっと深く調査
といくつかのの新着出ているテクニック、
とそれJMP 17行う為に我ら。
アンドリュー、だろうあなたお気に入りに得る始めましたと多分与えるa少し少しのバックグラウンド
の上の全体考えの何a混合モデルは、
といくつかのの他のテクニック？
わかった、それでは始めるアウトとa良い、簡単グラフ。
しましょう取ったa見る以上ここでのプロットの上の左。
そうだったのを実験的設定、
だから今私仮定する私たちは得た2要因、
成分あと成分B、と彼ら範囲から0-1。
もしもあります番号混合制約、それからすべてののの黒四角
はa実行可能点のこれ要素スペース、
など私たちのデザインルーティーンは行きますに与える我らポイントどこかのこれスペース。
でも、もしもありますa混合制約
どここれらは持ってるに追加上に1、それからそれだけの赤ラインは実現可能です。
私達欲しいですに得るa条件付き最適
与えられたそれ制約、と私たち欲しいですに終わり上
どこかのそれライン為に両方私たちのデザインと私たちの分析。
もしも私たち動く上に三混合材料、
あ、 BとC、全てできるに変化から0-1、
それから私たち得るa立方体為にそれ0-1制約為に各の彼ら。
しかしとの混合制約、それかかりますの形のa飛行機
交わるaキューブ、とそれ与える我らこれ三角形、
それでそれだけこれ赤三角形は関連するアウトのそれ全体スペース。
もしも私たち持ってる四寸法、もしも私たち持ってる四混合要因、
それからそれ許容できる要素スペースは実際にa三-次元サブセット、
aピラミッド内部そこの。
見ている戻るにの三-混合設定。
見るこれ三角形？ それはの許可された領域。
良い、それはどうしてJMP与える我らこれらは三元プロット。
これらの三元プロットでは、
何JMP意思行うは、もしもあなた持ってるもっとよりも三混合要因、
はあなたは持ってる2要因示したでa時間、
との三番軸意思なれの和の全ての他の混合要因。
私達できる見るでこれらは三角図、それよりもよりも持つに持ってるaピラミッド
それそうだった見ている全体を通して。
私達持ってるに決めます、私たちはしますか欲しいですa空間充填設計
またを最適なデザイン？
今、通常はのa非混合設定、結婚した通常は使用するを最適なデザイン、
と為にの多くの部、私たちしません検討a空間充填デザイン。
ありますa少し理由それ私たち欲しいですに検討
a空間充填設計の混合設定。
頻繁のの製剤世界、もしもあなた行くそれも遠い、
ありますa少し少しもっと感度に行きますそれも遠いの君の要素スペース、
作るそれそれも幅、それから君の全体処理する失敗します。
S立てるそれ起こる以上ここどこX2は。
仮定するそれ失敗するすべての下0.1。
あなたは行きますに失うa良いかたまりあなたの走りのなぜならの最適なデザイン
しがちである置く多くのの君の走るの上の境界のの要素スペース、
それであなたは行きますに失うこれらは。
あなたはいいえ行きますになれ走れる君の満杯モデル
との残りポイント、とあなたはいいえ行きますに持ってる
どれか良い情報約どこそれ失敗境界は。
為にのスペースフィリングデザイン、もしもあなた持ってるいくつか親切の失敗
0.1未満、あなたは負けa小さい番号のポイント。
君の残りポイントまだ与えるあなたa空間充填設計
のの既存 スペースそれあなたできる使用するにフィットのモデル効果、
そしていまそうだった行きますになれできるにモデルそれ失敗境界。
またのの混合世界、私たち頻繁見るより高い注文効果アクティブ：
相互作用また曲率、多項式、
よりも私たちそうかもしれない見るのの非混合設定。
もしも私たちしないでください特定それらの、なぜならどれかのこれらはモデルそれは最適な、
条件付きの上の目標モデル私たち与える、それでもしも私たちしないでください特定を効果オペレーター
為にの最適なモデル、私たちそうかもしれないいいえなれできるにフィットそれ
後の事実、なぜなら彼らそうかもしれないなれ別名
と他の効果それ私たち持ってる。
これらはスペースフィリング走る行為の何かとしてaキャッチ-全ての可能走る、
それでありますaカップルの理由
それ私たちそうかもしれない欲しいですに検討スペース充填走る、
しかし私たち欲しいですに取ったa見る分析的に。
なにの違いのパフォーマンスの間にこれらは、
後私たち走る終えたモデル割引、いいえただでの満杯モデル、
なぜならそうだったいいえに行くだけなれ使用しての満杯モデル。
それはのデザイン段階質問。
いつ私たちに行くの分析、
いつでもあなたは見ているでこれらは混合実験のJMP、
JMP自動的曲がるオフのインターセプト為にあなた、
なぜならもしもあなた欲しいですに合うように満杯モデル
と全ての君の混合残る効果、あなたできない含むのインターセプト。
あなたは得るこれ警告
なぜならの混合-作る効果それは拘束されたに1、
と彼ら追加上何にのインターセプトは、それで彼らは別名。
また、もしも私たち欲しいですに見るでより高い注文効果、
私たちできないなれお気に入りa応答水面どこ私たち持ってるピュア二次条項。
私達持ってるに見るでこれらはシェフェキュービック条項
なぜならもしも私たち試すに見るでの相互作用
プラスのピュア二次条項、それから私たち得る他の特異点。
それらのそれはaカップルのシワのの分析。
でも、行きます前方とのモデル選択メソッド、
前方選択またなげなわ、どれのそれはのベースメソッド
ののSVEMメソッドそうだった行きますになれ見ているで、
私たち欲しいですに検討時折旋回オフこれデフォルト'番号インターセプト」オプション。
何私たち探すは為にのなげなわ法私たち実際に持ってるにそれを行う
の注文に得る適正結果。
後私たちフィット私たちのモデル、今私たち欲しいですに行うモデル割引
にキックアウト無関係要因。
私たちは得たaカップルの違う方法のやっているそれのベースJMP .
