Hallo, alle, und willkommen zu JMP Entdeckung.
Andreas Karl und Heide Rauschen.
ich haben a Präsentation heute das ist gehen zu Markieren
etwas von das Merkmale in JMP 17 Dafür Wille Hilfe Sie aus
in das Welt von Mischung Modelle.
Viele von Sie sind beteiligt in Formulierungen,
und zu sein ehrlich, das ist was wir haben gewesen tun a viel in letzter Zeit.
War a viel wie Ambulanz Verfolger, wo Gut nur gehen nach
das neueste Ding dass Kunden sind interessiert in.
Aber das ist was war Sehen a viel in letzter Zeit, ist Leute das sind tun Mischung Modelle
das sind eigentlich ziemlich Komplex und mehr Also als heiraten je kennt.
Wir nur beschlossen wir möchten tun etwas Tiefer Ermittlung
mit etwas von das Neu Techniken, die out sind,
und das JMP 17 führt zum uns.
Andreas, möchten Sie wie zu erhalten gestartet und kann sein geben a wenig bisschen von Hintergrund
an das ganz Idee von was a Mischung Modell ist,
und etwas von das Sonstiges Techniken?
Okay, also lass uns Anfang aus mit a Hübsch, einfach Graph.
Lasst uns nehmen a sehen Über hier bei das Handlung an das links.
War in ein Experimental- Einstellung,
also jetzt ich vermuten wir haben habe zwei Faktoren,
Zutat EIN und Zutat B, und sie Angebot aus 0-1.
Wenn es gibt nein Mischung Einschränkungen, dann alles in das Schwarz Quadrat
ist a machbar Punkt in Dies Faktor Platz,
und so unser Entwurf Routine ist gehen zu geben uns Punkte irgendwo in Dies Platz.
Jedoch, wenn es gibt a Mischung Zwang
wo diese haben zu hinzufügen hoch zu eines, dann nur das rot Linie ist machbar.
Wir wollen zu erhalten a bedingt Optimum
gegeben das Zwang, und wir wollen zu Ende hoch
irgendwo in das Linie zum beide unser Entwurf und unser Analyse.
Wenn wir Bewegung hoch zu drei Mischung Zutaten,
EIN, B und C, alle fähig zu variieren aus 0-1,
dann wir erhalten a Würfel zum das 0-1 Zwang zum jeder von Sie.
Aber mit das Mischung Einschränkungen, das nimmt das bilden von a Flugzeug
schneiden a Würfel, und das gibt uns Dies Dreieck,
Also nur Dies rot Dreieck ist relevant aus von das gesamte Platz.
Wenn wir haben vier Maße, wenn wir haben vier Mischung Faktoren,
dann das zulässig Faktor Platz ist eigentlich a drei- dimensional Teilmenge,
a Pyramide innerhalb dort.
Suchen der Rücken zu das drei- Mischung Einstellung.
Sehen Dies Dreieck? Das ist das erlaubt Region.
Brunnen, das ist warum JMP gibt uns diese ternär Grundstücke.
Für diese ternären Diagramme gilt:
was JMP Wille tun ist, wenn Sie haben mehr als drei Mischung Faktoren,
ist du wirst haben zwei Faktoren gezeigt bei a Zeit,
und das dritte Achse Wille sein das Summe von alle das Sonstiges Mischung Faktoren.
Wir kann sehen bei diese ternäre Diagramme, eher als haben zu haben a Pyramide
das war suchen hindurch.
Wir haben zu sich entscheiden, tun wir wollen a Raumfüllendes Design
oder ein optimal Entwurf?
Jetzt, normalerweise in a Nicht-Mischung Einstellung, heiraten normalerweise verwenden ein optimal Entwurf,
und zum das die meisten Teil, wir würde nicht Erwägen a Raumfüllendes Design.
Es gibt a wenig Gründe dafür das wir wollen zu Erwägen
a Raumfüllendes Design in Mischung die Einstellungen.
Häufig in das Formulierungen Welt, wenn Sie gehen zu weit,
es gibt a wenig bisschen mehr Empfindlichkeit zu gehen zu weit in dein Faktor Platz,
Herstellung es zu breit, dann dein gesamte Prozess scheitert.
S annehmen das das passiert Über hier wo X2 ist.
Vermuten es scheitert alles unter 0,1.
Du bist gehen zu verlieren a gut Stück deiner Läufe Weil das optimal Entwurf
neigt dazu stellen die meisten von dein läuft an das Grenze von das Faktor Platz,
Also du bist gehen zu verlieren diese.
Du bist nicht gehen zu sein laufen können dein voll Modell
mit das verblieben Punkte, und du bist nicht gehen zu haben
irgendein gut Information um wo das Versagen Grenze ist.
Zum das Raumfüllendes Design, wenn Sie haben etwas nett von Versagen
unter 0,1, du bist verlieren a kleiner Nummer von Punkte.
Dein verblieben Punkte still geben Sie a Raumfüllendes Design
in das vorhandenen Platz das Sie kann verwenden zu fit das Modell Auswirkungen,
und nun war gehen zu sein fähig zu Modell das Versagen Grenze.
Ebenfalls in das Mischung Welt, wir häufig sehen höher bestellen Auswirkungen aktiv:
Interaktionen oder Krümmungen, Polynome,
als wir könnte sehen in das nicht- Mischung Einstellung.
Wenn wir nicht angeben diese, Weil irgendein von diese Modelle sind optimal,
bedingt an das Ziel Modell wir geben, Also wenn wir nicht angeben ein Wirkung Operator
zum das optimal Modell, wir könnte nicht sein fähig zu fit es
nach das Tatsache, Weil sie könnte sein Alias
mit Sonstiges Auswirkungen das wir haben.
Diese raumfüllend läuft Handlung als etwas von a Fang- alle von möglich läuft,
Also es gibt a Paar von Gründe dafür
das wir könnte wollen zu Erwägen Platz Füllung läuft,
aber wir wollen zu nehmen a sehen analytisch.
Was ist das Unterschied in Leistung zwischen diese,
nach wir Lauf durch Modell die Ermäßigung, nicht nur bei das voll Modell,
Weil war nicht geh einfach hin sein verwenden das voll Modell.
Das ist das Entwurf Phase Frage.
Wann wir kommen das Analyse,
wann immer du bist suchen bei diese Mischung Experimente in JMP,
JMP automatisch wendet sich aus das abfangen zum Sie,
Weil wenn Sie wollen zu passen voll Modell
mit alle von dein gemischt bleiben übrig Auswirkungen, Sie kippen enthalten das abfangen.
Du wirst erhalten Dies Warnung
Weil das Mischung- gemacht Auswirkungen sind eingeschränkt zu eines,
und sie hinzufügen hoch zu was das abfangen ist, Also Sie sind Alias.
Ebenfalls, wenn wir wollen zu sehen bei höher bestellen Auswirkungen,
wir kippen sein wie a Antwort auftauchen wo wir haben rein quadratisch Bedingungen.
Wir haben zu sehen bei diese Scheffe Kubisch Bedingungen
Weil wenn wir Versuchen zu sehen bei das Interaktionen
Plus das rein quadratisch Bedingungen, dann wir erhalten Sonstiges Singularitäten.
Diese sind a Paar von Falten in das Analyse.
Jedoch, gehen nach vorne mit das Modell Auswahl Methoden,
Nach vorne Auswahl oder Lasso, die sind das Base Methoden
von das SVEM Methoden, die war gehen zu sein suchen bei,
wir wollen zu Erwägen manchmal drehen aus Dies Ursprünglich 'nein abfangen' Möglichkeit.
Was wir finden ist zum das Lasso-Methode wir eigentlich haben zu TU das
in bestellen zu erhalten angemessen Ergebnisse.
Nach wir fit unser Modell, jetzt wir wollen zu tun Modell die Ermäßigung
zu trete aus irrelevant Faktoren.
Wir haben habe a Paar von anders Wege von tun das in Base JMP .
Wahrscheinlich was Personen tun die meisten häufig ist sie verwenden das Wirkung Zusammenfassung
zu gehen rückwärts an das p- Werte, und trete aus das klein p- Werte.
Aber Dies ist hübsch instabil Weil von das Multikollinearität
aus das Mischung Zwang, wo treten aus eines Wirkung
kann drastisch Rückgeld das p-Werte von das verblieben Auswirkungen in das Entwurf.
Was Dies Handlung zeigt an ist wenn wir gehen rückwärts an p- Werte,
was ist das größten p-Wert das ist getreten aus
und wir sehen einige springen herum hier und das ist aus das Wirkung.
