こんにちは、みんな、そしていらっしゃいませにJMP発見。
アンドリューカールそしてヒース急いでいます。
私持っているあるプレゼンテーション今日それは行くにハイライト
いくつかののの特徴でJMP 17プロということ意思ヘルプあなた外
での世界の混合モデル。
多くののあなたは関与したで製剤、
そしてになれ正直、それは何私たちは持っていますされたやってるある多く最近。
だったある多くのように救急車追っ手たち、どこ良いただ行く後
の最新ものその顧客は興味があるで。
しかしそれは何だった見るある多く最近、は皆さんそれはやってる混合モデル
それは実はとても複雑なそしてもっとそれでよりも結婚したこれまで知る。
私たちはただ決めた私たちはするだろうするいくつかのもっと深く調査
といくつかののの新しい出てきたテクニック、
そしてそれJMP 17実行しますのために私たち。
アンドリュー、するだろうあなたのようにに得る始めましたそして多分与えるある少し少しの背景
の上の全体アイデアの何ある混合モデルは、
そしていくつかののの他のテクニック？
わかった、それで、しましょう始める外とあるニース、簡単グラフ。
しましょう取るある見て以上ここでのプロットの上の左。
だったでの実験的な設定、
だから今私仮定する私たちは持っています得た二要因、
材料あそして材料B、そして彼らは範囲から0-1。
もしあるよいいえ混合制約、それからすべてでの黒四角
はある実現可能ポイントでこれ要素空間、
など私たちのデザインルーティーンは行くに与える私たちポイントどこかででこれ空間。
しかし、もしあるよある混合制約
どここれら持っているに追加上に1つ、それからのみの赤ラインは実現可能。
私たちは欲しいに得るある条件付き最適
与えられたそれ制約、そして私たちは欲しいに終わり上
どこかででそれラインのために両方私たちのデザインそして私たちの分析。
もし私たちは動く上に三つ混合材料、
あ、 BそしてC、全てできるに変化するから0-1、
それから私たちは得るある立方体のためにそれ0-1制約のためにそれぞれの彼ら。
しかしとの混合制約、それかかりますの形状のある飛行機
交差するある立方体、そしてそれ与える私たちこれ三角形、
それでのみこれ赤三角形は関連する外のそれ全体空間。
もし私たちは持っている四寸法、もし私たちは持っている四混合要因、
それからそれ許容できる要素空間は実はある三つ-次元のサブセット、
あるピラミッド内でそこには。
探しています戻るにの三つ-混合設定。
見るこれ三角形？ それはの許可された地域。
良い、それはなぜJMP与える私たちこれら三項プロット。
これらの三元プロットでは、
何JMP意思するは、もしあなた持っているもっとよりも三つ混合要因、
はあなたはそうします持っている二要因示されているである時間、
そしての三番目軸意思なれの和の全ての他の混合要因。
私たちはできる見てでこれら三項プロット、それよりもよりも持っているに持っているあるピラミッド
それだった探している全体を通して。
私たちは持っているに決める、私たちはしますか欲しいある空間充填デザイン
またはの最適なデザイン？
今、通常はである非混合物設定、結婚した通常は使用の最適なデザイン、
そしてのためにのほとんど一部、私たちはしないだろう考慮するある空間充填デザイン。
あるよある少し理由それ私たちは欲しいに考慮する
ある空間充填デザインで混合設定。
頻繁での製剤世界、もしあなた行くあまりにも遠い、
あるよある少し少しもっと感度に行くあまりにも遠いであなたの要素空間、
作るそれあまりにも広い、それからあなたの全体プロセス失敗します。
S立てて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下に0.1。
あなたは行くに失うある良いかたまりあなたのランニングのなぜならの最適なデザイン
しがちである置くほとんどのあなたの走るの上の境界のの要素空間、
それであなたは行くに失うこれら。
あなたはない行くになれ走れるあなたの満杯モデル
との残りポイント、そしてあなたはない行くに持っている
どれでも良い情報についてどこそれ失敗境界は。
のためにの空間充填デザイン、もしあなた持っているいくつかの親切の失敗
0.1未満、あなたは負けある小さい番号のポイント。
あなたの残りポイントまだ与えるあなたある空間充填デザイン
での既存 空間それあなたできる使用にフィットのモデル効果、
そしていまだった行くになれできるにモデルそれ失敗境界。
またでの混合世界、私たちは頻繁見るより高い注文効果アクティブ：
相互作用または曲率、多項式、
よりも私たちはかもしれない見るでの非混合設定。
もし私たちはしないでください特定それらの、なぜならどれでものこれらモデルは最適な、
条件付きの上の目標モデル私たちは与える、それでもし私たちはしないでください特定の効果オペレーター
のためにの最適なモデル、私たちはかもしれないないなれできるにフィットそれ
後の事実、なぜなら彼らはかもしれないなれエイリアスされた
と他の効果それ私たちは持っている。
これらスペースフィリング走る活動の何かとしてあるキャッチ-全ての可能走る、
それであるよあるカップルの理由
それ私たちはかもしれない欲しいに考慮する空間充填走る、
しかし私たちは欲しいに取るある見て分析的に。
なに？の違いでパフォーマンス間これら、
後私たちは走るを通してモデル削減、ないただでの満杯モデル、
なぜならだったないただ行くだけなれを使用しての満杯モデル。
それはのデザイン段階質問。
いつ私たちはに着くの分析、
いつでもあなたは探しているでこれら混合実験でJMP、
JMP自動的にターンオフのインターセプトのためにあなた、
なぜならもしあなた欲しいに合うように満杯モデル
と全てのあなたの混合された残る効果、あなたできない含むのインターセプト。
あなたはそうするだろう得るこれ警告
なぜならの混合-作った効果は制約されたに1つ、
そして彼らは追加上何にのインターセプトは、それで彼らは別名。
また、もし私たちは欲しいに見てでより高い注文効果、
私たちはできないなれのようにある応答表面どこ私たちは持っている純粋な二次関数条項。
私たちは持っているに見てでこれらシェフェキュービック条項
なぜならもし私たちは試すに見てでの相互作用
プラスの純粋な二次関数条項、それから私たちは得る他の特異点。
それらのはあるカップルのシワでの分析。
しかし、行くフォワードとのモデル選択メソッド、
フォワード選択またはなげなわ、どれのはのベースメソッド
ののSVEMメソッドだった行くになれ探しているで、
私たちは欲しいに考慮する時々旋回オフこれデフォルト'いいえインターセプト」オプション。
何私たちは探すはのためにのなげなわ法私たちは実は持っているにそれを行う
で注文に得る合理的結果。
後私たちはフィット私たちのモデル、今私たちは欲しいにするモデル削減
にキック外無関係な要因。
私たちは得たあるカップルの違う方法のやってるそれでベースJMP 。
おそらく何人々するほとんど頻繁には彼らは使用の効果まとめ
に行く後ろ向きにの上のp-価値観、そしてキック外の小さいp-価値観。
しかしこれはかわいい不安定ななぜならのの多重共線性