おそらく何人行う多くの頻繁には彼ら使用するの効果まとめ
に行く後ろ向きの上のp-値、とキックアウトの小さなp-値。
しかしこれはかわいい不安定なぜならのの多重共線性
からの混合制約、どこ蹴るアウト1効果
できる劇的に変化するのp値のの残り効果ののデザイン。
何これプロットショーはもしも私たち行く後ろ向きの上p-値、
何はの最大p値それは蹴ったアウト
と私たち見るいくつかのジャンプこことそれはからそれ効果。
与えられたそれ親切のボラティリティののフィッティング処理する、
あなたできる想像もしもあなた持ってる小さな変化
の君の観測された反応、多分平からアッセイ変動性、
またどれか他の変動性、ただ小さな変化できるリード
に大きい変化のの減少モデル
それは提示されたなのでa結果のこれ処理する。
それか高いモデル変動性はなにかだったなれ良い
もしも私たちできる平均以上のいくつか仕方、のの同じ仕方それ多分
とブートストラップ為にEST（東部基準時私たち平均以上の変動性
ののカートメソッドまたのパーティションメソッド
とそれは何のSVEMメソッドだろうなれ見ているでやっています。
ののゆるい検出、彼らは親切ののそのためのアナログ、
為にの線形メソッドそうだった見ているで。
また私たちできるに行くステップ賢いと見るで最小 AICc、
どれのは多分の好ましい方法。
私たちの中で過去滑り台ショーの今日良いなれ取るa見るで、
為にのベースJMPユーザー、 AICc対B IC対p値選択
と私たちのシミュレーション診断。
与えるクレジットにa多くのの既存 仕事とリーディング上にのSVEMアプローチ。
これらはそれはいくつかすごい参考文献それ私たちは使用済み以上の年。
また欲しいですに感謝クリスゴットヴァルト為に彼の忍耐と答える質問
と共有情報なので彼らは発見したもの平行の仕方。
それは本当に助けた設定我ら上になれできるに置くこれに良い効果の練習。
話し中のの練習、どこ持ってる私たちその間使用してこれとてもa少し
以上の年はの設定の液体ナノ粒子処方最適化。
何は脂質ナノ粒子処方？ さて、脂質ナノ粒子ですが、
もしもあなたは得たどれかmRNA COVIDワクチンファイザー、モデルナ、それからあなたは得たこれらは。
何これらは行うはあなた取ったa混合の四違う脂質、要約ここ、
と彼ら形これらは少しちっぽけな泡。
それでそれらのそれは電気的に充電された、
それから彼ら運ぶ平行と彼らa遺伝的ペイロード、
mRNA、 DNA,また他のペイロードそれまたとして作用しますワクチン
またできる目標癌細胞。
の電気の充電の間にの遺伝的ペイロード、
その後の反対充電ののナノ粒子は何結合します。
それで私たち欲しいに得る終えたの細胞とそれからリリースのペイロード中身。
の処方変化依存するの上何のペイロードは。
あまた時折私たちそうかもしれない変化するのタイプのイオン性脂質、
またのタイプの彼lper脂質に見るどれの1しますより良い、
それで私たち持ってるにやり直すこれ処理する以上と以上。
為にの多くの部、の科学者持ってる見つかったそれこれらは
範囲の多分10-60%の脂質設定
その後aより狭い範囲の1～5%。
それは為にの多くの部の実行可能範囲為にこれ処理する。
それはその間探検したアウト、とそれは何のジオメトリー
私たち欲しいですにマッチここの私たちの応用は。
私達欲しいですにそれを考えると、言うという構造そうだったやっている何度も、
私たちはしますか持ってるを理想分析とデザイン方法為にそれ？
あまた私たち欲しいですに設定上aシミュレーションそれもしもそうだった見ているで他の構造物、
他の形状為にの要素スペース、多分私たちできる一般化するにそれ、
しかしそれは行きますになれ私たちの集中為に右今。
与えられたそれバックグラウンド、
私は行きますにさせてジム今要約するのSVEMアプローチと話約それ。
はい、感謝あなた。
これ特に発見プレゼンテーション、
何そうだった行きますにすることはa少しもう少し中心にの上パワーポイント、
不幸にも、なぜならの結果それは本当何これは全て約
為にのシミュレーションそれ私たちは終わり。
しかしこれ特にセッション、私意思見せるあなたいくつかののJMP 17
それ私たち持ってる新着容量。
もしも私行くと私欲しいですに設定上a空間充填デザイン...
今、以前私たちではなかったできる混合モデルと空間充填設計
からアウトのの箱、もしもあなた意思。
私達もちろんですできる置く制約のそこの、
しかし今何私たち欲しいですに行うは見せるあなたどうやってあなたできる行う
aスペース F病気デザインとこれらは混合要因。
これは新着それ私今持ってるこれらは来てのなので混合、
どれのは良いなぜならそれ今運ぶ
全てのそれらの桁プロパティとそれなので良い。
1もの価値言及右今は
のデフォルトはあなたは行きますに得る10走るあたり要素、
それで40走るのa DoE通常は良い
と私たちそれは幸せだから私たちの力は良いその上90%
またなんでもいい私たちの基準は。
しかしそれはいいえの場合[聞こえない 00:09:54]これらは混合モデル
なぜならありますそれでたくさんの制約固有のそれ。
何それは言う自分、不幸にも、は平もしも私そうだったに持ってる40走る、
私はしたいまだそれだけ持ってる5%パワーからやっているシェフェキュービック
と平もしもこれは主な効果それだけ、ありますそれだけ20%パワー。
力今はいいえ本当aデザイン基準それそうだった行きますに見るに
いつ私たち行うこれらは混合モデル。
今、通常の私たちのアプリケーション、
不幸にも、私たちしないでください持ってるの贅沢の持つ40実行します。
のこれ場合良い行う12走ると見るどうやってそれ来るアウト。
良い行く先にと作るその空間充填デザイン、
とあなたはそれを見ることができます多分均等に展開する全体を通しての水面。
のコース、私たち行うことを知っているそうだった跳ねるといくつかのこれらは彼らここ
それ私たちしか行けないから1 -5%の上のポリエチレングリコール。
何私欲しいですに今すぐはただ行くに速い前方。
今しましょういう私は走るこれデザインと私は準備に行うの分析。
これはどこSVEMは本当作る巨大前進
ともしもあなた聞くにいくつかのクリスとフィルラムジーズ仕事
アウトそこのの上JMPコミュニティ、あなたは見るこれはaステップ変化する。
これはaゲーム変化するの条項の君の分析的な容量。
どのようにだろう私たち行うこれの16?
のJMP 16何結婚した持ってるに行うは結婚した持ってるに来て終えた、
そして実際にこれは価値行きますを通ってステップただなぜならそれ与えるあなた
a少し少しの洞察、けれどの主要なミッション
のこれブリーフィングまたこれ話はいいえSVEM、
それ意思与える我らを考えのなに行きますの上。
何私たちできる行うここは私たちできる行く先にと良い作るの自動検証テーブル。
これはのJMP 16方法論。
何あなたはノートここは私たちはいなくなったから12走るに24.
私達ただ倍増彼らとあなた見るの検証設定。
のトレーニング五月なれ最初の 12、検証の次12.
それはなに追加したとそれから私たち持ってるこれ重さ。
これはのブートストラップ重さとこれは部分的に加重。
何起こるは私たち意思行く先にと走るこれモデル
と来て上とa予測した価値、
しかしそれから私たち必要に変化するこれらはウェイトとそれから保つやっているこれ以上と以上
為に私たちのブートストラップ、よく似ていますaランダム森林、考え為にのSVEM。
今何は使えるはに親切の取ったa素早い見る。
何はのジオメトリーのこれらは重み？
私達できる見る彼らはアンチ相関し、
の場合の意味のトレーニング設定私は低い、
私はおそらく行きますになれ高いのの検証設定。
これは親切のa素早い少しビジュアルのそれ関係。
今私は準備に行く行う私の分析のJMP 16.