Gegeben das nett von Volatilität in das passend zu Prozess,
Sie kann vorstellen wenn Sie haben klein Änderungen
in dein beobachtet Antworten, kann sein eben aus Test Variabilität,
oder irgendein Sonstiges Variabilität, nur klein Änderungen kann führen
zu groß Änderungen in das reduziert Modell
das ist vorgestellt wie a Ergebnis von Dies Prozess.
Dass hoch Modell Variabilität ist etwas das wäre sein Hübsch
wenn wir könnte Durchschnitt Über in etwas Weg, in das gleich Weg das kann sein
mit Bootstrap zum Europäische Sommerzeit wir Durchschnitt Über das Variabilität
von das WAGEN Methoden oder das Partition Methoden
und das ist was das SVEM Methoden möchten sein suchen bei tun.
Im das lose Sinn, Sie sind nett von das analog dafür,
zum das linear Methoden war suchen bei.
Ebenfalls wir kann gehe zu Schritt weise und sehen bei Min. AICc,
die ist kann sein das bevorzugt Methode.
In unserer letzte gleiten von der Vorstellung heute Gut sein nehmen a sehen bei,
zum das Base JMP Benutzer, AICc gegen B IC gegen p-Wert Auswahl
mit unser Simulation Diagnose.
Geben Anerkennung zu a viel von das vorhandenen Arbeit und führend hoch zu das SVEM sich nähern.
Diese sind etwas Großartig Verweise das wir haben Gebraucht Über das Jahre.
Ebenfalls wollen zu danken Chris Gottwalt zum seine Geduld und antworten Fragen
und teilen Information wie Sie haben entdeckt Dinge eine lange das Weg.
Das ist wirklich geholfen einstellen uns hoch zu sein fähig zu stellen Dies zu gut Wirkung in trainieren.
Apropos von in trainieren, wo haben wir gewesen verwenden Dies ziemlich a bisschen
Über das Jahre ist das Einstellung von Flüssigkeit Nanopartikel Formulierung Optimierung.
Was ist Lipid Nanopartikel Formulierung? Nun, ein Lipid-Nanopartikel,
wenn du hast bekommen irgendein mRNA COVID Impfungen Pfizer, Moderne, dann du hast bekommen diese.
Was diese tun ist Sie nehmen a Mischung von vier anders Lipide, zusammengefasst hier,
und sie bilden diese wenig bisschen Bläschen.
Dann diese sind elektrisch berechnet,
dann sie tragen eine lange mit Sie a genetisch Nutzlast,
mRNA, DNS, oder Sonstiges Nutzlasten das entweder fungieren als Impfungen
oder kann Ziel Krebs Zellen.
Das elektrisch aufladen zwischen das genetisch Nutzlast,
und dann das Gegenteil aufladen in das Nanopartikel ist was bindet zusammen.
Dann wir will es zu erhalten durch das Zelle und dann Veröffentlichung das Nutzlast Innerhalb.
Das Formulierung Änderungen abhängig an was das Nutzlast ist.
EIN auch manchmal wir könnte Rückgeld das Typ von ionisierbar Lipid,
oder das Typ von er lper Lipid zu sehen die eines tut besser,
Also wir haben zu wiederholen Dies Prozess Über und Über.
Zum das die meisten Teil, das Wissenschaftler haben gefunden das diese
Bereiche von kann sein 10-60% für das Lipid die Einstellungen
und dann a schmaler Angebot von 1-5%.
Das ist zum das die meisten Teil das machbar Angebot zum Dies Prozess.
Das ist gewesen erforscht aus, und das ist was das Geometrie
wir wollen zu passen hier in unser Anwendung ist.
Wir wollen zu sagen, angesichts dessen das strukturieren war tun über und über,
tun wir haben ein Ideal Analyse und Entwurf Methode zum das?
EIN auch wir wollen zu einstellen hoch a Simulation das wenn war suchen bei Sonstiges Strukturen,
Sonstiges Geometrien zum das Faktor Platz, kann sein wir kann verallgemeinern zu das,
aber das ist gehen zu sein unser Fokus zum Rechts jetzt.
Gegeben das Hintergrund,
Ich bin gehen zu Lassen Jim jetzt zusammenfassen das SVEM sich nähern und sich unterhalten um das.
Ja, danken Sie.
Dies besondere Entdeckung Präsentation,
was war gehen zu tun ist a wenig etwas zentrierter an Power Point,
Unglücklicherweise, Weil das Ergebnisse sind Ja wirklich was Dies ist alle um
zum das Simulationen das wir haben erledigt.
Aber Dies besondere Sitzung, ich Wille Show Sie etwas von das JMP 17
das wir haben Neu Fähigkeit.
Wenn ich gehen und ich wollen zu einstellen hoch a Raumfüllendes Design...
Jetzt, bisher wir waren nicht in der Lage zu tun Mischung Modelle mit Raumfüllende Designs
direkt aus aus von das Kasten, wenn Sie Wille.
Wir sicherlich könnte stellen Einschränkungen in dort,
aber jetzt was wir wollen zu tun ist Show Sie wie Sie kann tun
a Raum F krank Entwurf mit diese Mischung Faktoren.
Dies ist Neu das ich jetzt haben diese Kommen Sie in wie Mischung,
die ist gut Weil es jetzt trägt
alle von diese Säule Eigenschaften mit es wie Gut.
Einer Ding Wert erwähnen Rechts jetzt ist
das Ursprünglich ist du bist gehen zu erhalten 10 läuft pro Faktor,
Also 40 läuft in a Damhirschkuh typisch ist gut
und wir sind glücklich, weil unser Macht ist Gut Oben 90%
oder wie auch immer unser Kriterien ist.
Aber das ist nicht das Fall [unverständlich 00:09:54] diese Mischung Modelle
Weil es gibt Also viele Einschränkungen inhärent in es.
Was das ist erzählen mich, Unglücklicherweise, ist eben wenn ich war zu haben 40 läuft,
Ausweis still nur haben 5% Energie aus tun Scheffe Kubisch
und eben wenn es ist Haupteffekte nur, es gibt nur 20% Energie.
Leistung jetzt ist nicht Ja wirklich a Entwurf Kriterien das war gehen zu sehen zu
Wenn wir tun diese Mischung Modelle.
Jetzt, typisch in unser Anwendungen,
Unglücklicherweise, wir nicht haben das Luxus von haben 40 läuft.
Im Dies Fall Gut tun 12 läuft und sehen wie das kommt aus.
Brunnen gehen voraus und machen dieser Raum Füllung Entwurf,
und Sie können sehen, dass es ist kann sein gleichmäßig Verbreitung hindurch das auftauchen.
Von Kurs, wir tun weiß das war begrenzt mit etwas von diese Leute hier
das wir kann nur gehen aus 1 -5% an das Polyethylen Glykol.
Was ich wollen zu jetzt tun ist nur gehen zu schnell nach vorne.
Jetzt Lasst uns sagen Ich habe Lauf Dies Entwurf und Ich bin bereit zu tun das Analyse.
Dies ist wo SVEM ist Ja wirklich gemacht riesig Fortschritt
und wenn Sie Hören zu etwas von Chris und Phil Ramseys Arbeit
aus dort an JMP Gemeinschaft, du wirst sehen Dies ist a Schritt Rückgeld.
Dies ist a Spiel Rückgeld in Bedingungen von dein analytisch Fähigkeit.
Wie möchten wir tun Dies in 16?
Im JMP 16 was heiraten haben zu tun ist heiraten haben zu Kommen Sie durch,
und eigentlich es ist Wert gehen durch die Schritt nur Weil es gibt Sie
a wenig bisschen von Einblick, obwohl das primär Mission
von Dies Einweisung oder Dies sich unterhalten ist nicht SVEM,
es Wille geben uns ein Idee von was ist gehen an.
Was wir kann tun hier ist wir kann gehen voraus und Gut machen das Auto Validierung Tisch.
Dies ist das JMP 16 Methodik.
Was du wirst Hinweis hier ist wir haben Weg aus 12 läuft zu 24.
Wir nur verdoppelt Sie und Sie sehen das Validierung Satz.
Das Ausbildung kann sein die ersten 12, Validierung das nächste 12.
Das ist was ist hinzugefügt und dann wir haben Dies Gewicht.
Dies ist das Bootstrap Gewicht und es ist Bruchteil gewichtet.