からの混合制約、どこ蹴る外1つ効果
できる劇的に変化のp値のの残り効果でのデザイン。
何これプロットショーはもし私たちは行く後ろ向きにの上p-価値観、
何はの最大p値それは蹴られた外
そして私たちは見る飛び跳ねている人もいるここそして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でのフィッティングプロセス、
あなたできる想像するもしあなた持っている小さい変化
であなたの観察された反応、多分平からアッセイ変動性、
またはどれでも他の変動性、ただ小さい変化できる鉛
に大きい変化での削減モデル
それは提示されたとしてある結果のこれプロセス。
それ高いモデル変動性は何かそれはそうだったなれニース
もし私たちはできた平均以上でいくつかの方法、での同じ方法それ多分
とブートストラップのためにEST（東部基準時私たちは平均以上の変動性
ののカートメソッドまたはのパーティションメソッド
そしてそれは何のSVEMメソッドするだろうなれ探しているでやってる。
でのゆるいセンス、彼らは親切ののそのためにアナログ、
のためにの線形メソッドだった探しているで。
また私たちはできるに行くステップ賢いそして見てで最小AICc、
どれのは多分の好ましい方法。
私たちの中で最後滑り台番組の今日良いなれ取るある見てで、
のためにのベース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ある多くのの既存 仕事そして先頭に立って上にのSVEMアプローチ。
これらはいくつかの素晴らしい参考文献それ私たちは持っています使用済み以上の年。
また欲しいに感謝クリスゴットワルトのために彼の忍耐そして答える質問
そして共有情報として彼らは発見したもの平行の方法。
それは本当に助けたセット私たち上になれできるに置くこれに良い効果で練習する。
話し中ので練習する、どこ持っている私たちはされたを使用してこれとてもある少し
以上の年はの設定の液体ナノ粒子配合最適化。
何は脂質ナノ粒子配合？ さて、脂質ナノ粒子ですが、
もしあなたは得たどれでも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。
何これらするはあなた取るある混合の四違う脂質、要約したここ、
そして彼らは形状これら少しちょっとした泡。
それからそれらのは電気的に充電され、
それから彼らは運ぶ平行と彼らある遺伝的ペイロード、
mRNA、 DNA、または他のペイロードそれどちらかとして作用しますワクチン
またはできる目標癌細胞。
の電気の充電間の遺伝的ペイロード、
その後の反対充電でのナノ粒子は何結合します。
それから私たちは欲しいに得るを通しての細胞そしてそれからリリースのペイロード内部。
の配合変化依存しての上何のペイロードは。
あまた時々私たちはかもしれない変化のタイプのイオン化可能脂質、
またはのタイプの彼lper脂質に見るどれの1つするより良い、
それで私たちは持っているにやり直しこれプロセス以上そして以上。
のためにのほとんど一部、の科学者持っている見つかったそれこれら
範囲の多分10～60%の脂質設定
その後ある狭い範囲の1～5％。
それはのためにのほとんど一部の実現可能範囲のためにこれプロセス。
それはされた探検した外、そしてそれは何の幾何学
私たちは欲しいにマッチここで私たちの応用は。
私たちは欲しいにそれを考慮して言うという構造だったやってる何度も、
私たちはしますか持っているの理想的分析そしてデザイン方法のためにそれ？
あまた私たちは欲しいにセット上あるシミュレーションそれもしだった探しているで他の構造物、
他のジオメトリのためにの要素空間、多分私たちはできる一般化するにそれ、
しかしそれは行くになれ私たちの集中のために右今。
与えられたそれ背景、
私は行くにさせてジム今要約するのSVEMアプローチそして話すについてそれ。
はい、感謝あなた。
これ特定の発見プレゼンテーション、
何だった行くにするのはある少しもう少し中心にの上パワーポイント、
残念ながら、なぜならの結果は本当に何これは全てについて
のためにのシミュレーションそれ私たちは持っています終わり。
しかしこれ特定のセッション、私意思見せるあなたいくつかのののJMP 17
それ私たちは持っている新しい能力。
もし私行くそして私欲しいにセット上ある空間充填デザイン...
今、以前私たちはそうではなかったできる混合モデルと空間充填デザイン
からすぐ外のの箱、もしあなた意思。
私たちは確かにできた置く制約でそこには、
しかし今何私たちは欲しいにするは見せるあなたどうやってあなたできるする
あるスペースF病気のデザインとこれら混合要因。
これは新しいそれ私今持っているこれら来るでとして混合、
どれのは良いなぜならそれ今運ぶ
全てのそれらのカラムプロパティとそれとして良い。
1つもの価値言及する右今は
のデフォルトはあなたは行くに得る10走るあたり要素、
それで40走るであるDoE通常は良い
そして私たちはは幸せだから私たちの力は良いその上90%
または何でも私たちの基準は。
しかしそれはないの場合[聞き取れない 00:09:54]これら混合モデル
なぜならあるよそれで多くの制約固有のでそれ。
何それは伝える自分、残念ながら、は平もし私だったに持っている40走る、
私はそうするだろうまだのみ持っている5%力からやってるシェフェキュービック
そして平もしその主な効果のみ、あるよのみ20%力。
力今はない本当にあるデザイン基準それだった行くに見てに
いつ私たちはするこれら混合モデル。
今、通常で私たちのアプリケーション、
残念ながら、私たちはしないでください持っているの贅沢の持っている40走る。
でこれ場合良いする12走るそして見るどうやってそれ来る外。
良い行く先にそして作るあの空間充填デザイン、
そしてそれはわかります多分均等に広める全体を通しての表面。
のコース、私たちはすることを知っているだった跳ねるといくつかののこれらみんなここ
それ私たちは行くことしかできないから1 -5%の上のポリエチレングリコール。
何私欲しいに今すぐやるはただ行くに速いフォワード。
今しましょう言う私は走るこれデザインそして私は準備ができてにするの分析。
これはどこSVEMは本当に作った巨大な進んでいます
そしてもしあなた聞くにいくつかののクリスそしてフィルラムジーさんの仕事
外そこにはの上JMPコミュニティ、あなたはそうします見るこれはあるステップ変化。
これはあるゲーム変化で条項のあなたの分析的能力。
どうやってするだろう私たちはするこれで16?
でJMP 16何結婚した持っているにするは結婚した持っているに来るを通して、
そして実際にその価値行くを通ってステップただなぜならそれ与えるあなた
ある少し少しの洞察力、けれどの主要なミッション
のこれ説明会またはこれ話すはないSVEM、
それ意思与える私たちのアイデアの何ですか行くの上。
何私たちはできるするここは私たちはできる行く先にそして良い作るの自動検証テーブル。
これはのJMP 16方法論。
何あなたはそうします注記ここは私たちは持っています消えたから12走るに24.