これだろうなれ分析したと結婚したただ行う私たちのフィットモデル。
のコース、私たち欲しいですa一般化された回帰
と良い行く終えたと行うaシェフェキュービックここ、
なぜならこれはa混合。
しかしここですどこ私たち持ってるに追加ののステップ、
私たち置くの検証セットなので君の検証桁
とそれからこれ検証重さは行きますになれそれ周波数。
今私できる走るこれ。
にの仕方私たちできる、
のたくさんのの私たちのインスタンスそうだったいいえ正常、そうだったログ正常、
私たちできる置くそれの右そこの。
ここ私たち持ってる私たちの一般化された回帰能力
に行く先にと走るこれモデルと出来上がり、そこのそれはの見積り。
何私たちだろう行うそれではここに来ますか下の保存の予測方式。
それでここは1走る。
わかった、それで私たち得た1走る。
君はできる見るそれの上は15.17、と私たち実際に鋸15.23、
それでいいえ悪いのこれモデル、
しかし私たちだろう行うこれ以上と以上。
私達使用済みに行うそれ約50回またそれで。
しかしとJMP 17,今これ全体処理するは自動化に我ら。
私達しないでください持ってるに行うこれ50回とそれから取ったの平均
のこれらは予測式。
そうだったできるに行く直接でそれ。
もしも私来て戻るに私のオリジナルデザインこことの応答、
私できる得る右でそれ。
にの仕方、これはそれを示す私持ってる別制約置くのここ。
あ多くの回私たち持ってるの化学者と生化学者お気に入りに見るそれ
に作る承知しましたそれのに基づく比率分子のウェイトそれは内部理由。
いいえそれだけ行う私たち持ってるの混合制約、
私たちまた持ってるa多くの他の制約。
私は働くとaグループどこ私たち持ってる多分15違う材料
とおそらく30制約の添加にの混合制約、
それでこれらはメソッド仕事スケールアップし、
おそらくはの一番仕方にいうそれ、かわいい良い。
今これは17,それで17私できる得る右でそれ。
私は行きますに行く先にの中へフィットモデル、と病気行く先にと行うaシェフェ・キュービック。
からここ、何そうだったできるに行う来ましたの中へa一般化された回帰。
のこれ場合、私たちしないでください必要に心配約これらは彼らのここ。
私達できる変化するそれに通常のログもしも私たちそれで欲望。
1の私の選択肢のの推定
代わりはの前方はの事実SVEM前方、
それで私行うSVEM前方と私は行きますに行く行う200。
あなたはどれくらい早く見る彼ら持ってるこれチューニング。
本当にそれだけものあなたできる行うの高度コントロール
は小切手どうにかまたいいえあなた欲しいですに力a学期の。
私打つ行けと瞬時に私は終わり200ブートストラップサンプル為にこれ問題。
のコース、私今できる見るでのプロファイラ
とそれはの平均のの200実行します。
それは親切の私の終わりモデル、もしもあなた意思。
のコース、と予測プロファイラー、
そこの何百人もいるのものあなたできるここからする
とアンドリュー触れますの上aカップルもっとのそれらの。
しかし2他のもの価値注意するここ、
病気保存の予測方式なので良いと取ったa見るでそれ男。
いつ私見るでの予測方式、
病気ノートそれそれはの事実すでに平均したアウト為に自分ここ。
これは平均200のうち違うサンプルそれそれはアウトそこの。
とそれ、それはのデモ、
と良い行く戻るに見ているでのチャートそこのにいう、
「え、なにはそれそれそうだった見ての条項のの結果のSVEM?」
アンドリュー、もしもあなた欲しいですに引く上それ滑り台。
これは多分a素早いビジュアル。
君はできる見るそれもしも私見るでそれらの最初三、
のこれ場合、赤は悪い。
何そうだった見ているでここはの公称カバレッジ。
これはa混合モデル
での予測最適スポットのパフォーマンス。
私達できる見るそれの標準ステップ賢い彼らそれはいいえやっているそれも良い。
それはの後ろ向きと前方AIC。
これはのカバレッジ料金。
結婚したお気に入りそれになれa公称5%エラーそれ私たちしないでください実際に見る
の真実応答のの予測また実際にの自信間隔。
の他の言葉、いつ私たち見えたでのプロフィール
それ私たちただ見た、それは私たちに与えますa予測また自信間隔
だったの真実価値、
どれの私たち知るなぜならそうだった遊んでいるのシミュレーションゲーム、右？
私達知る何の真実価値は、何パーセンテージの時間だったそれのそこの？
私達できる見るそれ私たちしないでください行うなので良いと私たちのクラシカルメソッド。
の満杯モデル、パッティング全ての用語、
なげなわしますかわいい良いでa 10%レートまたそれで、
しかしこれはいいえそれまで私たち得るSVEM法ここそれ私たち始める見て
それそうだった本当にキャプチャと取得良いカバレッジ。
あ良い多分写真に保つの君のマインド、
それ私たちそれは仕方優れたいくつかのの他のメソッドアウトそこの
いつそれ来るにの容量。
今、の条項のどうやってこれシミュレーション、
何そうだったフォーカシングの上ここはa少し少し違うよりも何あなた五月のことを考える、
の条項のaシミュレーションどこ探していますでaモデルと言って、
"どのように良いやりました私たち行うとこれ特に方法？"
私達できる測定それにどうやっての実際対の予測したは
とそれから結婚した得るある種のa平均四角いエラー。
私達行う追跡それ価値、
しかし私たち探すの私たちの仕事、そうだった多くのもっと心配している約発見
それ最適な混合、もしもあなた意思、との最適な設定それ成し遂げる我ら
a最大効力またいくつかの副作用を最小限に抑えます
また役立ちます我らとこれ[聞こえない 00:18:58]
それは行きますになれと呼ばれる"パーセントの最大」それそうだった見ている為に。
そうだった行きますに使用するそれなので私たちの主要な応答ここ
の条項のであることできるに評価どれのメソッド優れるその他。
これはいいえ本当行きますになれ、
どうやって遠いあちらへ午前私からの位置のの最適な価値？
これはどうやって遠いそれですかという反応私予測した最適として
どうやって遠いはそれからの実際最適？
それは行きますになれ私たちの測定の成功。
の仕方これ意思仕事は病気なれ尋ねるアンドリューa少しアイデアここ
の条項の何通常来る上の練習。
私鋸のジオメトリー彼が示しました自分早いの上
との最適なデザインだったいつも打つの境界。
何もしも私お気に入りものそれ私たち電話もっとミックス、右？
君は持ってるもっと混合もののの真ん中、
スペースフィル、どれのはより良い。
もしも私行う使用するを最適なデザイン、
それデフォルトにD多分、しかし何約私とあ？
それでどうやって約の年-年DOE追加中心点？
はそれ頭いい？ またはは1中心点？
またはどうやって約複製しますか？
私たちはすでに議論したどうやってそうだったいいえであること役に立った、
それで何はa役に立った測定のa良いデザイン？
それはのデザインピース、しかしまたの分析ピースは、
はそこのa特に方法それ優れているみんな、