Was das passiert ist wir Wille gehen voraus und Lauf Dies Modell
und Kommen Sie hoch mit a vorhergesagt Wert,
aber dann wir brauchen zu Rückgeld diese Gewichte und dann behalten tun Dies Über und Über
zum unser Bootstrap, ähnlich wie a zufällig Wald, Idee zum das SVEM.
Jetzt was ist nützlich ist zu nett von nehmen a schnell sehen.
Was ist das Geometrie von diese Gewichte?
Wir kann sehen Sie sind Anti- korreliert,
bedeutet wenn in das Ausbildung einstellen Das bin ich niedrig,
Ich bin wahrscheinlich gehen zu sein hoch in das Validierung einstellen.
Dies ist nett von a schnell wenig visuell von das Beziehung.
Jetzt Ich bin bereit zu gehen tun mein Analyse in JMP 16.
Es möchten sein analysiert und heiraten nur tun unser fit Modell.
Von Kurs, wir wollen a verallgemeinert Rückschritt
und Gut gehen durch und tun a Scheffe Kubisch hier,
Weil es ist a Mischung.
Aber Hier ist wo wir haben zu hinzufügen in das Schritt,
wir stellen das Validierungssatz wie dein Validierung Säule
und dann Dies Validierung Gewicht ist gehen zu sein das Frequenz.
Jetzt ich kann Lauf Dies.
Durch das Weg wir könnte,
in viele von unser Instanzen war nicht normal, war Protokoll normal,
wir könnte stellen das in Rechts dort.
Hier wir haben unser verallgemeinert Rückschritt Fähigkeit
zu gehen voraus und Lauf Dies Modell und voila, dort sind das Schätzungen.
Was wir möchten tun dann kommen wir hierher unter das Speichern das Vorhersage Formel.
Dann hier ist eines Lauf.
Okay, Also wir habe eines Lauf.
Du kann sehen das das oben ist 15.17, und wir eigentlich gesehen 15.23,
Also nicht Schlecht in Dies Modell,
aber wir möchten tun Dies Über und Über.
Wir Gebraucht zu tun es um 50 mal oder Also.
Aber mit JMP 17, jetzt Dies ganz Prozess ist automatisiert zu uns.
Wir nicht haben zu tun Dies 50 mal und dann nehmen das Durchschnitt
von diese Vorhersage Formeln.
War fähig zu gehen direkt bei es.
Wenn ich Kommen Sie der Rücken zu mein Original Entwurf hier mit das Antwort,
ich kann erhalten Rechts bei es.
Durch das Weg, Dies ist Zeigt das ich haben Ein weiterer Zwang stellen in hier.
EIN viel von mal wir haben das Apotheke und Biochemiker wie zu sehen das
zu machen sicher das das Verhältnisse basierend auf molekular Gewichte sind innerhalb Grund.
Nicht nur tun wir haben das Mischung Einschränkungen,
wir Auch haben a viel von Sonstiges Einschränkungen.
Ich bin Arbeiten mit a Gruppe wo wir haben kann sein fünfzehn anders Zutaten
und wahrscheinlich 30 Einschränkungen in Zusatz zu das Mischung Einschränkungen,
Also diese Methoden Arbeit und vergrößern,
wahrscheinlich ist das Beste Weg zu sagen es, hübsch Gut.
Jetzt Dies ist 17, Also 17 ich kann erhalten Rechts bei es.
Ich bin gehen zu gehen voraus hinein Fit Modell, und Krank gehen voraus und tun a Scheffé Cubic.
Aus hier, was war fähig zu tun ist gekommen hinein a verallgemeinert Rückschritt.
Im Dies Fall, wir nicht brauchen zu Sorge um diese Leute in hier.
Wir kann Rückgeld es zu normal anmelden wenn wir Also Verlangen.
Einer von mein Auswahlmöglichkeiten in das Einschätzung
stattdessen von Nach vorne ist in Tatsache SVEM Nach vorne,
Also ich tun SVEM Nach vorne und Ich bin gehen zu gehen tun 200.
Du wirst mal sehen wie schnell sie haben Dies abgestimmt.
Wirklich die nur Ding Sie kann tun in fortschrittlich steuert
ist überprüfen ob oder nicht Sie wollen zu Macht a Begriff in.
ich Schlag gehen und sofort Ich habe erledigt 200 Bootstrap Proben zum Dies Problem.
Von Kurs, ich jetzt kann sehen bei das Profiler
und das ist das Durchschnitt von das 200 läuft.
Das ist nett von mein Ende Modell, wenn Sie Wille.
Von Kurs, mit Vorhersage Profiler,
dort sind Hunderte von Dinge Sie kann von hier aus tun
und Andreas wird berühren an a Paar mehr von diese.
Aber zwei Sonstiges Dinge Wert bemerken hier,
Krank sparen das Vorhersage Formel wie Gut und nehmen a sehen bei das Kerl.
Wann ich sehen bei das Vorhersage Formel,
Krank Hinweis das es ist in Tatsache schon gemittelt aus zum mich hier.
Dies ist der Durchschnitt der 200 anders Proben das sind aus dort.
Mit das, das ist das Demo,
und Gut gehen der Rücken zu suchen bei das Diagramme dort zu sagen,
"Also was ist es das war Sehen in Bedingungen von das Ergebnisse von SVEM?"
Andreas, wenn Sie wollen zu ziehen hoch das gleiten.
Dies ist kann sein a schnell visuell.
Du kann sehen das wenn ich sehen bei diese Erste drei,
in Dies Fall, rot ist Schlecht.
Was war suchen bei hier ist das nominell Abdeckung.
Dies ist a Mischung Modell
bei das vorhergesagtes Optimum Stelle von Leistung.
Wir kann sehen das das Standard Schritt weise Leute sind nicht tun zu Gut.
Das ist das rückwärts und nach vorne AIC.
Dies ist das Abdeckung Preise.
Heiraten wie es zu sein a nominell 5% Error das wir nicht eigentlich sehen
das Stimmt Antwort in das Vorhersage oder eigentlich das Vertrauen Intervall.
Im Sonstiges Wörter, Wenn wir sah bei das Profil
das wir nur sah, gibt es uns a Vorhersage oder Vertrauen Intervall
war das Stimmt Wert,
die wir kennt Weil war spielen das Simulation Spiel, Rechts?
Wir kennt was das Stimmt Wert ist, was Prozentsatz von Zeit war das in dort?
Wir kann sehen das wir nicht tun wie Gut mit unser klassisch Methoden.
Das voll Modell, Putten alle das Begriffen,
Lasso tut hübsch Gut bei a 10% Bewertung oder Also,
aber es ist nicht bis um wir erhalten die SVEM-Methoden hier das wir Anfang Sehen
das war wirklich Erfassen und bekommen gut Abdeckung.
EIN gut kann sein Bild zu behalten in dein Geist,
das wir sind Weg übertreffen etwas von das Sonstiges Methoden aus dort
Wenn es kommt zu das Fähigkeit.
Jetzt, in Bedingungen von wie Dies Simulation,
was war Fokussierung an hier ist a wenig bisschen anders als was Sie kann Denk an,
in Bedingungen von a Simulation wo wir suchen bei a Modell und Sprichwort,
"Wie Gut tat wir tun mit Dies besondere Methode?"
Wir könnte messen das durch wie das tatsächlich gegen das vorhergesagt ist
und dann heiraten erhalten eine Art von a bedeuten kariert Error.
Wir tun Spur das Wert,
aber wir finden in unser Arbeit, war viel mehr betroffen um finden
das optimal Mischung, wenn Sie Wille, mit das optimal die Einstellungen das erreichen uns
a maximal Potenz oder minimiert einige Nebenwirkungen
oder hilft uns mit Dies [unverständlich 00:18:58]
Das ist gehen zu sein genannt die "Prozent von maximal" das war suchen zum.
War gehen zu verwenden das wie unser primär Antwort hier
in Bedingungen von Sein fähig zu auswerten die Methoden übertreffen Andere.
Es ist nicht Ja wirklich gehen zu sein,
wie weit ein Weg bin ich aus das Lage von das optimal Wert?
Es ist wie weit ist das antworte das ich vorhergesagt als optimal
wie weit ist das aus das tatsächlich Optimum?
Das ist gehen zu sein unser messen von Erfolg.
Das Weg Dies Wille Arbeit ist Krank sein fragen Andreas a wenig Ideen hier
in Bedingungen von was typisch kommt hoch in trainieren.
ich gesehen das Geometrie er zeigte mich frühzeitig an
und das optimal Entwurf war stets Schlag das Grenzen.