私たちはただ倍増した彼らそしてあなた見るの検証セット。
のトレーニング5月なれ最初の 12、検証の次12.
それは何ですか追加したそしてそれから私たちは持っているこれ重さ。
これはのブートストラップ重さそしてその部分的に重みのある。
何起こるは私たちは意思行く先にそして走るこれモデル
そして来る上とある予測された価値、
しかしそれから私たちは必要に変化これら重みそしてそれから保つやってるこれ以上そして以上
のために私たちのブートストラップとよく似ていますあるランダム森、アイデアのためにのSVEM。
今何は役に立つはに親切の取るある素早い見て。
何はの幾何学のこれら重み？
私たちはできる見る彼らは反相関する、
入っている場合の意味のトレーニングセット私がそうだということ低い、
私はおそらく行くになれ高いでの検証セット。
これは親切のある素早い少しビジュアルのそれ関係。
今私は準備ができてに行くする私の分析でJMP 16.
それするだろうなれ分析されたそして結婚したただする私たちのフィットモデル。
のコース、私たちは欲しいある一般化された回帰
そして良い行くを通してそしてするあるシェフェキュービックここ、
なぜならそのある混合。
しかしここにありますどこ私たちは持っているに追加でのステップ、
私たちは置くの検証セットとしてあなたの検証カラム
そしてそれからこれ検証重さは行くになれそれ頻度。
今私できる走るこれ。
によるの方法私たちはできた、
で多くのの私たちのインスタンスだったない普通、だったログ普通、
私たちはできた置くそれで右そこには。
ここ私たちは持っている私たちの一般化された回帰能力
に行く先にそして走るこれモデルそしてほら、そこにははの見積り。
何私たちはするだろうするじゃあここに来ますか下の保存の予測式。
それからここは1つ走る。
わかった、それで私たちは得た1つ走る。
あなたできる見るそれの上は15.17、そして私たちは実は見た15.23、
それでない悪いでこれモデル、
しかし私たちはするだろうするこれ以上そして以上。
私たちは使用済みにするそれについて50回またはそれで。
しかしとJMP 17、今これ全体プロセスは自動化されたに私たち。
私たちはしないでください持っているにするこれ50回そしてそれから取るの平均
のこれら予測数式。
だったできるに行く直接でそれ。
もし私来る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。
によるの方法、これはそれを示す私持っている別の制約置くでここ。
あ多くの回私たちは持っているの化学者そして生化学者のようにに見るそれ
に作るもちろんそれのに基づく比率分子重みは内で理由。
ないのみする私たちは持っているの混合制約、
私たちはまた持っているある多くの他の制約。
私は働くとあるグループどこ私たちは持っている多分15違う材料
そしておそらく30制約で追加にの混合制約、
それでこれらメソッド仕事そしてスケールアップし、
おそらくはの最高方法に言うそれ、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。
私は行くに行く先にの中へフィットモデル、そして病気行く先にそしてするあるシェフェ・キュービック。
からここ、何だったできるにする来ましたの中へある一般化された回帰。
でこれ場合、私たちはしないでください必要に心配についてこれらみんなでここ。
私たちはできる変化それに正規のログもし私たちはそれで欲望。
1つの私の選択肢での推定
その代わりのフォワードはで事実SVEMフォワード、
それで私するSVEMフォワードそして私は行くに行くする200。
あなたはそうするだろうどれだけ早くなるか見てください彼らは持っているこれ調整した。
本当に、のみものあなたできるするで高度なコントロール
はチェックかどうかまたはないあなた欲しいに力ある学期で。
私打つ行くそして瞬時に私は終わり200ブートストラップサンプルのためにこれ問題。
のコース、私今できる見てでのプロファイラー
そしてそれはの平均のの200走る。
それは親切の私の終わりモデル、もしあなた意思。
のコース、と予測プロファイラー、
そこには何百もありますのものあなたできるここからやる
そしてアンドリュー触れますの上あるカップルもっとのそれらの。
しかし二他のもの価値注目するここ、
病気保存の予測式として良いそして取るある見てでそれ男。
いつ私見てでの予測式、
病気注記それそれはで事実すでに平均化された外のために自分ここ。
これは平均200のうち違うサンプルそれは外そこには。
とそれ、それはのデモ、
そして良い行く戻るに探しているでのチャートそこにはに言う、
「まあ、何はそれそれだった見るで条項のの結果のSVEM？」
アンドリュー、もしあなた欲しいに引く上それ滑り台。
これは多分ある素早いビジュアル。
あなたできる見るそれもし私見てでそれらの初め三つ、
でこれ場合、赤は悪い。
何だった探しているでここはの名目上のカバレッジ。
これはある混合モデル
での予測された最適値スポットのパフォーマンス。
私たちはできる見るそれの標準ステップ賢いみんなはないやってるあまりにも良い。
それはの後ろ向きそしてフォワードAIC。
これはのカバレッジ料金。
結婚したのようにそれになれある名目上の5%エラーそれ私たちはしないでください実は見る
の真実応答での予測または実はの自信間隔。
で他の言葉、いつ私たちは見たでのプロフィール
それ私たちはただ見た、それは私たちに与えますある予測または自信間隔
だったの真実価値、
どれの私たちは知るなぜならだった遊んでいるのシミュレーションゲーム、右？
私たちは知る何の真実価値は、何割合の時間だったそれでそこには？
私たちはできる見るそれ私たちはしないでくださいするとして良いと私たちの古典的な方法。
の満杯モデル、置く全ての用語的には、
なげなわするかわいい良いである10%レートまたはそれで、
しかしそのないそれまで私たちは得るSVEM メソッドここそれ私たちは始める見る
それだった本当に捕獲するそして取得良いカバレッジ。
あ良い多分写真に保つであなたの心、
それ私たちはは方法上回っているいくつかののの他のメソッド外そこには
いつそれ来るにの能力。
今、で条項のどうやってこれシミュレーション、
何だった焦点を合わせるの上ここはある少し少し違うよりも何あなた5月のことを考える、
で条項のあるシミュレーションどこ探していますであるモデルそしてと言って、
"どうやって良いした私たちはするとこれ特定の方法？"
私たちはできた測定それによるどうやっての実際の対の予測されたは
そしてそれから結婚した得るある種のある平均二乗エラー。
私たちはする追跡それ価値、
しかし私たちは探すで私たちの仕事、だった多くのもっと心配しているについて見つける
それ最適な混合、もしあなた意思、との最適な設定それ成し遂げる私たち
ある最大効力またはいくつかの副作用を最小限に抑える
または助けます私たちとこれ[聞き取れない 00:18:58]
それは行くになれと呼ばれる"パーセントのマックス」それだった探しているのために。
だった行くに使用それとして私たちの主要な応答ここ
で条項のいるできるに評価するどれのメソッド優れるその他。
そのない本当に行くになれ、
どうやって遠い離れて午前私からの位置のの最適な価値？
そのどうやって遠いそれは？という返答私予測された最適として
どうやって遠いはそれからの実際の最適？
それは行くになれ私たちの測定の成功。
の方法これ意思仕事は病気なれ尋ねるアンドリューある少しアイデアここ
で条項の何通常来る上で練習する。
私見たの幾何学彼が示しました自分早いの上