またそれはそこの特定エリアそれ私たちしたほうがいい集中の上
使用してなげなわとその他、
それ私たちしたほうがいいただ使用するSVEM為に選択？
これらはそれは実用的質問それ来て上から全ての私たちのお客様、
と結婚したお気に入りにシェアとあなた
いくつかのの結果それ私たち得るからのシミュレーション。
アンドリュー、あなた欲しいですに与える我ら
a少し少しもっと洞察の中へ私たちのシミュレーション処理する？
うん、ありがとう、ジム。
前私行うそれ、
私ただ欲しいですに点アウト1道具
それ私たちは作る重い使用するののの分析の私たちの結果、
と不幸にも、私たちしないでください持ってる時間に掘り下げるの中へのデモ、
しかしそれもっているその間それで便利なのは、内部のプロファイラ
に見るでの出力ランダムテーブル為にこれらは混合デザイン
とに見るでの反応特に、
私たち頻繁に持ってるによる効力側効果。
私達持ってる多数反応、
私たちがしたいこと残高それアウトとの望ましさ関数、
とそれからそうだった行きますに見るでの個人反応彼ら自身。
いつ私たち出力aランダムテーブル、私たち得るaスペース充填デザイン、
基本的いいえaデザイン、しかし私たち塗りつぶし上の全体要素スペース、
とそうだったできるに見るでの限界影響
の各のの要因以上の全体要素スペース。
為に例、為にのイオン化された脂質タイプ、
何良い頻繁に見るは、私たちできる見るそれ多分1もっている
a低い限界行動以上の全体スペース。
しかし以来そうだった欲しいに最適化、
私たちお手入れ約何の最大の各のこれらはは、
と1のこれらは意思明らかになれより良いまた悪い。
そうだった見ているでの減少モデル。
後彼フィット彼ら、良い行くにのプロファイラと行うこれ。
私達できるまだ得るの分析的な最適からプロファイラー、
しかしの添加にそれ、
これ与える我らもっと情報外側のただそれ最適。
何私たちそうかもしれない行うここは為に候補者走る、
なぜなら私たちいつもランニング私たちの確認走る
後これらは処方と最適化問題
は私たちそうかもしれない走るのグローバル最適ここ為にH 102、
私たちそうかもしれない選ぶアウトの条件付き最適為にH 101
と見るどれの1しますより良いの練習。
また、見ているでの三元プロット、
もしも私たち色それらのに望ましさまたにの応答、
私たちできる見るのもっとまた以下望ましい地域
のそれ混合スペース、
それでそれできるヘルプ我らなので私たちまた増強のデザイン
またまた含む追加エリアのの要素スペース、
またに除外エリア。
私できない行う多くのもっととそれ右今、
しかし私欲しかったに点それアウト
なぜならそれはaとても重要部の私たちの分析処理する。
どのように行う私たち評価いくつかのこれらはオプション
内部これタイプのジオメトリーのa要素スペース？
私達造られたaシミュレーション脚本それ私たち持ってる共有の上のJMP Webサイト、
とそれ許可します我らにプラグと遊ぶ為に違うサンプルサイズの合計、
どうやってたくさんのランはののデザイン？
私達持ってるa真実形選択
それ与える我らの真実生成する関数後ろにの処理する、
aデザインタイプ、またスペース充填また最適な。
の最適なデザイン今は行きますになれのa特定最小サイズ
ベースの上の番号の効果それそうだったターゲティング。
行う私たち持ってるa 2番目-注文モデル、 a三番-注文モデル、
aシェフェ・キュービックモデル？
何行う私たち持ってる？
通常は、いつでもあなた建てるaモデルと習慣デザインのJMP、
それ書くaモデル脚本アウトに君のテーブルとそれからあなた使用するそれに分析するそれ。
良い、なにか私たちは探検したは許可するaより豊かにモデル
よりも何私たち得る、何私たち目標、
とそれは私たちできるに使用するこれらはメソッドとSVEM
と得る追加改善された結果、
平けれど私たちしませんでした元は目標それらの効果ののデザイン？
の短い答えそこのははい。
それはなにかそうしないと私たち欲しいですに検討、
それで私たち許可する私たち自身との効果的選択
に含む追加効果。
私達できる見るでの影響の追加複製するまた中心点
とそれ習慣飲酒運転ダイアログに強制するそれらの。
どのようにしますそれ影響私たちの応答？
なぜならどれかのの要約それあなた得るアウトののデザイン
とアウトデザイン診断それは始まりターゲティングの満杯モデル、
またと尊敬するに予測バリアント、
D最適、あなたが見ている標準エラー為にのパラメーター。
しかし何私たち本当お手入れ約はどうやって良いはの最適
それそうだった取得アウトのこれ、
それでそれは何そうだった行きますに取ったa見るでとこれらはシミュレーション。
為にの多くの部のこれらはLMP最適化シナリオ、
a多くの回、良い来て横切って2状況。
の科学者意思いう、 「私は得た約12走る利用可能、
と多分これはいいえそれ重要のa処理する、
またの素材はとても高い、
と私ただ必要に行うの一番私できると12実行します。それは何私は得た。」
またはそれそうかもしれないなれなにかどこ彼らは得たaバジェット為に40走る、
と彼らできるフィットa満杯2番目-注文モデル
プラス三番注文混合効果、
と私たち欲しいですに試すに特徴づけるこれ全体要素スペース
と見る何の応答水面見えるお気に入り以上の全体もの。
それらのそれはの2シナリオそうだった行きますになれターゲティングの私たちのシミュレーション。
ジム、私考えるあなた持っていましたいくつか質問
約パフォーマンス下違うシナリオ。
何だった君の最初質問そこの？
私やりました。
私推測してみていつ私考える約a 12-走るシナリオここ、
ともしも私ただ行くとのデフォルト、私はしたい得るa D -最適な
とそれだろうなれ主要効果それだけ。
私認識私できる行うのスペース充填お気に入り私ただやりました、
しかし私の質問は、もしも私行うのデフォルト、
どれの1のの分析メソッドだろうなれ優先？
またははそこの1？
わかった、それで取るa見るでそれ。
為にのD-最適なデザイン、なのでa全般的ルール、
これは行きますに置くほとんど全てのこれは走る平行の境界のの要素スペース
とこれはいいえ行きますに持ってるどれかインテリア走る
そうでもなければあなた持ってる二次条項またなにかそれ必要それ。
とa 12 -走るデザイン、
あります90度のフリーダム必要にフィット全ての主要効果ここ。
私たちは得たa少し度のフリーダム為にエラー、
しかし多くの場合そうだったそれだけターゲティングの主要効果ここ。
どのように行うの分析メソッド行う？
はそこのどれか違いのの分析メソッド？
何私たち行う、と全てのこれらはそうだった行きますに要約すると、
私たち見せるのパーセントの最大為に全ての私たちのシミュレーションそれ私たち行う、
とそれで私たちできる見るそれ分布為に各のの分析メソッド、
全て為にこれ12-走る、 D-最適デザイン目標効果。
それで私たちまた見せるどれか重要違いの間にこれらは、
とそうだったただ使用して生徒のT.