Was wenn ich wie Dinge das wir Anruf mehr mischen, Rechts?
Du haben mehr gemischt Sachen in das Mitte,
Raum füllen, die ist besser.
Wenn ich tun verwenden ein optimal Entwurf,
es Voreinstellungen zu D kann sein, aber was um ich und EIN?
Dann wie um das das Alter- alt DAMHIRSCHKUH Hinzufügen Mittelpunkte?
Ist das Clever? Oder ist eines Mittelpunkt?
Oder wie um repliziert?
Wir haben schon besprochen wie war nicht Sein hilfreich,
Also was ist a hilfreich messen von a gut Entwurf?
Das ist das Entwurf Stück, aber Auch das Analyse Stück ist,
ist dort a besondere Methode das übertrifft alle,
oder sind dort sicher Bereiche das wir sollte Fokus an
verwenden Lasso und Andere,
das wir sollte nur verwenden SVEMs zum Auswahl?
Diese sind praktisch Fragen das Kommen Sie hoch aus alle von unser Kunden,
und heiraten wie zu Teilen mit Sie
etwas von das Ergebnisse das wir erhalten aus das Simulation.
Andreas, Sie wollen zu geben uns
a wenig bisschen mehr Einblick hinein unser Simulation Prozess?
Ja, Danke, Jim.
Vor ich tun das,
ich nur wollen zu Punkt aus eines Werkzeug
das wir haben gemacht schwer verwenden von in das Analyse von unser Ergebnisse,
und Unglücklicherweise, wir nicht haben Zeit zu vertiefen hinein das Demo,
aber es hat gewesen Also nützlich ist, innerhalb das Profiler
zu sehen bei das Ausgang zufällig Tisch zum diese Mischung Entwürfe
und zu sehen bei das Antworten besonders,
wir häufig haben Potenzen durch Seite Auswirkungen.
Wir haben mehrere Antworten,
dass wir wollen Gleichgewicht das aus mit das Wünschbarkeit Funktion,
und dann war gehen zu sehen bei das Individuell Antworten sich.
Wann wir Ausgang a zufällig Tisch, wir erhalten a Platz Füllung Entwurf,
Grundsätzlich nicht a Entwurf, aber wir füllen hoch das gesamte Faktor Platz,
und war fähig zu sehen bei das marginal Einschlag
von jeder von das Faktoren Über das gesamte Faktor Platz.
Zum Beispiel, zum das ionisiert Lipid Typ,
was Gut häufig sehen ist, wir kann sehen das kann sein eines hat
a niedriger marginal Verhalten Über das gesamte Platz.
Aber seit war wollen zu optimieren,
wir Pflege um was das max von jeder von diese ist,
und eines von diese Wille deutlich sein besser oder schlechter.
War suchen bei das reduziert Modell.
Nach er passt Sie, Gut gehen zu das Profiler und tun Dies.
Wir kann still erhalten das analytisch Optimum aus Profiler,
aber in Zusatz zu das,
Dies gibt uns mehr Information außen von nur das Optimum.
Was wir könnte tun hier ist zum Kandidat läuft,
Weil wir stets laufend unser Bestätigung läuft
nach diese Formulierung und Optimierung Probleme
ist wir könnte Lauf das global Optimum hier zum H 102,
wir könnte wählen aus das bedingt Optimum zum H 101
und sehen die eines tut besser in trainieren.
Ebenfalls, suchen bei das ternär Grundstücke,
wenn wir Farbe diese durch Wünschbarkeit oder durch das Antwort,
wir kann sehen das mehr oder weniger wünschenswert Regionen
von das Mischung Platz,
Also das kann Hilfe uns wie wir entweder vermehren das Entwurf
oder entweder enthalten zusätzlich Bereiche in das Faktor Platz,
oder zu ausschließen Bereiche.
ich kippen tun viel mehr mit das Rechts jetzt,
aber ich gesucht zu Punkt das aus
Weil das ist a sehr wichtig Teil von unser Analyse Prozess.
Wie tun wir auswerten etwas von diese Optionen
innerhalb Dies Typ von Geometrie von a Faktor Platz?
Wir gebaut a Simulation Skript das wir haben geteilt an das JMP Webseite,
und es erlaubt uns zu Stecker und abspielen zum anders Probe Größen in gesamt,
wie viele Läufe sind in das Entwurf?
Wir haben a Stimmt bilden Auswahl
das gibt uns das Stimmt Erstellen Funktion hinter das Prozess,
a Entwurf Typ, entweder Platz Füllung oder optimal.
Das optimal Entwurf jetzt ist gehen zu sein von a sicher Minimum Größe
basierend an das Nummer von Auswirkungen das war Ausrichtung.
Tun wir haben a zweite -bestellen Modell, a dritte -bestellen Modell,
a Scheffé Cubic Modell?
Was tun wir haben?
Normalerweise, wann immer Sie bauen a Modell und Brauch Entwurf in JMP,
es schreibt a Modell Skript aus zu dein Tisch und dann Sie verwenden das zu analysieren es.
Brunnen, etwas wir haben erforscht ist erlauben a reicher Modell
als was wir erhalten, was wir Ziel,
und sind wir fähig zu verwenden diese Methoden mit SVEM
und erhalten zusätzlich verbessert Ergebnisse,
eben obwohl wir nicht ursprünglich Ziel diese Auswirkungen in das Entwurf?
Das kurz Antworten dort ist Jawohl.
Das ist etwas anders wir wollen zu Erwägen,
Also wir ermöglichen uns selbst mit das Wirksam Auswahl
zu enthalten zusätzlich Auswirkungen.
Wir kann sehen bei das Einschlag von hinzufügen repliziert oder Mittelpunkte
und das Brauch DWI Dialog zu erzwingen diese.
Wie tut das beeinträchtigen unser Antwort?
Da irgendein von das Zusammenfassungen das Sie erhalten aus von das Entwurf
und aus das Design Diagnose sind Anfang Ausrichtung das voll Modell,
entweder mit Respekt zu Vorhersage Varianten,
D-optimal, Sie suchen Standard Fehler zum das Parameter.
Aber was wir Ja wirklich Pflege um ist wie gut ist das Optimum
das war bekommen aus von Dies,
Also das ist was war gehen zu nehmen a sehen bei mit diese Simulationen.
Zum das die meisten Teil in diese LMP Optimierung Szenarien,
a viel von mal, Gut Kommen Sie über zwei Situationen.
Das Wissenschaftler Wille sagen, "Ich habe habe um 12 läuft verfügbar,
und kann sein es ist nicht das wichtig von a Prozess,
oder das Material ist sehr teuer,
und ich nur brauchen zu tun das Beste ich kann mit 12 läuft.Das ist was Ich habe habe."
Oder es könnte sein etwas wo Sie haben habe a Budget zum 40 läuft,
und sie kann fit a voll zweite -bestellen Modell
Plus dritte bestellen Mischung Auswirkungen,
und wir wollen zu Versuchen zu charakterisieren Dies gesamte Faktor Platz
und sehen was das Antwort auftauchen sieht aus wie Über das ganz Ding.
Diese sind das zwei Szenarien war gehen zu sein Ausrichtung in unser Simulation.
Jim, ich denken Sie hatte etwas Fragen
um Leistung unter anders Szenarien.
Was war dein Erste Frage dort?
ich tat.
ich erraten Wenn ich denken um a 12- Lauf Szenario hier,
und wenn ich nur gehen mit das Ursprünglich, Ausweis erhalten a D -optimal
und es möchten sein hauptsächlich Auswirkungen nur.
ich erkenne ich könnte tun das Platz Füllung wie ich nur tat,
aber mein Frage ist, wenn ich tun das Ursprünglich,
die eines von das Analyse Methoden möchten sein bevorzugt?
Oder ist dort eines?
Okay, Also nehmen a sehen bei das.
Zum das D- optimal Entwurf, wie a Allgemeines Regel,
es ist gehen zu stellen fast alle von es ist läuft eine lange das Grenze von das Faktor Platz
und es ist nicht gehen zu haben irgendein Innere läuft
wenn nicht Sie haben quadratisch Bedingungen oder etwas das erfordert das.
Mit a 12 -Lauf Entwurf,
es gibt 90 Grad von Freiheit erforderlich zu fit alle das hauptsächlich Auswirkungen hier.
Wir haben habe a wenig Grad von Freiheit zum Error,
aber meist war nur Ausrichtung das hauptsächlich Auswirkungen hier.