そしての最適なデザインだったいつも打つの境界線。
何もし私のようにものそれ私たちは電話もっとミックス、右？
あなた持っているもっと混合されたものでの真ん中、
スペースフィル、どれのはより良い。
もし私する使用の最適なデザイン、
それデフォルトにD多分、しかし何について私そしてあ？
それからどうやってについての年-古いエネルギー省追加する中心点？
はそれ頭いい？ またはは1つ中心点？
またはどうやってについて複製しますか？
私たちはすでに議論したどうやってだったないいる役立つ、
それで何はある役立つ測定のある良いデザイン？
それはのデザインピース、しかしまたの分析部分は、
はそこにはある特定の方法それ上回りますみんな、
またははそこにはある地域それ私たちはすべき集中の上
を使用してなげなわそして他、
それ私たちはすべきただ使用SVEMのために選択？
これらは実用的質問それ来る上から全ての私たちのお客様、
そして結婚したのようにに共有とあなた
いくつかののの結果それ私たちは得るからのシミュレーション。
アンドリュー、あなた欲しいに与える私たち
ある少し少しもっと洞察力の中へ私たちのシミュレーションプロセス？
うん、ありがとう、ジム。
前に私するそれ、
私ただ欲しいにポイント外1つ道具
それ私たちは持っています作った重い使用のでの分析の私たちの結果、
そして残念ながら、私たちはしないでください持ってい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されたそれで役に立つのは、内でのプロファイラー
に見てでの出力ランダムテーブルのためにこれら混合デザイン
そしてに見てでの反応特に、
私たちは頻繁に持っているによる効能側効果。
私たちは持っている複数反応、
私たちがしたいことバランスそれ外との望ましさ関数、
そしてそれからだった行くに見てでの個人反応彼ら自身。
いつ私たちは出力あるランダムテーブル、私たちは得るある空間充填デザイン、
基本的にないあるデザイン、しかし私たちは埋める上の全体要素空間、
そしてだったできるに見てでの限界的なインパクト
のそれぞれのの要因以上の全体要素空間。
のために例、のためにのイオン化した脂質タイプ、
何良い頻繁に見るは、私たちはできる見るそれ多分1つもっている
あるより低い限界的な行動以上の全体空間。
しかし以来だった欲しいに最適化する、
私たちはお手入れについて何の最大のそれぞれのこれらは、
そして1つのこれら意思明らかになれより良いまたは悪い。
だった探しているでの削減モデル。
後彼合う彼ら、良い行くにのプロファイラーそしてするこれ。
私たちはできるまだ得るの分析的な最適からプロファイラー、
しかしで追加にそれ、
これ与える私たちもっと情報外のただそれ最適。
何私たちはかもしれないするここはのために候補者走る、
なぜなら私たちはいつもランニング私たちの確認走る
後これら配合そして最適化問題
は私たちはかもしれない走るのグローバル最適ここのためにH 102、
私たちはかもしれない選ぶ外の条件付き最適のためにH 101
そして見るどれの1つするより良いで練習する。
また、探しているでの三項プロット、
もし私たちは色それらのによる望ましさまたはによるの応答、
私たちはできる見るのもっとまたは少ない望ましい地域
のそれ混合空間、
それでそれできるヘルプ私たちとして私たちはどちらか増強のデザイン
またはどちらか含む追加エリアでの要素空間、
またはに除外する地域。
私できないする多くのもっととそれ右今、
しかし私欲しかったにポイントそれ外
なぜならそれはあるとても重要一部の私たちの分析プロセス。
どうやってする私たちは評価するいくつかののこれらオプション
内でこれタイプの幾何学のある要素空間？
私たちは建てられたあるシミュレーション脚本それ私たちは持っている共有の上のJMP Webサイト、
そしてそれ許可します私たちにプラグそして遊ぶのために違うサンプルサイズで合計、
どうやって多くのランニングはでのデザイン？
私たちは持っているある真実形状選択
それ与える私たちの真実生成する関数後ろにのプロセス、
あるデザインタイプ、どちらか空間充填または最適な。
の最適なデザイン今は行くになれのあるある最小サイズ
ベースのの上の番号の効果それだったターゲティング。
する私たちは持っているある2番-注文モデル、ある三番目-注文モデル、
あるシェフェ・キュービックモデル？
何する私たちは持っている？
通常は、いつでもあなた建てるあるモデルそしてカスタムデザインでJMP、
それ書きますあるモデル脚本外にあなたのテーブルそしてそれからあなた使用それに分析するそれ。
良い、何か私たちは持っています探検したは許可するあるより豊かなモデル
よりも何私たちは得る、何私たちは目標、
そしては私たちはできるに使用これらメソッドとSVEM
そして得る追加改善された結果、
平けれど私たちはしませんでした元は目標それらの効果でのデザイン？
の短い答えそこにはははい。
それは何かそれ以外私たちは欲しいに考慮する、
それで私たちは許可する私たち自身との効果的選択
に含む追加効果。
私たちはできる見てでのインパクトの追加する複製するまたは中心点
そしてそれカスタムDWI対話に強制するそれらの。
どうやってするそれ影響する私たちの応答？
なぜならどれでものの要約それあなた得る外ののデザイン
そして外デザイン診断は始まりターゲティングの満杯モデル、
どちらかと尊敬に予測亜種、
D-最適な、あなたが見ているのは標準エラーのためにのパラメーター。
しかし何私たちは本当にお手入れについてはどうやって良いはの最適
それだった取得外のこれ、
それでそれは何だった行くに取るある見てでとこれらシミュレーション。
のためにのほとんど一部でこれらLMP最適化シナリオ、
ある多くの回、良い来る横切って二状況。
の科学者意思言う、 「私は得たについて12走る利用可能、
そして多分そのないそれ重要のあるプロセス、
またはの材料はとても高い、
そして私ただ必要にするの最高私できると12走る。それは何私は得た。」
またはそれかもしれないなれ何かどこ彼らは得たある予算のために40走る、
そして彼らはできるフィットある満杯2番-注文モデル
プラス三番目注文混合効果、
そして私たちは欲しいに試すに特徴づけるこれ全体要素空間
そして見る何の応答表面見た目のように以上の全体もの。
それらのはの二シナリオだった行くになれターゲティングで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たいくつかの質問
についてパフォーマンス下違うシナリオ。
何だったあなたの初め質問そこには？
私した。
私推測いつ私考えるについてある12-走るシナリオここ、
そしてもし私ただ行くとのデフォルト、私はそうするだろう得るあるD -最適な
そしてそれするだろうなれ主要効果のみ。
私認識する私できたするの空間充填のように私ただした、
しかし私の質問は、もし私するのデフォルト、
どれの1つのの分析メソッドするだろうなれ好ましいですか？
またははそこには1つ？
わかった、それで取るある見てでそれ。
のためにのD-最適なデザイン、としてある一般的なルール、
その行くに置くほとんど全てのその走る平行の境界のの要素空間
そしてそのない行くに持っているどれでもインテリア走る
ない限りあなた持っている二次関数条項または何かそれ必要それ。
とある12 -走るデザイン、
あるよ90度の自由必須にフィット全ての主要効果ここ。
私たちは得たある少し度の自由のためにエラー、
しかしたいていだったのみターゲティングの主要効果ここ。
どうやってするの分析メソッドする？
はそこにはどれでも違いでの分析方法?