そうだったいいえを作る2キー調整、それで保つそれのマインド
いつでもあなたは見ているこれらで重要値。
の勝者ここは私たちの自家製SVEMニューラルアプローチ
なぜならこれはいいえ制限付きにそれだけ見ているでの主要効果、
彼らできる許可するいくつか追加複雑ののモデル、
とそれでそれ勝つここ。
今、しないでください得るそれも興奮した約それなぜならこれは約の一番
それ私たちは見たSVEM ニューラル行うにあるこれらは小さな設定。
しかしもしも私たちそれはランニングもっとよりも1候補者最適行きます前方、
それから多分私たちできる含むa SVEMニューラル、しかしの全般的、
私たちしませんお勧めそれだけこだわりとともにSVEMニューラル
ただなぜならそれ傾向があるになれもっと変数、持ってるより重い低い尾。
何それはの他の結果？
私達見るの敗者のこれ応用
またなんでもそれはやっているの独身ショットモデル割引
なぜなら全てこれらは効果それは重要ののモデル、
とどれか時間私たち引く1の彼らアウト、私たちそれは行きますに得る
a準最適表現の私たちの処理する。
それはどうしてのこれ場合の満杯モデルしますより良いよりもそれらの。
しかしなに面白いはのSVEM線形アプローチ
それはできるにで少しでもマッチそれ満杯モデルパフォーマンス。
そうだったいいえ負けなんでもに使用してSVEMのこれ応用、
それでそれはa良い側面どこ私たちしないでください持ってるに心配
約の小さい設定。
は私たち傷つける私たち自身で全てに使用してAICC?
今、なにかそうしないと私たち試したここは与えられたの同じ、
あなたはそれだけ得た12実行します。
あなたはそれだけターゲティングの製造
とのD-最適基準のの習慣DOE。
何もしも私たち許可するのフィットモデルに検討2番目-注文効果
プラスがある混合効果、
それで私たちのモデルそれからだった的を絞ったに行う？
何起こる、と私たち見るこれJMPここ、
これSVEM線形メソッドそれはできるに利用するそれ情報
と与える我らより良いパーセントの最大、得る最適な候補者、
とそれらのそれは私たちの勝者ここ今はこれらはSVEM線形メソッド。
何私たち見るはそれ興味深いことに、
のベースメソッド為にこれらはSVEMアプローチ、フォード方法、
またフォード選択またのなげなわそれはいいえできるに作る使用するのそれ、
それだけのSVEMは、それでそれはa良い財産。
彼ら実際にビートアウトニューラル、
どれのは良いなぜなら今これらはそれはネイティブにJMP 17
と彼らしないでください必要とするなので多くの計算時間
またマニュアル設定上なのでの彼らの自分の。
何私たち始めるに見るここはのテーマそれそうだった行きますに見る
全体を通しての休みのの日はそれどれかのこれらはなげなわアプローチ
と番号インターセプトそれは行きますに与える我らサブ-最適な結果
なぜならそれなしのインターセプト
との罰則しません仕事右のなげなわ、
だからあなた実際に欲しいですに順番オフのデフォルトオプションの番号インターセプト
もしもあなたは行きますに試すに使用するSVEMなげなわ
また平ただなげなわそれなしをインターセプト。
わかった、それで私推測してみてそれ見えるお気に入りSVEMニューラルやりました良いそこの。
しかしまた、それはいいえネイティブ。
私達できない行うそれとJMP 17プロ、それはいいえそこで.
私達できる、私たち持ってるに持ってるaマニュアル[聞こえない 00:29:01]スクリプト。
ええ、それはいいえaマニュアルオプション。
わかった、これは良い、
しかし私はまたaファンののスペース充填デザイン、
それでどうやってしますそれ遊ぶアウトの条項のの分析メソッド？
為にのスペースフィリングデザイン、あなたできる見るそれよりもよりも持つ
全てのポイント平行の外観、平行の境界、
今私たち塗りつぶし上のインテリアスペース
為に両方の混合要因との処理する要因、
どれの時折の練習何良い行うは、
良い取ったの処理する要因
と円形これらはにの最寄り0.25また0.5
またなんでもいい粒度作品一番為に我ら、しかしこれは何それ見えるお気に入り。
の条項のの結果、どうやって行う彼ら実行？
今何そうだった行きますに行うは比較
の連結ののデザインアプローチ
平行との分析方法と見るどれのこれらは行う一番。
見ているで今まだ許可するのより豊かに2番目と三番-注文モデル
為にの選択メソッドと見るどれの1します一番。
いつ私たち見るでの比較、
の勝者それはのSVEM リニアアプローチ、
なげなわそれだけとのインターセプト、いいえそれなしのインターセプト、
とのD-最適な。
また、後ろにのシーン、あなた持ってるに覚えて、
今あなたは仮定する為にこれD-最適アプローチ
それ君のポジティブモデルは真実以上の全体要素スペース
とあなたは得た絶え間ない様々以上それ要素スペース。
もしもあなたは心配した約失敗平行の境界、
それからそれはなにかそうしないとに取ったの中へアカウント、とこれはいいえ造られたの中へこれ。
君は持ってるに検討それ。
しかしもしもあなたそれは自信を持って、
多分あなたは走るこれ前とあなたはそれだけ作るマイナー変更、
それからの仕方に行くはのD-最適なとのSVEMアプローチします。
下ここ、の敗者それはのなげなわ、と番号インターセプト。
私達するつもりです避けるそれらの、
とあなたできる見るそれらの重い尾下ここ。
いいえのSVEMなげなわ、ただのなげなわ。
実際ここですのSVEMなげなわと番号インターセプトここで。
うん。
彼ら全て得るこれらはFさん、それで彼ら全て不合格。
-便利なことに、 [クロストーク 00:30:48] . -うん
わかった。
何頻繁意思来て上、
どうにかこれは設計上フロントどこ私たちは終わり私たちの12走る、
とのボス、
彼女もっているいくつかもっと質問と私たち持ってるもっと実行します。
もしもそうだった行きますに行う五もっと走る、
どうやってしますそれ影響いくつかのこれらは結果？
いつあなたいう五走る、いいえa従う-上勉強、
しかし君の建てるは勉強また12また17走る
のa独身ショット右今は何あなたは考慮して、右？
うん、まさに。
わかった、それでうん、私たちできる見るでの限界影響
なぜならありますa料金にあなた為にそれらの追加五実行します。
なにの利点のそれらの五追加走る？
使用するのデザイン分析あなたできる使用する、
見るでFDSプロットと君のFDSプラス意味低い、
反映している小さい予測バリアント。
力はいいえそれ使える為にこれらは混合効果デザイン。
私達しないでくださいお手入れ約のパラメーター。
私達欲しいですに知る、どうやって良いだろう私たち行うと最適化？
それはどこのシミュレーションのハンディ、私たちできる取ったa見るでそれ。