Wie tun das Analyse Methoden tun?
Ist dort irgendein Unterschied in das Analyse Methoden?
Was wir tun, und alle von diese war gehen zu zusammenfassen,
wir Show das Prozent von max zum alle von unser Simulationen das wir tun,
und Also wir kann sehen das Verteilung zum jeder von das Analyse Methoden,
alle zum Dies 12- Lauf, D-optimal Entwurf Ziel Auswirkungen.
Dann wir Auch Show irgendein von Bedeutung Unterschiede zwischen diese,
und war nur verwenden Schüler T.
War nicht machen ein zwei Schlüssel Anpassungen, Also behalten das in Geist
wann immer du bist suchen bei diesen von Bedeutung Werte.
Das Gewinner hier ist unser hausgemacht SVEM neural sich nähern
Weil es ist nicht eingeschränkt zu nur suchen bei das hauptsächlich Auswirkungen,
sie kann ermöglichen etwas zusätzlich Komplexität in das Modell,
und Also es Gewinnt hier.
Jetzt, nicht erhalten zu aufgeregt um das Weil Dies ist um das Beste
das wir haben gesehen SVEM neural tun ist in diese klein die Einstellungen.
Aber wenn wir sind laufend mehr als eines Kandidat Optimum gehen nach vorne,
dann kann sein wir kann enthalten a SVEM neural, aber in Allgemeines,
wir würde nicht empfehlen nur kleben mit einer SVEM neural
nur Weil es neigt zu sein mehr Variable, haben schwerer niedrig Schwänze.
Was sind das Sonstiges Ergebnisse?
Wir sehen das Verlierer in Dies Anwendung
oder irgendetwas das ist tun das Single Schuss Modell die Ermäßigung
Weil alle diese Auswirkungen sind von Bedeutung in das Modell,
und irgendein Zeit wir ziehen eines von Sie aus, wir sind gehen zu erhalten
a suboptimal Darstellung von unser Prozess.
Das ist warum in Dies Fall das voll Modell tut besser als diese.
Aber was ist interessant ist das SVEM linear Ansätze
sind fähig zu bei am wenigsten passen das voll Modell Leistung.
War nicht verlieren irgendetwas durch verwenden SVEM in Dies Anwendung,
Also das ist a Hübsch Aspekt wo wir nicht haben zu Sorge
um das kleiner Einstellung.
Gibt wir verletzt uns selbst bei alle durch verwenden AICC?
Jetzt, etwas anders wir versucht hier ist gegeben das gleich,
du hast nur habe 12 läuft.
Du bist nur Ausrichtung das Herstellung
und das D-optimal Kriterien in das Brauch DAMHIRSCHKUH.
Was wenn wir ermöglichen das fit Modell zu Erwägen zweite -bestellen Auswirkungen
Plus es gibt Mischung Auswirkungen,
Also was unsere Modell dann war gezielt zu tun?
Was das passiert, und wir sehen Dies JMP hier,
Dies SVEM linear Methoden sind fähig zu nutzen das Information
und geben uns besser Prozent von maximal, erhalten optimal Kandidaten,
und diese sind unser Gewinner hier jetzt ist diese SVEM linear Methoden.
Was wir sehen ist das interessant,
das Base Methoden zum diese SVEM Ansätze, Ford Methode,
oder Ford Auswahl oder das Lasso sind nicht fähig zu machen verwenden von das,
nur das SVEM ist, Also das ist a Hübsch Eigentum.
Sie eigentlich schlagen aus Neural,
die ist Hübsch Weil jetzt diese sind einheimisch zu JMP 17
und sie nicht benötigen wie viel Berechnung Zeit
oder Handbuch einstellen hoch wie in ihr besitzen.
Was wir Anfang zu sehen hier ist das Thema das war gehen zu sehen
hindurch das sich ausruhen von das Tag ist das irgendein von diese Lasso Ansätze
mit nein abfangen sind gehen zu geben uns sub -optimal Ergebnisse
Weil ohne das abfangen
und das Bestrafung nicht Arbeit Rechts in Lasso,
also du eigentlich wollen zu drehen aus das Ursprünglich Möglichkeit von nein abfangen
wenn du bist gehen zu Versuchen zu verwenden SVEM Lasso
oder eben nur Lasso ohne ein abfangen.
Okay, Also ich erraten es sieht aus wie SVEM Neural tat Gut dort.
Aber wieder, das ist nicht einheimisch.
Wir kippen tun das mit JMP 17 Profi, das ist nicht da drin .
Wir kann, wir haben zu haben a Handbuch [unverständlich 00:29:01] geschrieben.
Ja es ist nicht a Handbuch Möglichkeit.
Okay, Dies ist gut,
aber Ich bin Auch a Fan von das Platz Füllung Entwurf,
Also wie tut das abspielen aus in Bedingungen von das Analyse Methoden?
Zum das Raumfüllung Entwurf, Sie kann sehen eher als haben
alle das Punkte eine lange das Außen, eine lange das Grenze,
jetzt wir füllen hoch das Innere Platz
zum beide das Mischung Faktoren und das Prozess Faktoren,
die manchmal in trainieren was Gut tun ist,
Gut nehmen das Prozess Faktoren
und runden diese zu das nächste 0,25 oder 0,5
oder wie auch immer Die Granularität funktioniert Beste zum uns, aber Dies ist was es sieht aus wie.
Im Bedingungen von das Ergebnisse, wie tun sie ausführen?
Jetzt was war gehen zu tun ist vergleichen
das Verkettung von das Entwurf sich nähern
eine lange mit das Analyse Methode und sehen die diese tun Beste.
Suchen bei jetzt still erlauben das reicher zweite und dritte -bestellen Modell
zum das Auswahl Methoden und sehen die eines tut Beste.
Wann wir sehen bei das Vergleich,
das Gewinner sind das SVEM Linear Ansätze,
Lasso nur mit das abfangen, nicht ohne das abfangen,
und das D- optimal.
Wieder, hinter das Szenen, Sie haben zu denken Sie daran,
jetzt du bist vorausgesetzt zum Dies D-optimal sich nähern
das dein positiv Modell ist Stimmt Über das gesamte Faktor Platz
und du hast habe Konstante verschiedene Über das Faktor Platz.
Wenn du bist besorgt um Fehler eine lange das Grenze,
dann das ist etwas anders zu nehmen hinein Konto, und es ist nicht gebaut hinein Dies.
Du haben zu Erwägen das.
Aber wenn Sie sind zuversichtlich,
kann sein du hast Lauf Dies Vor und du bist nur Herstellung unerheblich Änderungen,
dann das Weg zu gehen ist das D- optimal mit das SVEM Ansätze.
Runter hier, das Verlierer sind das Lasso, mit nein abfangen.
Wir werde vermeiden diese,
und Sie kann sehen diese schwer Schwänze Nieder hier.
Nicht das SVEM Lasso, nur das Lasso.
Eigentlich Hier ist das SVEM Lasso mit nein abfangen hier unten.
Ja.
Sie alle erhalten diese Fs, Also sie alle scheitern.
-Bequem, [Übersprechen 00:30:48] . -Ja
Okay.
Was häufig Wille Kommen Sie hoch,
ob es ist entworfen hoch Vorderseite wo wir haben erledigt unser 12 läuft,
und das Chef,
sie hat etwas mehr Fragen und wir haben mehr läuft.
Wenn war gehen zu tun fünf mehr läuft,
wie tut das Einschlag etwas von diese Ergebnisse?
Wann Sie sagen fünf läuft, nicht a Folgen -hoch lernen,
aber dein bauen ist lernen entweder 12 oder 17 läuft
in a Single Schuss Rechts jetzt ist was du bist in Anbetracht, Rechts?
Ja, exakt.
Okay, Also ja, wir kann sehen bei das marginal Einschlag
Weil es gibt a kosten zu Sie zum diese extra fünf läuft.
Was ist das Nutzen von diese fünf extra läuft?
Verwenden das Entwurf Analyse Sie könnte verwenden,
sehen Bei der FDS Handlung und dein FDS Plus meint niedriger,
reflektierend kleiner Vorhersage Varianten.
Leistung ist nicht das nützlich zum diese Mischung Auswirkungen Entwürfe.
Wir nicht Pflege um das Parameter.
Wir wollen zu kennt, wie Gut möchten wir tun mit Optimierung?
Das ist wo das Simulation praktisch, wir kann nehmen a sehen bei das.
Wie tut dein Verteilung von dein Prozent von max Rückgeld
wie Sie gehen aus 12 zu 17 läuft?