何私たちはする、そして全てのこれらだった行くに要約すると、
私たちは見せるのパーセントの最大のために全ての私たちのシミュレーションそれ私たちはする、
そしてそれで私たちはできる見るそれ分布のためにそれぞれのの分析メソッド、
全てのためにこれ12-走る、 D-最適化デザイン目標効果。
それから私たちはまた見せるどれでも重要な違い間これら、
そしてだったただを使用して生徒のTさん
だったないを作る二キー調整、それで保つそれで心
いつでもあなたは探しているこれらで重要な価値観。
の勝者ここは私たちの自家製SVEMニューラルアプローチ
なぜならそのない制限付きにのみ探しているでの主要効果、
彼らはできる許可するいくつかの追加複雑でのモデル、
そしてそれでそれ勝ちますここ。
今、しないでください得るあまりにも興奮したについてそれなぜならこれはについての最高
それ私たちは持っています見たSVEMニューラルするいるこれら小さい設定。
しかしもし私たちははランニングもっとよりも1つ候補者最適行くフォワード、
それから多分私たちはできる含むあるSVEMニューラル、しかしで一般的な、
私たちはそうはしないだろう推薦するのみこだわりとともに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、持っている重い低い尾。
何はの他の結果？
私たちは見るの敗者でこれ応用
または何でもそれはやってるのシングルショットモデル削減
なぜなら全てこれら効果は重要なでのモデル、
そしてどれでも時間私たちは引く1つの彼ら外、私たちはは行くに得る
ある最適ではない表現の私たちのプロセス。
それはなぜでこれ場合の満杯モデルするより良いよりもそれらの。
しかし何ですか面白いはのSVEM線形アプローチ
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。
だったない負け何でもによるを使用してSVEMでこれ応用、
それでそれはあるニース側面どこ私たちはしないでください持っているに心配
についての小さい設定。
は私たちは傷つける私たち自身で全てによるを使用してAICC?
今、何かそれ以外私たちは試してみたここは与えられたの同じ、
あなたはのみ得た12走る。
あなたはのみターゲティングの製造
そしてのD-最適化基準でのカスタムDOE。
何もし私たちは許可するのフィットモデルに考慮する2番-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ターゲットを絞ったにする？
何起こる、そして私たちは見るこれJMPここ、
これSVEM線形メソッドはできるに利用するそれ情報
そして与える私たちより良いパーセントのマックス、得る最適な候補者、
そしてそれらのは私たちの勝者ここ今はこれらSVEM線形方法。
何私たちは見るはそれ興味深いことに、
のベースメソッドのためにこれらSVEMアプローチし、フォード方法、
またはフォード選択またはのなげなわはないできるに作る使用のそれ、
のみのSVEMは、それでそれはあるニース財産。
彼らは実はビート外ニューラル、
どれのはニースなぜなら今これらはネイティブにJMP 17
そして彼らはしないでください必要とするとして多くの計算時間
またはマニュアルセット上としてで彼らの自分の。
何私たちは始めるに見るここはのテーマそれだった行くに見る
全体を通しての休むのの日はそれどれでものこれらなげなわアプローチ
といいえインターセプトは行くに与える私たちサブ-最適な結果
なぜならそれなしのインターセプト
そしての罰則しません仕事右でなげなわ、
だからあなたは実は欲しいに振り向くオフのデフォルトオプションのいいえインターセプト
もしあなたは行くに試すに使用SVEMなげなわ
または平ただなげなわそれなしのインターセプト。
わかった、それで私推測それ見た目のようにSVEMニューラルした良いそこには。
しかしまた、それはないネイティブ。
私たちはできないするそれとJMP 17プロ、それはないそこで。
私たちはできる、私たちは持っているに持っているあるマニュアル[聞き取れない 00:29:01]脚本化された。
はい、それはないあるマニュアルオプション。
わかった、これは良い、
しかし私はまたあるファンのの空間充填デザイン、
それでどうやってするそれ遊ぶ外で条項のの分析方法?