どのようにします君の分布の君のパーセントの最大変化する
なのであなた行くから12に17走る？
興味深いことに、あります番号利点為にの独身ショット40 ICC
に持つ17対12実行します。
今、また、右今そうだった見ているでのパーセンテージの最大
もしもあなた見るで君の誤差分散、
あなたの予測分散は行きますになれ小さく、
とそこのそうかもしれないなれいくつか他の[聞こえない 00:32:09] 、
しかし主に君の予測分散
は行きますになれ小さいもしもあなた見るでそれ。
しかし本当、私たちしないでくださいお手入れそれ多くの約予測分散。
私達欲しいですに知る、どこはそれ最適点？
なぜなら後これ、そうだった行きますになれランニング確認走る
と多分のレプリカでそれ点
に得るを考えのの処理するとアッセイ分散それから。
しかし右今、
私たちそれはただしようとしているにスカウトアウトの応答水面
に探す私たちの最適な処方、
それでとそれゴールのマインド、あります番号利点為に四日間ICC。
今為にのSVEMメソッド、
私たち行う見るそこのはa重要違い
と私たち行う得るa重要改善
の条項の私たちの平均パーセントの最大私たち入手します、
と多分いいえなので重い尾下ここ。
しかし今あなた必要に知るはそれあなた必要に決めます、
はそれ特に重要？
あなたは欲しいですに動くから90%に92%平均パーセントの最大
のこれ最初ショットと五追加走る？
君は持ってるに行う君の限界料金
オリジナル利点分析そこのなのでa科学者
と決めますもしもそれは価値それ。
ただ見ているでそれここ、何私考えるそうかもしれないなれ使える
なぜならあなた持ってるに走る確認走るとりあえず
はもしも私たち走るの12 -走るデザイン、
あなたできるそれから走るa候補者オプティマまた2
ベースの上の結果私たち得る、
とそれからプラスaカップルの追加走る多分
のa高い-密度領域為に何それ見える良い、
また平増強アウト君の要素スペースa少し少し、
とそれからあなたはまだランニングa合計の17走る、
しかし今そうだった行きますに持ってる平aより良い検出のの良い領域ここ、
それでそれはなにかに検討。
何かそうしないと私たちできる見る
からランニングのシミュレーションと17走るは、
しましょう見るでのパフォーマンス
の各ののフィッティングメソッド内部各繰り返し、
とあります実際にa驚くほど低い相関
の間にのパフォーマンス
のこれらは違うメソッド内部各反復。
私達できる使用するそれに私たちの利点
なぜならそうだった行きますになれランニング確認走る後これ、
それでそれよりもよりもただ持つに取った1方法と1確認点、
1候補者最適な点、
もしも私たちそうだったに、為に例、見るでこれらは四メソッド
とそれから取ったの候補者最適から各の彼ら、
それからそうだった行きますになれできるに行く前方とどれの1みんなします一番。
そうだった見ているでの最大のこれらは。
それよりもよりも見ているでa平均の92%に94%、
今そうだった見ているでa平均の約97%とa小さいしっぽ
もしも私たち検討多数のこれらはメソッドで一度。
わかった、とても使える。
しましょう今置く私たちの目向かっての40 -走るデザイン。
とても良い情報の条項の私の小さい走るデザイン。
今と40、どうやってしますそれ遊ぶアウトの条項のこれらは分析メソッド？
は私たち行きますに見る一貫性のある行動と何私たち鋸のの12 -走るデザイン？
それでどうやって約のスペース充填対の最適なデザイン、 D最適？
-私はしたいなれ興味があるのそれ。 -わかった。
良い、最初取ったa見るでのD-最適デザイン、 40走る、
と今そうだったターゲティング全てのの2番目-注文効果、
の三番-注文効果、混合効果、
とそうだったターゲティング全ての効果
それそれは本当に現在の私たちの生成する関数、
と私たちまだ見るそれそうだったロードされた上の上の境界のの要素スペース
との最適なデザイン、
とそれからもしも私たちそうだった行きますに見る今とのスペース充填デザイン、
そうだった行きますに見る今そうだった充填上のインテリア
のの要素スペース為にの混合物
と為にの他の連続処理する要因。
しましょう見る何のパフォーマンス違いは。
初めの全て、集中の上のスペースフィリングデザイン、
どれの分析メソッド行う一番？
と同じなので私たち鋸のの12 -走る例ののSVEM線形、
フォード選択とそれインターセプト、なげなわのインターセプトしますの一番。
の最悪場合あなたできる行うは保つの満杯モデル、
またそれからしようとしているSVEMまた独身ショットなげなわと番号インターセプト
とのD-最適設定、同じ勝者、どれのは心強い
なぜなら今私たちしないでください持ってるになれ心配した約、
"良い、私たちは変化しています私たちのデザインタイプ。 今私たち得たに変化する私たちの分析タイプ。"
これは良いに見るこれ一貫性横切っての勝者のの分析タイプ。
の満杯モデルしません行うなので不完全にこことの最適なデザイン、私考える、
なぜならの最適なデザインはターゲティングそれモデル
との敗者ここそれはまだのなげなわと番号インターセプト。
それでニューラルは本当落下後ろにここ、後ろにの他のメソッド。
今しましょう比較のスペース充填にのD-最適デザイン、
と私たちできる本当見る
の最大違いここは内部の満杯モデル、
のスペース充填デザインそれは多くの悪いよりものD-最適デザイン。
どんなときもあなたはやっているデザイン診断、
それは全て内部の環境のの満杯モデル。
為に君のD -最適性基準、
君の平均予測分散、それは全てそこの。
あ多くの回いつあなた走るそれらの比較、
あなたは行きますに見るa厳しい違いの間にそれらの
とそれは何あなたは見てここ。
でも、の本物生活、
そうだった行きますになれランニングaモデル割引技術。
とSVEM、平の独身ショットメソッド向上それ。
しかし特にとSVEMここ、
それ本当閉じるの違いの間にのスペース充填との最適なデザイン、
と私たち見るかわいい近いに中くらい、と少しより重いしっぽここ。
しかし今あなたできる見るでこれという。
"わかった。私失うa少し少しとスペースへ病気デザイン。
しかしもしも私持ってるどれか懸念まったく約の境界のの要素スペース、
またもしも私は幾分限定のどうやってたくさんの確認ポイント私できる走る
と私欲しいですに持ってるなにかそれは行きますになれいいえそれも遠いあちらへ
からの候補者最適それ私は行きますに運ぶ前方、
それからそれらのそれはの利点ののスペース充填デザイン。"
今私たちできる重量を量るそれらのアウト。 そうだったいいえ立ち往生
とこれ抜本的な違いの間にの2。
また、それはベースそれだけ対のD-最適デザイン.