Interessant, es gibt nein Nutzen zum das Single Schuss 40 ICC
zu haben 17 gegen 12 läuft.
Jetzt, wieder, Rechts jetzt war suchen bei das Prozentsatz von max.
Wenn Sie sehen bei dein Fehlervarianz,
Ihre Prognoseabweichung ist gehen zu sein kleiner,
und dort könnte sein etwas Sonstiges [unverständlich 00:32:09] ,
aber hauptsächlich dein Vorhersage Varianz
ist gehen zu sein kleiner wenn Sie sehen bei das.
Aber Ja wirklich, wir nicht Pflege das viel um Vorhersage Varianz.
Wir wollen zu kennt, wo ist das Optimum Punkt?
Da nach Dies, war gehen zu sein laufend Bestätigung läuft
und kann sein in Repliken bei das Punkt
zu erhalten ein Idee von das Prozess und Test Varianz dann.
Aber Rechts jetzt,
wir sind nur versuchen zu erkunden aus das Antwort auftauchen
zu finden unser optimal Formulierung,
Also mit das Tor in Geist, es gibt nein Nutzen zum ein viertägiger ICC.
Jetzt zum das SVEM Methoden,
wir tun sehen dort ist a von Bedeutung Unterschied
und wir tun erhalten a von Bedeutung Verbesserung
in Bedingungen von unser Durchschnitt Prozent von max wir erhalten,
und kann sein nicht wie schwer Schwänze Nieder hier.
Aber jetzt Sie brauchen zu kennt ist das Sie brauchen zu sich entscheiden,
ist das praktisch von Bedeutung?
Tust du wollen zu Bewegung aus 90% zu 92% bedeuten Prozent von max
in Dies Erste Schuss mit fünf extra läuft?
Du haben zu tun dein marginal kosten
Original Nutzen Analyse dort wie a Wissenschaftler
und sich entscheiden wenn das ist Wert es.
Gerade suchen bei es hier, was ich denken könnte sein nützlich
Weil Sie haben zu Lauf Bestätigung läuft ohnehin
ist wenn wir Lauf das 12 -Lauf Entwurf,
Sie kann dann Lauf a Kandidat Optima oder zwei
basierend an das Ergebnisse wir erhalten,
und dann Plus a Paar von zusätzlich läuft kann sein
in a hoch -Dichte Region zum was das sieht aus gut,
oder eben vermehren aus dein Faktor Platz a wenig bisschen,
und dann du bist still laufend a gesamt von 17 läuft,
aber jetzt war gehen zu haben eben a besser Sinn von das gut Region hier,
Also das ist etwas zu Erwägen.
Etwas anders wir kann sehen
aus laufend das Simulation mit 17 läuft ist,
Lasst uns sehen bei das Leistung
von jeder von das passend zu Methoden innerhalb jeder Wiederholung,
und es gibt eigentlich a überraschenderweise niedrig Korrelation
zwischen das Leistung
von diese anders Methoden innerhalb jeder Wiederholung.
Wir kann verwenden das zu unser Nutzen
Weil war gehen zu sein laufend Bestätigung läuft nach Dies,
Also eher als nur haben zu nehmen eines Methode und eines Bestätigung Punkt,
eines Kandidat optimal Punkt,
wenn wir war zu, zum Beispiel, sehen bei diese vier Methoden
und dann nehmen das Kandidat Optimum aus jeder von Sie,
dann war gehen zu sein fähig zu gehen nach vorne mit die eines alle tut Beste.
War suchen bei das maximal von diese.
Eher als suchen bei a bedeuten von 92% zu 94%,
jetzt war suchen bei a bedeuten von um 97% mit a kleiner Schwanz
wenn wir Erwägen mehrere von diese Methoden bei einmal.
Okay, sehr nützlich.
Lasst uns jetzt stellen unser Augen zu das 40 -Lauf Entwürfe.
Sehr gut Information in Bedingungen von mein kleiner Lauf Entwürfe.
Jetzt mit 40, wie tut es abspielen aus in Bedingungen von diese Analyse Methoden?
Gibt wir gehen zu sehen konsistent Verhalten mit was wir gesehen in das 12 -Lauf Entwurf?
Dann wie um das Platz Füllung gegen das optimal Entwurf, D-optimal?
-Ausweis sein interessiert in das. -Okay.
Brunnen, Erste nehmen a sehen bei das D-optimal Entwurf, 40 läuft,
und jetzt war Ausrichtung alle von das zweite -bestellen Auswirkungen,
das dritte -bestellen Auswirkungen, Mischung Auswirkungen,
und war Ausrichtung alle das Auswirkungen
das sind wirklich gegenwärtig in unser Erstellen Funktion,
und wir still sehen das war geladen hoch an das Grenze von das Faktor Platz
mit das optimal Entwurf,
und dann wenn wir war gehen zu sehen jetzt mit das Platz Füllung Entwurf,
war gehen zu sehen jetzt war Füllung hoch das Innere
von das Faktor Platz zum das Mischungen
und zum das Sonstiges kontinuierlich Prozess Faktoren.
Lasst uns sehen was das Leistung Unterschied ist.
Zuerst von alle, Fokus an das raumfüllend Entwurf,
die Analyse Methoden tun Beste?
Und gleich wie wir gesehen in das 12 -Lauf Beispiel von das SVEM linear,
Ford Auswahl mit das abfangen, Lassos mit das abfangen tut das Beste.
Das schlechteste Fall Sie kann tun ist halten das voll Modell,
oder dann versuchen SVEM oder Single Schuss Lasso mit nein abfangen
und das D-optimal Einstellung, gleich Gewinner, die ist beruhigend
Weil jetzt wir nicht haben zu sein besorgt um,
"Brunnen, wir ändern uns unser Entwurf Typ. Jetzt wir habe zu Rückgeld unser Analyse Typ."
Es ist gut zu sehen Dies Konsistenz über das Gewinner von das Analyse Typ.
Das voll Modell nicht tun wie schlecht hier mit das optimal Entwurf, ich denken,
Weil das optimal Entwurf ist Ausrichtung das Modell
und das Verlierer hier sind still das Lasso mit nein abfangen.
Dann Neural ist Ja wirklich fallen hinter hier, hinter das Sonstiges Methoden.
Jetzt Lasst uns vergleichen das Platz Füllung zu das D-optimal Entwürfe,
und wir kann Ja wirklich sehen
das größte Unterschied hier ist innerhalb das voll Modell,
das Platz Füllung Entwürfe sind viel schlechter als das D-optimal Entwurf.
Jederzeit wieder du bist tun Entwurf Diagnose,
das ist alle innerhalb das Kontext von das voll Modell.
Zum dein D -Optimalität Kriterien,
dein Durchschnitt Vorhersage Varianz, das ist alle dort.
EIN viel von mal Wenn Sie Lauf diese Vergleiche,
du bist gehen zu sehen a Stark Unterschied zwischen diese
und das ist was du bist Sehen hier.
Jedoch, in real Leben,
war gehen zu sein laufend a Modell die Ermäßigung Technik.
Mit SVEM, eben das Single Schuss Methoden verbessern es.
Aber besonders mit SVEM hier,
es Ja wirklich schließt das Unterschied zwischen das Platz Füllung und das optimal Entwurf,
und wir sehen hübsch nah dran zu Mittel, und leicht schwerer Schwanz hier.
Aber jetzt Sie kann sehen bei Dies und sagen.
"Okay.ich verlieren a wenig bisschen mit Platz f krank Entwurf.
Aber wenn ich haben irgendein Bedenken überhaupt um das Grenze von das Faktor Platz,
oder wenn Ich bin etwas begrenzt in wie viele Bestätigung Punkte ich kann Lauf
und ich wollen zu haben etwas das ist gehen zu sein nicht zu weit ein Weg
aus das Kandidat Optimum das Ich bin gehen zu tragen nach vorne,
dann diese sind das Vorteile von das Platz Füllung Entwurf."
Jetzt wir kann wiegen diese aus. War nicht gesteckt
mit Dies drastisch Unterschied zwischen das zwei.
Wieder, das ist basierend nur gegen das D-optimal Entwurf .
ich erraten a viel von mal in unser DAMHIRSCHKUH Arbeit,
wir wie zu kann sein sehen bei das I-Optimalität Kriterien
und eben das EIN hat erledigt Ja wirklich Gut zum uns.
Im insbesondere, es breitet sich aus es. Es ist C sicherlich nicht Platz Füllung,
aber bei am wenigsten es breitet sich aus es aus a bisschen mehr als das D -optimal.