のため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っている
全てのポイント平行の外観、平行の境界、
今私たちは埋める上のインテリア空間
のために両方の混合要因そしてのプロセス要因、
どれの時々で練習する何良いするは、
良い取るのプロセス要因
そしてラウンドこれらにの最寄りの0.25または0.5
または何でも粒度作品最高のために私たち、しかしこれは何それ見た目のように。
で条項のの結果、どうやってする彼らは実行する？
今何だった行くにするは比較する
の連結ののデザインアプローチ
平行との分析方法そして見るどれのこれらする最高。
探していますで今まだ許可するのより豊かな2番そして三番目-注文モデル
のためにの選択メソッドそして見るどれの1つする最高。
いつ私たちは見てでの比較、
の勝者はのSVEMリニアアプローチし、
なげなわのみとのインターセプト、ないそれなしのインターセプト、
そしてのD-最適な。
また、後ろにのシーン、あなた持っているに覚えて、
今あなたは仮定してのためにこれD-最適化アプローチ
それあなたのポジティブモデルは真実以上の全体要素空間
そしてあなたは得た絶え間ない様々な以上それ要素空間。
もしあなたは心配したについて失敗平行の境界、
それからそれは何かそれ以外に取るの中へアカウント、そしてそのない建てられたの中へこれ。
あなた持っているに考慮するそれ。
しかしもしあなたは自信を持って、
多分あなたは走るこれ前にそしてあなたはのみ作るマイナー変化、
それからの方法に行くはのD-最適なとのSVEM近づいてきます。
下ここ、の敗者はのなげなわ、といいえインターセプト。
私たちは行くつもりです避けるそれらの、
そしてあなたできる見るそれらの重い尾下ここ。
ないのSVEMなげなわ、ただのなげなわ。
実はここにありますのSVEMなげなわといいえインターセプトここの下です。
うん。
彼らは全て得るこれらFさん、それで彼らは全て失敗。
-便利なことに、 [クロストーク 00:30:48] 。 -うん
わかった。
何頻繁意思来る上、
かどうかその設計上フロントどこ私たちは持っています終わり私たちの12走る、
そしてのボス、
彼女もっているいくつかのもっと質問そして私たちは持っているもっと走る。
もしだった行くにする五もっと走る、
どうやってするそれインパクトいくつかののこれら結果？
いつあなた言う五走る、ないあるフォローする-上勉強、
しかしあなたの建てるは勉強どちらか12または17走る
であるシングルショット右今は何あなたは考慮すると、右？
うん、その通り。
わかった、それでうん、私たちはできる見てでの限界的なインパクト
なぜならあるよある料金にあなたのためにそれらの余分な五走る。
なに？の利点のそれらの五余分な走る？
使用するのデザイン分析あなたできた使用、
見てでFDSプロットそしてあなたのFDSプラス手段より低い、
反射する小さい予測亜種。
力はないそれ役に立つのためにこれら混合効果デザイン。
私たちはしないでくださいお手入れについてのパラメーター。
私たちは欲しいに知る、どうやって良いするだろう私たちはすると最適化？
それはどこのシミュレーションのハンディ、私たちはできる取るある見てでそれ。
どうやってするあなたの分布のあなたのパーセントの最大変化
としてあなた行くから12に17走る？
興味深いことに、あるよいいえ利点のためにのシングルショット40 ICC
に持っている17対12走る。
今、また、右今だった探しているでの割合の最大。
もしあなた見てであなたの誤差分散、
あなたの予測の差異は行くになれより小さい、
そしてそこにはかもしれないなれいくつかの他の[聞き取れない 00:32:09] 、
しかし主にあなたの予測分散
は行くになれ小さいもしあなた見てでそれ。
しかし本当に、私たちはしないでくださいお手入れそれ多くのについて予測分散。
私たちは欲しいに知る、どこはそれ最適ポイント？
なぜなら後これ、だった行くになれランニング確認走る
そして多分でレプリカでそれポイント
に得るのアイデアののプロセスそしてアッセイ分散それから。
しかし右今、
私たちははただ試していますにスカウト外の応答表面
に探す私たちの最適な配合、
それでとそれゴールで心、あるよいいえ利点のために4日間ICC。
今のためにのSVEMメソッド、
私たちはする見るそこにははある重要な違い
そして私たちはする得るある重要な改善
で条項の私たちの平均パーセントの最大私たちは得る、
そして多分ないとして重い尾下ここ。
しかし今あなた必要に知るはそれあなた必要に決める、
はそれ実質的に重要な？
あなたは欲しいに動くから90%に92%平均パーセントの最大
でこれ初めショットと五余分な走る？
あなた持っているにするあなたの限界的な料金
オリジナル利点分析そこにはとしてある科学者
そして決めるもしそれは価値それ。
ただ探しているでそれここ、何私考えるかもしれないなれ役に立つ
なぜならあなた持っているに走る確認走るともかく
はもし私たちは走るの12 -走るデザイン、
あなたできるそれから走るある候補者オプティマまたは二
ベースのの上の結果私たちは得る、
そしてそれからプラスあるカップルの追加走る多分
である高い-密度地域のために何それ見た目良い、
または平増強外あなたの要素空間ある少し少し、
そしてそれからあなたはまだランニングある合計の17走る、
しかし今だった行くに持っている平あるより良いセンスのの良い地域ここ、
それでそれは何かに考慮する。
何かそれ以外私たちはできる見る
からランニングのシミュレーションと17走るは、
しましょう見てでのパフォーマンス
のそれぞれののフィッティングメソッド内でそれぞれ反復、
そしてあるよ実はある驚くべきことに低い相関
間のパフォーマンス
のこれら違うメソッド内でそれぞれ反復。
私たちはできる使用それに私たちの利点
なぜならだった行く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っているに取る1つ方法そして1つ確認ポイント、
1つ候補者最適なポイント、
もし私たちはだったに、のために例、見てでこれら四メソッド
そしてそれから取るの候補者最適からそれぞれの彼ら、
それからだった行くになれできるに行くフォワードとどれの1つみんなする最高。
だった探しているでの最大のこれら。
それよりもよりも探しているである平均の92%に94%、
今だった探しているである平均のについて97%とある小さいしっぽ
もし私たちは考慮する複数のこれらメソッドで一度。
わかった、とても役に立つ。
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。
とても良い情報で条項の私の小さい走るデザイン。
今と40、どうやってするそれ遊ぶ外で条項のこれら分析方法?