私推測してみてa多くの回の私たちのDOE仕事、
私たちお気に入りに多分見るでのI-最適性基準
と平のあもっている終わり本当良い為に我ら。
の特に、それスプレッドそれ。 それはcですたまたまいいえスペース充填、
しかしで少しでもそれスプレッドそれアウトa少しもっとよりものD -最適な。
行う私たち持ってるどれかアイデアどうやってそれらの私とあ最適な仕事？
うん、私たちできるスワップそれらのアウトの中へシミュレーション。
1もの私たちはいつも気がついた、
私愛のあ-最適なデザインのの非混合設定。
これはほとんど私のデフォルト今。
私本当お気に入り彼ら。
しかしのの混合設定、いつでも私たち試す彼ら、
平前のシミュレーション、もしも私たち見るでのデザイン診断、
のあ-最適な一度もないしますなので良いなのでのDまたの私-最適な、
とそれクマアウトここののシミュレーション、
それはの青いここ為にの最適な、与える我ら劣っている結果。
ルールの親指ここは、
しないでくださいわざわざとのA-最適デザイン為に混合デザイン。
今為にD対私-最適な、私たちしないでください見るどれか...
のこれ応用為にこれ生成する関数、
私たちしないでください見るどれか違いの間に彼ら。
でも、 a理由に少し好むのD-最適は、
そこの傾向があるになれいくつか収束問題為にこれらはLNP設定
どこあなたは得たにペグ以上の1 5%
とあなたはしようとしているに目標aシェフェ・キュービックモデルのJMP、
だから私たちは気がついた時折いくつか収束問題
為にのI-最適デザインとそれかかりますより長いです。
のD -最適な、もしもありますいいえ多くののa利点、
それからそれらしいになれのより安全ベットに棒とのD最適。
今私たちではなかったできるにテストそれとのシミュレーション
なぜなら右今のJMP、
あなたできない脚本のシェフェ・キュービック条項の中へのDOE
に建てるを最適なデザイン。
君は持ってるに行うそれ終えたのGUI。
私達ではなかったできるにテストそれ、見るどうやって頻繁それ起こる、
しかしそれはどうして私たちは運んだ前方
D-最適のこれらはシミュレーションと私たち棒とそれらの。
もしもあなた欲しいですにの君のアプリケーション、あなたできる試す両方Dと私
と見る何彼ら見るお気に入り
両方グラフィカルにととの診断、
しかしのD-最適らしいになれ実行する良い。
わかった、私推測してみてただ保つ引っ張るのスレッドa少し少しさらに遠くは、
a多くの回良い試すいくつかタイプのaハイブリッドデザイン.
どうしてしないでください私たち始めるアウトと、いう、 25スペース充填走る、
とそれから増強それといくつかD-最適基準
に作る承知しましたそれ私たちできる目標の明確なパラメーター興味を持っている？
するそれ仕事アウトかわいい良い？
うん、私たちできるシミュレートするそれと私たち取ったa見る。
また私たちは手に入れた...
これはの同じシミュレートされた関数、
生成する関数私たちはその間見ているで為にあなた走るのD最適、
あなたが実行するためにスペース充填、
またaハイブリッド、どこ私たち始めるアウトと25スペース充填走る
とそれから私たち行くに増強とロードの建物15追加走るターゲティング
の三番注文モデル、と何私たち見るはそれ今、
私たち持ってる番号重要違いの条項のの最適化
の間にの40 ラン D 最適とのハイブリッドデザイン、
しかしののハイブリッドデザイン、
私たち得るの利点のそれらの25スペースフィリングが実行されます。
私達得るいくつかインテリア走る保護にフィット追加効果
と保護に対して失敗平行の境界。
これはa少し少しもっと仕事に設定これ上。
良い行うこれ為に高い優先順位プロジェクト
なぜならそれだけ為にそれらのなぜならその余分の料金と時間。
しかしそれします現れるになれa有望な方法。
右。
特にあなた考える約どこ君の最適なは行きますになれ、
ありますa良い機会それできるなれのそれインテリアスペース
それはいいえ満たされたののD-最適平行の境界。
私推測してみてただ多分行きます戻る、
再訪のアイデアの何もしも私持っていましたa中心点、
何もしも私持っていましたa点それ私できる複製？
また、多分の上の40-走るデザイン、
もしも私持っていました五もっともの、それでただどれか他の少しナゲット
それ私たち学んだ平行の仕方とこれらは？
良い、これ来る上a多くなぜなら今教科書意思教えてあなた
に追加五にセブン複製する実行します。
の科学者それは行きますにキックあなたアウトもしもあなた試すに行うそれ。
あ多くの回私たち持ってるに作るの口論
に追加平a独身複製する走る
なぜならそれもっている利点外側ののフィッティング
なぜなら今あなた得るaモデル[聞こえない 00:41:09]
とただグラフィカルに私たちできる使用するそれなのでa診断、
私たちできる見るでそれ空気分散相対的にの全体分散
からの全体実験。
これはとても使えるに持ってる、
とそれでこれは行きますになれ良いに持ってるを口論為にあなたにいうそれ、
"わかった、そうだったいいえ傷つける君の最適化ルーティーン
に含む平a独身複製する走る。"
それは何私たち見るここ為にの40ラン例
に強制する1のこれらはになる複製する内部習慣デザイン。
私達それはいいえ取得a重要違いで全て
の条項の最適化。
これはない助けるまた痛い。
しましょう行く先にと行うそれ、
それでそれいつ私たち持ってるそれ追加ピースの情報行きます前方。
私しないでください持ってるのグラフここなぜならこれはつまらない。
これはの同じもののこれ特に応用、
強制する1の彼らになれa中心点。
あります番号違い。
部のそれそうかもしれないなれのこれ場合、のD-最適デザインだった与える我ら
a中心点またなにか近いにa中心点。
それかそうかもしれないいいえ持ってるその間変化のデザインそれ多くの。
君はそうかもしれない見るaより大きい違い
もしもあなた行く戻るにの12ランデザイン強制するの中心点。
しかしそれはのアドバンテージの持つaシミュレーションフレームワーク造られた上
どこあなたできる取ったa見るでそれ
と見る何はの実用的影響行きますになれ為に含むそれ。
わかった、今どうやって約...
私言及された私持ってるこれ大きい事業とたくさんの制約。
だろうa制約多分変化するいくつかのの結果？
良い、私たちできるおそらく含むの制約
とこれは行きますに変化するの許可された領域内部...