Tun wir haben irgendein Ideen wie diese ich und EIN optimal Arbeit?
Ja, wir kann Tauschen diese aus hinein Simulationen.
Einer Ding wir haben stets bemerkte,
ich Liebe das EIN -optimal Entwürfe in das nicht- Mischung Einstellung.
Es ist fast mein Ursprünglich jetzt.
ich Ja wirklich wie Sie.
Aber in das Mischung Einstellung, wann immer wir Versuchen Sie,
eben Vor das Simulationen, wenn wir sehen bei das Entwurf Diagnose,
das EIN -optimal noch nie tut wie Gut wie das D oder das ich -optimal,
und das Bären aus hier in das Simulationen,
das ist das blau hier zum das optimal, gibt uns unterlegen Ergebnisse.
Regel von Daumen hier ist,
nicht sich kümmern mit das A-optimal Entwürfe zum Mischung Entwürfe.
Jetzt zum D gegen ich -optimal, wir nicht sehen irgendein...
Im Dies Anwendung zum Dies Erstellen Funktion,
wir nicht sehen irgendein Unterschied zwischen Sie.
Jedoch, a Grund zu leicht vorziehen das D-optimal ist,
dort neigt zu sein etwas Konvergenz Ausgaben zum diese LNP die Einstellungen
wo du hast habe zu Anbindung Über das eines 5%
und du bist versuchen zu Ziel a Scheffé Cubic Modell in JMP,
also haben wir bemerkte manchmal etwas Konvergenz Probleme
zum das I-optimal Entwürfe und es nimmt länger.
Das D -optimal, wenn es gibt nicht viel von a Nutzen,
dann es scheint zu sein das sicherer Wette zu Stock mit das D-optimal.
Jetzt wir waren nicht fähig zu Prüfung das mit das Simulationen
Weil Rechts jetzt in JMP,
Sie kippen Skript in Scheffé Cubic Bedingungen hinein das DAMHIRSCHKUH
zu bauen ein optimal Entwurf.
Du haben zu tun das durch das GUI.
Wir waren nicht fähig zu Prüfung das, sehen wie häufig das das passiert,
aber das ist warum wir haben getragen nach vorne
D-optimal in diese Simulationen und wir Stock mit diese.
Wenn Sie wollen zu in dein Anwendungen, Sie kann Versuchen beide D und ich
und sehen was sie sehen wie
beide grafisch und mit das Diagnose,
aber das D-optimal scheint zu sein durchführen Gut.
Okay, ich erraten nur behalten ziehen das Faden a wenig bisschen des Weiteren ist,
a viel von mal Gut Versuchen etwas Typ von a hybrid Entwurf .
Warum nicht wir Anfang aus mit, sagen, 25 Platz Füllung läuft,
und dann vermehren das mit etwas D-optimal Kriterium
zu machen sicher das wir kann Ziel das Spezifisch Parameter von Interesse?
Tut das Arbeit aus hübsch Gut?
Ja, wir kann simulieren das und wir nehmen a sehen.
Entweder wir haben habe...
Dies ist das gleich simuliert Funktion,
Erstellen Funktion wir haben gewesen suchen bei zum Sie laufen das D-optimal,
damit Sie das ausführen können Platz Füllung,
oder a hybrid, wo wir Anfang aus mit 25 Platz Füllung läuft
und dann wir gehen zu vermehren und Belastung in Gebäude fünfzehn zusätzlich läuft Ausrichtung
das dritte bestellen Modell, und was wir sehen ist das jetzt,
wir haben nein von Bedeutung Unterschied in Bedingungen von das Optimierung
zwischen das 40-Lauf D-optimal und das hybrid Entwurf,
Aber in das hybrid Entwurf,
wir erhalten das Nutzen von diese 25 raumfüllende Läufe.
Wir erhalten etwas Innere läuft Schutz zu fit zusätzlich Auswirkungen
und Schutz gegen Fehler eine lange das Grenze.
Es ist a wenig bisschen mehr Arbeit zu einstellen Dies hoch.
Brunnen tun Dies zum hoch Priorität Projekte
Weil nur zum diese Weil davon extra kosten und Zeit.
Aber es tut erscheinen zu sein a vielversprechend Methode.
Recht.
Praktisch Sie denken um wo dein optimal ist gehen zu sein,
es gibt a gut Chance es könnte sein in das Innere Platz
das ist nicht gefüllt in das D-optimal eine lange das Grenzen.
ich erraten nur kann sein gehen der Rücken,
erneut besuchen das Ideen von was wenn ich hatte a Center Punkt,
was wenn ich hatte a Punkt das ich könnte replizieren?
Wieder, kann sein an das 40- Lauf Entwurf,
wenn ich hatte fünf mehr Dinge, Also nur irgendein Sonstiges wenig Nuggets
das wir gelernt eine lange das Weg mit diese?
Brunnen, Dies kommt hoch a viel Weil jetzt Lehrbuch Wille erzählen Sie
zu hinzufügen fünf zu Sieben replizieren läuft.
Das Wissenschaftler sind gehen zu trete Sie aus wenn Sie Versuchen zu tun das.
EIN viel von mal wir haben zu machen das Streit
zu hinzufügen eben a Single replizieren Lauf
Weil es hat Vorteile außen von das passend zu
Weil jetzt Sie erhalten a Modell [unverständlich 00:41:09]
und nur grafisch wir kann verwenden das wie a diagnostisch,
wir kann sehen bei das Luft Varianz relativ zu das gesamte Varianz
aus das gesamte Experiment.
Es ist sehr nützlich zu haben,
und Also es ist gehen zu sein Hübsch zu haben ein Streit zum Sie zu sagen das,
"Okay, war nicht verletzt dein Optimierung Routine
durch einschließlich eben a Single replizieren Lauf."
Das ist was wir sehen hier zum das 40-Lauf Beispiel
durch zwingen eines von diese zu sei ein replizieren innerhalb Brauch Entwurf.
Wir sind nicht bekommen a von Bedeutung Unterschied bei alle
in Bedingungen von Optimierung.
Es ist weder Portion oder verletzt.
Lasst uns gehen voraus und tun das,
Also das Wenn wir haben das extra Stück von Information gehen nach vorne.
ich nicht haben das Grafiken hier Weil es ist langweilig.
Es ist das gleich Ding in Dies besondere Anwendung,
zwingen eines von Sie zu sein a Mittelpunkt.
Es gibt nein Unterschied.
Teil von das könnte sein in Dies Fall, das D-optimal Entwurf war geben uns
a Mittelpunkt oder etwas nah dran zu a Mittelpunkt.
Dass könnte nicht haben gewesen Ändern das Entwurf das viel.
Du könnte sehen a größer Unterschied
wenn Sie gehen der Rücken zu das 12-Lauf Entwurf erzwingen das Mittelpunkt.
Aber das ist das Vorteil von haben a Simulation Rahmen gebaut hoch
wo Sie kann nehmen a sehen bei das
und sehen was ist das praktisch Einschlag gehen zu sein zum einschließlich das.
Okay, jetzt wie um...
ich genannt ich haben Dies groß Projekt mit viele von Einschränkungen.
Möchten a Zwang kann sein Rückgeld etwas von das Ergebnisse?
Brunnen, wir könnte möglicherweise enthalten das Einschränkungen
und es ist gehen zu Rückgeld das erlaubt Region innerhalb das...
Grafisch, du sollst gehen zu sehen a Rückgeld in dein erlaubt Region,
und wir kann simulieren das.
Eigentlich, Ich habe erledigt das.
ich nicht haben das Graph hoch mit mich Rechts jetzt,
aber was es tut ist es gibt nicht das viel ein Einschlag, SVEM still tut gut.
Einer Unterschied wir tat Hinweis ist das laufend Dies Simulation
und dann einschränkend das Region etwas ist das das Platz Füllung verbessert
Weil es ist habe a kleiner Platz zu füllen und nicht wie viel Lärm Platz,
aber das D-optimal Wille ausführen
nur wie Gut zwischen das zwei mit oder ohne Zwang.
Dass war hübsch interessant zu sehen.
Aber alle von Dies gilt nur wie Gut mit Einschränkungen
und nichts von Hinweis in Bedingungen von Unterschied zum Analyse Methoden mit das Zwang,
bei zumindest die verhältnismäßig einfach Einsen das wir angewandt.
Recht, okay, war fast laufend kurz an Zeit hier, Andreas,
aber ich tun haben a Anliegen.