は私たちは行くに見る一貫性のある行動と何私たちは見たでの12 -走るデザイン？
それからどうやってについての空間充填対の最適なデザイン、 D-最適ですか？
-そうするだろうなれ興味があるでそれ。 -わかった。
良い、初め取るある見てでのD-最適化デザイン、 40走る、
そして今だったターゲティング全てのの2番-注文効果、
の三番目-注文効果、混合効果、
そしてだったターゲティング全ての効果
それは本当に現在で私たちの生成する関数、
そして私たちはまだ見るそれだったロード済み上の上の境界のの要素空間
との最適なデザイン、
そしてそれからもし私たちはだった行くに見る今との空間充填デザイン、
だった行くに見る今だった充填上のインテリア
のの要素空間のためにの混合物
そしてのためにの他の継続的なプロセス要因。
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する最高？
そして同じとして私たちは見たでの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、投げ縄付きのインターセプトするの最高。
の最悪場合あなたできるするは維持するの満杯モデル、
またはそれから試していますSVEMまたはシングルショットなげなわといいえインターセプト
そしてのD-最適化設定、同じ勝者、どれのは安心させる
なぜなら今私たちはしないでください持っているになれ心配したについて、
"良い、私たちは変わっています私たちのデザインタイプ。 今私たちは得たに変化私たちの分析タイプ。"
その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するとして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
そしての敗者ここはまだのなげなわといいえインターセプト。
それからニューラルは本当に落下後ろにここ、後ろにの他の方法。
今しましょう比較するの空間充填にのD-最適化デザイン、
そして私たちはできる本当に見る
の最大の違いここは内での満杯モデル、
の空間充填デザインは多くの悪いよりものD-最適化デザイン。
いつでもあなたはやってるデザイン診断、
それは全て内でのコンテクストのの満杯モデル。
のためにあなたのD -最適性基準、
あなたの平均予測分散、それは全てそこには。
あ多くの回いつあなた走るそれらの比較、
あなたは行くに見るある厳しい違い間それらの
そしてそれは何あなたは見るここ。
しかし、で本物人生、
だった行くになれランニングあるモデル削減技術。
とSVEM、平のシングルショットメソッド改善するそれ。
しかし特にとSVEMここ、
それ本当に閉まるの違い間の空間充填そしての最適なデザイン、
そして私たちは見るかわいい近いに中くらい、そしてわずかに重いしっぽここ。
しかし今あなたできる見てでこれそして言う。
"わかった。私失うある少し少しと空間f病気のデザイン。
しかしもし私持っているどれでも懸念事項全然についての境界のの要素空間、
またはもし私は幾分限定でどうやって多くの確認ポイント私できる走る
そして私欲しいに持っている何かそれは行くになれないあまりにも遠い離れて
からの候補者最適それ私は行くに運ぶフォワード、
それからそれらのはの利点のの空間充填デザイン。"
今私たちはできる重さを量るそれらの外。 だったない立ち往生
とこれ思い切った違い間の二。
また、それはベースののみ対のD-最適化デザイン。
私推測ある多くの回で私たちのエネルギー省仕事、
私たちはのようにに多分見てでのI-最適性基準
そして平のあもっている終わり本当に良いのために私たち。
で特に、それはスプレッドそれ。 それはCです確かにない空間充填、
しかしで少しでもそれスプレッドそれ外ある少しもっとよりものD -最適な。
する私たちは持っているどれでもアイデアどうやってそれらの私そしてあ最適な仕事？
うん、私たちはできるスワップそれらの外の中へシミュレーション。
1つもの私たちは持っていますいつも気づいた、
私愛のあ-最適なデザインでの非混合設定。
そのほとんど私のデフォルト今。
私本当にのように彼ら。
しかしでの混合設定、いつでも私たちは試す彼ら、
平前にのシミュレーション、もし私たちは見てでのデザイン診断、
のあ-最適な一度もないするとして良いとしてのDまたはの私-最適な、
そしてそれクマ外ここでのシミュレーション、
それはの青ここのためにの最適な、与える私たち劣った結果。
ルールの親指ここは、
しないでくださいわざわざとの最適なデザインのために混合デザイン。
今のためにD対私-最適な、私たちはしないでください見るどれでも...
でこれ応用のためにこれ生成する関数、
私たちはしないでください見るどれでも違い間彼ら。
しかし、ある理由にわずかに好むのD-最適化は、
そこには傾向があるになれいくつかの収束問題のためにこれらLNP設定
どこあなたは得たにペグ以上の1つ5%
そしてあなたは試していますに目標あるシェフェ・キュービックモデルでJMP、
それで私たちは気づいた時々いくつかの収束問題
のためにのI-最適化デザインそしてそれかかりますより長いです。
のD -最適な、もしあるよない多くののある利点、
それからそれらしいになれのより安全なベットにスティックとのD-最適。
今私たちはそう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
なぜなら右今でJMP、
あなたできない脚本でシェフェ・キュービック条項の中へのエネルギー省
に建てるの最適なデザイン。
あなた持っているにするそれを通してのGUI。
私たちはそう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、
しかしそれはなぜ私たちは持っています運ばれたフォワード
D-最適化でこれらシミュレーションそして私たちはスティックとそれらの。
もしあなた欲しいにであなたのアプリケーション、あなたできる試す両方Dそして私
そして見る何彼らは見てのように
両方グラフィック的にそしてとの診断、
しかしのD-最適化らしいになれ演奏する良い。
わかった、私推測ただ保つ引っ張るの糸ある少し少しさらに遠くは、
ある多くの回良い試すいくつかのタイプのあるハイブリッドデザイン。
なぜしないでください私たちは始める外と、言う、 25空間充填走る、
そしてそれから増強それといくつかのD-最適化基準
に作るもちろんそれ私たちはできる目標の特定のパラメーター興味を持っている？
するそれ仕事外かわいい良い？
うん、私たちはできるシミュレートするそれそして私たちは取るある見て。
どちらか私たちは持っています得た...
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持っていますされた探しているでのためにあなた走るのD-最適化、
あなたが実行するために空間充填、
またはあるハイブリッド、どこ私たちは始める外と25空間充填走る
そしてそれから私たちは行くに増強そして負荷で建物15追加走るターゲティング
の三番目注文モデル、そして何私たちは見るはそれ今、
私たちは持っているいいえ重要な違いで条項のの最適化
間の40 回の D-optimalそしてのハイブリッドデザイン、
しかしでのハイブリッドデザイン、
私たちは得るの利点のそれらの25スペース充填が実行されます。
私たちは得るいくつかのインテリア走る保護にフィット追加効果
そして保護に対して失敗平行の境界。
そのある少し少しもっと仕事にセットこれ上。
良いするこれのために高い優先度プロジェクト
なぜならのみのためにそれらのなぜならその余分なものの料金そして時間。
しかしそれする現れるになれある有望な方法。
右。
実質的にあなた考えるについてどこあなたの最適なは行くになれ、
あるよある良いチャンスそれできたなれでそれインテリア空間
それはない満たされたでのD-最適化平行の境界線。
私推測ただ多分行く戻る、
再訪するのアイデアの何もし私持っていたある中心ポイント、
何もし私持っていたあるポイントそれ私できた複製しますか？
また、多分の上の40-走るデザイン、
もし私持っていた五もっともの、それでただどれでも他の少しナゲット
それ私たちは学んだ平行の方法とこれら？
良い、これ来る上ある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走る。
の科学者は行くにキックあなた外もしあなた試すにするそれ。
あ多くの回私たちは持っているに作るの口論
に追加平あるシングル複製する走る
なぜならそれもっている利点外ののフィッティング
なぜなら今あなた得るあるモデル[聞き取れない 00:41:09]
そしてただグラフィック的に私たちはできる使用それとしてある診断、
私たちはできる見てでそれ空気分散相対的にの全体分散
からの全体実験。
そのとても役に立つに持っている、
そしてそれでその行くになれニースに持っているの口論のためにあなたに言うそれ、
"わかった、だったない傷つけるあなたの最適化ルーティーン
による含む平あるシングル複製する走る。"
それは何私たちは見るここのためにの40ラン例
による強制する1つのこれらにになる複製する内でカスタムデザイン。
私たちははない取得ある重要な違いで全て
で条項の最適化。
そのどちらでもない助けるまたは痛い。
しましょう行く先にそしてするそれ、
それでそれいつ私たちは持っているそれ余分なピースの情報行くフォワード。
私しないでください持っているのグラフここなぜならそのつまらない。
そのの同じものでこれ特定の応用、
強制する1つの彼らになれある中心点。
あるよいいえ違い。
一部のそれかもしれないなれでこれ場合、のD-最適化デザインだった与える私たち
ある中心点または何か近いにある中心点。
それかもしれないない持っているされた変化のデザインそれ多くの。
あなたかもしれない見るあるより大きい違い
もし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っているあるシミュレーションフレームワーク建てられた上
どこあなたできる取るある見てでそれ
そして見る何はの実用的インパクト行くになれのために含むそれ。
わかった、今どうやってについて...