グラフィカルに、あなたがする行きますに見るa変化するの君の許可された領域、
と私たちできるシミュレートするそれ。
実際、私は終わりそれ。
私しないでください持ってるのグラフ上と自分右今、
しかし何それしますはありますいいえそれ多くのを影響、 SVEMまだうまくいきます。
1違い私たちやりましたノートはそれランニングこれシミュレーション
とそれから拘束するの領域幾分はそれのスペース充填改善された
なぜならこれは得たa小さいスペースに塗りつぶしといいえなので多くのノイズスペース、
しかしのD-最適意思実行
ただなので良いの間にの2とまたそれなし制約。
それかだったかわいい面白いに見る。
しかし全てのこれ適用されますただなので良いと制約
となしのノートの条項の違い為に分析メソッドとの制約、
で少なくとも比較的単純ものそれ私たち適用。
右、わかった、そうだったほとんどランニング短いの上時間ここ、アンドリュー、
しかし私行う持ってるa懸念。
私達持ってるa誤指定デザイン
と私たちだろうお気に入りに包む上
と離れるの人々とa少し鍵テイクアウト。
こちらですを例どこ今これ機能的形
しますいいえマッチどれかのの効果そうだった検討中
とそうだった比較的平らなの上これ周囲
どこa多くのそれらの最適な設計は
だから私は方法を見るつもりですそれ作品アウト。
またノートの[聞こえない 00:43:52]コレステロール設定にa係数ゼロ
そして真生成する関数。
今取るそれ真実関数行きますにプロフィールええと出力すぐにテーブル
とあなたできる見るどうやって良いそれはになれできるにプロットこれらはもの
に見るの応答水面使用してそれ出力右ののテーブル。
こちらです本当君の真実応答水面、とこれは君の応答水面、
しかしなに面白いはそれ見えるお気に入りありますを錯覚ここ。
これ見えるお気に入りコレステロールはインパクトのある為に君の応答。
これ見えるお気に入りそれ影響する君の応答、しかしの現実の係数はゼロ。
しかしの理由それ見えるお気に入りそれはなぜならのの混合制約。
それはどうしてこれは難しいに解析するアウト、
どれのの個人混合効果本当影響君の応答。
そうだったいいえなので心配している約それ
私たちのようにの言って、なにa良い処方行きます前方？
のこれ設定、私たち追加a少し少しの騒音、4%履歴書、
どれのは使用済み頻繁にのの製薬世界。
のこれ場合、の平均そうだった使用してはの平均での最大、
どれののこれ場合は1、
とそれからまたa多くのもっと過激40%履歴書。
これ見えるもっとお気に入りaソナー
と彼らはしようとしているに探すタイタニックまたなにか。
うまくいけばなしの君の製薬アプリケーション見るお気に入りこれ、
しかし私たちただ欲しいですに見るのこれ過激場合どうやってもの仕事アウト。
何私たち見るはのの小さな12ラン例
と比較的小さな処理する変化は処理するプラスエッセイ変化
はこれらはベースラインデザイン行ったアウトとSVEM、全て同じメソッド、
とそれからもしも私たち行く上に40ラン、
のスペースフィリングではないできるに保つ上なので良い、
しかしD-最適意思本当行う今はまし、
平けれどこれは比較的平らなアウトそこのとのサイズどこ多くののの走るそれは、
これはできるに選ぶ上のサインのの水面ここ。
今、ここですの違いの間にの満杯モデル
とそれからのスペースフィリングとD-最適な。
いいえなので大きいのa違い為にのSVEMメソッド、
しかしあなた行うまだ持ってるa少ししっぽポイント下ここ。
それで彼らは全ていいえ実行するなので良いなのでのSVEM線形、
平けれどのSVEM線形
はそれだけ概算それ曲率為にそれ応答水面。
もしも私たち行く上にの素晴らしいうるさい見る、番号1しますa本当良い仕事、
しかしまだ君のそれだけ機会と一緒ですのスペース充填アプローチします。
しかしそれからいつ私たち行く上にの大きいサンプルサイズ、
平のの顔の全ての処理する変化、処理するノイズ、
は今のオプションだったできるに跳ねる、弾むアウト以上それノイズより良い
とはできるに作るより良い使用するのそれらの走るよりものスペース充填。
あカップルの考慮事項そこの。
なに君の走るサイズ？ どのように飽和あなたのモデル？
どのように多くの処理する変化行うあなた持ってる相対的に君のプロセス平均、
行きますの中への残高ののスペース充填対最適な。
もしも私たち取ったa見るで何それはの率直な最適なポイント
そうだった取得アウトののスペース充填対最適な。
私はごめん、為にのスペース充填、
それから何私たち見るはそうだったの上目標為にこれはイオン性とヘルパー。
そうだったの上目標為に全ての私たちのアプローチを除外する為にこれらは過去と番号インターセプト。
彼らは一度もないの上目標、
彼らはいつも押すあなたオフどこかそうしないと。
君はできる見るグラフィカルにどうやってそれ足らないのインターセプト。
今、もしも私たち許可するのインターセプト、それから私たちはの上目標。
それか本当は重要にチェックを外すそれ番号インターセプトオプション為になげなわ。
為に全ての人それそれはいいえ使用してJMPプロ
としないでください持ってるSVEM、
あなたそうかもしれないいう、良い、わかった、なに君のシミュレーション？
ここ、何はより良い？ AICc、対ビック、対P値。
不運にも、ただ使用しての番号のシミュレーション私たちは走る、
ありますいいえなので一貫性のあるアプローチなのでそこのはとSVEM。
もしもあなたは得たa大きい番号の走る、どこにありどちらか指定
また正しく指定また誤指定、の前方また後ろ向きAICc行う良い。
満杯モデルします悪い、一方のの小さい設定、
の満杯モデルしますより良いなぜなら全てそれらの条項それは関連する。
またのP値ここ、それも。
今、あなた見る、 0.01しますの最悪、 0.01しますの一番の大きい設定。
いいえ一貫性、どの P 値を使用しますか?
0.01、0.05、0.1 .
のP値からこれ見るはを未調整最適化パラメータ、
それで多分一番に避けるそれと棒とのAICc
もしもあなたはのベースJMP。
でも、私たち持ってる見た今それ
SVEMアプローチ為にこれらは最適化問題
行う与えるあなたほとんど普遍的により良いソリューション
よりもの独身ショットメソッド。
君はできる得るより良いソリューションとJMPPろ、とSVEM。
偉大な。
私推測してみて私たち欲しいですにただ包む上。
いくつかのの鍵所見ここ、アンドリュー。
うん、とまた、ジム、どれか他のコメント？
行うあなた持ってるどれか他のコメントそれも約これらは最適化問題またなんでも？
面白いもの私たちは見た近々？
私達持ってる、そうだった上に対して時間為に承知しました、しかし私たちは終わりいくつかかわいいすばらしいもの
それ私たちは来て上と新着設計された木材
それはより良いよりもこれはこれまでその間
と推進剤それそれは持つ物理的プロパティ
とパフォーマンスそれ私たちしていない見た前。
私達持ってる取ったaステップ、
a跳躍の条項のいくつかのの機能
それ私たちは見たの私たちの混合モデル。
できる私たち要約するとのハイライト銃弾下そこの、
それSVEMらしいになれ私たちの仕方に行く、
ともしもあなたそれだけ持っていました1多分SVEM前方選択、
あなたはなれ覆われたかわいい良い。
はい、それは右、なぜなら私はいつも怖がった。
平けれどの過去時々なげなわそれ見える以下とインターセプト、
時折それ見える少しより良い。
私しないでください知るもしもこれは多分1また2ケースそうだった大幅より良い、
しかしいつも首と首と前方選択、
しかし私はいつも怖がったそれ私は行きますに忘れるに順番オフ番号インターセプト
とそれから与える自分なにかそれは悪いよりもやっている
またなので悪いなのでやっているの満杯モデル。
私はいつも怖がったのやっているそれ。
SVEM前方選択とで障害設定らしいお気に入りa良い安全仕方に行く。
完全。
良い、とそれ、私たち台準備に取った君の質問。