Wir haben a falsch angegeben Entwurf
und wir möchten wie zu wickeln hoch
und verlassen das Leute mit a wenig Schlüssel Imbiss.
Hier ist ein Beispiel wo jetzt Dies funktionell bilden
tut nicht passen irgendein von das Auswirkungen war in Anbetracht
und war verhältnismäßig eben an Dies Umfang
wo a viel von diese optimale Designs werden sein
also werde ich sehen wie das funktioniert aus.
Ebenfalls Hinweis das [unverständlich 00:43:52] Cholesterin einstellen zu a Koeffizient Null
und ein wahres Erstellen Funktion.
Jetzt nehmen das Stimmt Funktion gehen zu profil äh Ausgang direkt im Tisch
und Sie kann sehen wie Hübsch es ist zu sein fähig zu Handlung diese Dinge
zu sehen das Antwort auftauchen verwenden das Ausgang Rechts in das Tisch.
Hier ist Ja wirklich dein Stimmt Antwort auftauchen, und Dies ist dein Antwort auftauchen,
aber was ist interessant ist es sieht aus wie es gibt ein Illusion hier.
Es sieht aus wie Cholesterin ist wirkungsvoll zum dein Antwort.
Es sieht aus wie es beeinflusst dein Antwort, aber in Wirklichkeit das Koeffizient ist Null.
Aber das Grund es sieht aus wie das ist Weil von das Mischung Zwang.
Das ist warum es ist schwer zu analysieren aus,
die das Individuell Mischung Auswirkungen Ja wirklich beeinträchtigen dein Antwort.
War nicht wie betroffen um das
wie wir sind von Sprichwort, was ist a gut Formulierung gehen nach vorne?
Im Dies Einstellung, wir hinzufügen a wenig bisschen von Lärm, 4% LEBENSLAUF,
die ist Gebraucht häufig in das Pharma Welt.
Im Dies Fall, das bedeuten war verwenden ist das bedeuten bei das maximal,
die in Dies Fall ist eines,
und dann Auch a viel mehr extrem 40% LEBENSLAUF.
Dies sieht aus mehr wie a Sonar
und Sie sind versuchen zu finden Titanic oder etwas.
Hoffentlich keiner von dein Pharma Anwendungen sehen wie Dies,
aber wir nur wollen zu sehen in Dies extrem Fall wie Dinge Arbeit aus.
Was wir sehen ist in das klein 12-Lauf Beispiel
mit verhältnismäßig klein Prozess Variation ist Prozess Plus Aufsatz Variation
ist diese Grundlinie Entwürfe ging aus und SVEM, alle das Gleiche Methoden,
und dann wenn wir gehen hoch zu 40-Lauf,
das raumfüllend ist nicht fähig zu behalten hoch wie Gut,
aber D-optimal Wille Ja wirklich tun besser jetzt,
eben obwohl es ist verhältnismäßig eben aus dort und das Größe wo die meisten von das läuft sind,
es ist fähig zu wählen hoch das Unterschrift von das auftauchen hier.
Jetzt, Hier ist das Unterschied zwischen das voll Modell
und dann das raumfüllend und Das D- optimal.
Nicht wie groß von a Unterschied zum das SVEM Methoden,
aber Sie tun still haben a wenig Schwanz Punkte Nieder hier.
Dann Sie sind alle nicht durchführen wie Gut wie das SVEM linear,
eben obwohl das SVEM linear
ist nur Annäherung das Krümmung zum das Antwort auftauchen.
Wenn wir gehen hoch zu das super laut Aussicht, nein eines tut a Ja wirklich gut Arbeit,
aber still dein nur Chance ist mit das Platz Füllung Ansätze.
Aber dann Wenn wir gehen hoch zu das größer Probe Größe,
eben in das Gesicht von alle das Prozess Variation, Prozess Lärm,
ist jetzt das Möglichkeit war fähig zu prallen aus Über das Lärm besser
und ist fähig zu machen besser verwenden von diese läuft als das Platz Füllung.
EIN Paar von Überlegungen dort.
Was ist dein Lauf Größe? Wie gesättigt ist dein Modell?
Wie viel Prozess Variation tun Sie haben relativ zu dein Prozess bedeuten,
geht hinein das Gleichgewicht von das Platz Füllung gegen optimal.
Wenn wir nehmen a sehen bei was sind das offen optimal Punkte
war bekommen aus von das Platz Füllung gegen optimal.
Ich bin Verzeihung, zum das Platz Füllung,
dann was wir sehen ist war an Ziel zum Dies ist ionisierbar und Helfer.
War an Ziel zum alle von unser Ansätze außer zum diese letzte mit nein abfangen.
Sie sind noch nie an Ziel,
Sie sind stets schieben Sie aus irgendwo anders.
Du kann sehen grafisch wie das Mangel von abfangen.
Jetzt, wenn wir ermöglichen das abfangen, dann sind wir an Ziel.
Dass Ja wirklich ist wichtig zu deaktivieren das nein abfangen Möglichkeit zum Lasso.
Zum alle das Personen das sind nicht verwenden JMP Profi
und nicht haben SVEM,
Sie könnte sagen, Gut, okay, was ist dein Simulation?
Hier, was ist besser? AICc, gegen BIC, gegen P-Wert.
Leider, nur verwenden das Nummer von Simulationen wir haben Lauf,
es gibt nicht wie konsistent sich nähern wie dort ist mit SVEM.
Wenn du hast habe a groß Nummer von läuft, Wo da ist entweder angegeben
oder korrekt spezifizierten oder falsch angegeben, das nach vorne oder rückwärts AICc tun Gut.
Voll Modell tut schlechter, wohingegen in das kleiner Einstellung,
das voll Modell tut besser Weil alle diese Bedingungen sind relevant.
Ebenfalls das P-Werte hier, zu.
Jetzt, Sie sehen, 0,01 tut das schlechteste, 0,01 tut das Beste in groß Einstellung.
Nicht Konsistenz, Welchen P-Wert verwendest du?
0,01, 0,05, 0,1 .
Das P-Wert aus Dies Aussicht ist ein ungestimmt Optimierung Parameter,
Also kann sein Beste zu vermeiden das und Stock mit das AICc
wenn du bist in Base JMP.
Jedoch, wir haben gesehen jetzt das
die SVEM Ansätze zum diese Optimierung Probleme
tun geben Sie fast allgemein besser Lösungen
als das Single Schuss Methoden.
Du kann erhalten besser Lösungen mit JMP P ro, mit SVEM.
Groß.
ich erraten wir wollen zu nur wickeln hoch.
Etwas von das Schlüssel Ergebnisse hier, Andreas.
Ja, und Auch, Jim, irgendein Sonstiges Kommentare?
Tun Sie haben irgendein Sonstiges Kommentare zu um diese Optimierung Probleme oder irgendetwas?
Interessant Dinge wir haben gesehen in letzter Zeit?
Wir haben, war hoch gegen Zeit zum sicher, aber wir haben erledigt etwas hübsch toll Dinge
das wir haben Kommen Sie hoch mit Neu konstruiert Holz
das ist besser als es ist je gewesen
und Treibmittel das sind haben körperlich Eigenschaften
und Leistung das wir nicht gesehen Vor.
Wir haben vergriffen a Schritt,
a Sprung in Bedingungen von etwas von das Fähigkeiten
das wir haben gesehen in unser Mischung Modell.
dürfen wir zusammenfassen mit das hervorgehoben Patrone Nieder dort,
das SVEM scheint zu sein unser Weg zu gehen,
und wenn Sie nur hatte eines kann sein SVEM nach vorne Auswahl,
du wirst sein bedeckt hübsch Gut.
Ja, das ist Rechts, Weil Ich bin stets erschrocken.
Eben obwohl das letzte Lasso manchmal es sieht aus weniger mit abfangen,
manchmal es sieht aus leicht besser.
ich nicht kennt wenn es ist kann sein eines oder zwei Fälle war bedeutend besser,
aber stets Nacken und Nacken mit nach vorne Auswahl,
aber Ich bin stets erschrocken das Ich bin gehen zu vergessen zu drehen aus nein abfangen
und dann geben mich selbst etwas das ist schlechter als tun
oder wie Schlecht wie tun das voll Modell.
Ich bin stets erschrocken von tun das.
SVEM nach vorne Auswahl mit de Fehler Einstellung scheint wie a gut sicher Weg zu gehen.
Perfekt.
Brunnen, mit das, wir Stand bereit zu nehmen dein Fragen.