私言及された私持っているこれ大きいプロジェクトとたくさんの制約。
するだろうある制約多分変化いくつかののの結果？
良い、私たちはできたおそらく含むの制約
そしてその行くに変化の許可された地域内での...
グラフィック的には、あなたはそうするのです行くに見るある変化であなたの許可された地域、
そして私たちはできるシミュレートするそれ。
実は、私は終わりそれ。
私しないでください持っているのグラフ上と自分右今、
しかし何それするはあるよないそれ多くののインパクト、 SVEMまだうまくいきます。
1つ違い私たちはした注記はそれランニングこれシミュレーション
そしてそれから拘束するの地域幾分はそれの空間充填改善された
なぜならその得たある小さい空間に埋めるそしてないとして多くのノイズ空間、
しかしのD-最適化意思実行する
ただとして良い間の二とまたはそれなし制約。
それだったかわいい面白いに見る。
しかし全てのこれ当てはまるただとして良いと制約
そして何もないの注記で条項の違いのため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は適用済み。
右、わかった、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、
しかし私する持っているある懸念。
私たちは持っているある指定が間違っていますデザイン
そして私たちはするだろうのようにに包む上
そして離れるの皆さんとある少し鍵テイクアウト。
こちらですの例どこ今これ機能的な形状
するないマッチどれでものの効果だった検討中
そしてだった比較的フラットの上これ周囲
どこある多くのそれらの最適な設計は
それでどうやって見ていくかそれ作品外。
また注記の[聞き取れない 00:43:52]コレステロールセットにある係数ゼロ
そして本当の生成する関数。
今取るそれ真実関数行くにプロフィールえーっと出力まさにその中にテーブル
そしてあなたできる見るどうやってニースそれはになれできるにプロットこれらもの
に見るの応答表面を使用してそれ出力右でのテーブル。
こちらです本当にあなたの真実応答表面、そしてこれはあなたの応答表面、
しかし何ですか面白いはそれ見た目のようにあるよの幻想ここ。
それ見た目のようにコレステロールは影響力のあるのためにあなたの応答。
それ見た目のようにそれ影響を与えるあなたの応答、しかしで現実の係数はゼロ。
しかしの理由それ見た目のようにそれはなぜならのの混合制約。
それはなぜその難しいに解析する外、
どれのの個人混合効果本当に影響するあなたの応答。
だったないとして心配しているについてそれ
私たちがそうであるようにのと言って、何ですかある良い配合行くフォワード？
でこれ設定、私たちは追加ある少し少しのノイズ、4%履歴書、
どれのは使用済み頻繁にでの製薬世界。
でこれ場合、の平均だったを使用してはの平均での最大、
どれのでこれ場合は1つ、
そしてそれからまたある多くのもっと過激40%履歴書。
これ見た目もっとのようにあるソナー
そして彼らは試していますに探すタイタニック号または何か。
うまくいけばなしのあなたの製薬アプリケーション見てのようにこれ、
しかし私たちはただ欲しいに見るでこれ過激場合どうやってもの仕事外。
何私たちは見るはでの小さい12ラン例
と比較的小さいプロセス変化はプロセスプラスエッセイ変化
はこれらベースラインデザイン行った外そしてSVEM、全て同じメソッド、
そしてそれからもし私たちは行く上に40ラン、
のスペースフィリングそうではありませんできるに保つ上として良い、
しかしD最適意思本当にする今はまし、
平けれどその比較的フラット外そこにはそしてのサイズどこほとんどのの走るは、
そのできるに選ぶ上のサインのの表面ここ。
今、ここにありますの違い間の満杯モデル
そしてそれからのスペースフィリングそしてD-最適な。
ないとして大きいのある違いのためにのSVEMメソッド、
しかしあなたするまだ持っているある少ししっぽポイント下ここ。
それから彼らは全てない演奏するとして良いとしてのSVEM線形、
平けれどのSVEM線形
はのみ近似するそれ曲率のためにそれ応答表面。
もし私たちは行く上にの素晴らしいうるさいビュー、いいえ1つするある本当に良い仕事、
しかしまだあなたののみチャンスと一緒ですの空間充填近づいてきます。
しかしそれからいつ私たちは行く上にのより大きなサンプルサイズ、
平での顔の全てのプロセス変化、プロセスノイズ、
は今のオプションだったできるに跳ねる、弾む外以上それノイズより良い
そしてはできるに作るより良い使用のそれらの走るよりもの空間充填。
あカップルの考慮事項そこには。
なに？あなたの走るサイズ？ どうやって飽和したあなたのモデル？
どうやって多くのプロセス変化するあなた持っている相対的にあなたのプロセスの意味、
行きますの中へのバランスのの空間充填対最適な。
もし私たちは取るある見てで何はの率直な最適なポイント
だった取得外のの空間充填対最適な。
私はごめん、のためにの空間充填、
それから何私たちは見るはだったの上目標のためにこれはイオン化可能そしてヘルパー。
だったの上目標のために全ての私たちのアプローチを除外するのためにこれら最後といいえインターセプト。
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でそれ以外。
あなたできる見るグラフィック的にどうやってそれ足らないのインターセプト。
今、もし私たちは許可するのインターセプト、それなら私たちはの上目標。
それ本当には重要にチェックを外しますそれいいえインターセプトオプションのためになげなわ。
のために全ての人々それはないを使用してJMPプロ
そしてしないでください持っているSVEM、
あなたかもしれない言う、良い、わかった、何ですかあなた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。
残念ながら、ただを使用しての番号のシミュレーション私たちは持っています走る、
あるよないとして一貫性のあるアプローチとしてそこにははとSVEM。
もしあなたは得たある大きい番号の走る、どこにありどちらか指定
または正しく指定されたまたは指定が間違っている、のフォワードまたは後ろ向きAICcする良い。
満杯モデルする悪い、一方での小さい設定、
の満杯モデルするより良いなぜなら全てそれらの条項は関連する。
またのP値ここ、あまりにも。
今、あなた見る、 0.01するの最悪、 0.01するの最高で大きい設定。
ない一貫性、どのような P 値を使用しますか?
0.01、0.05、0.1 。
のP値からこれビューはの調整されていない最適化パラメータ、
それで多分最高に避けるそれそしてスティックとのAICc
もしあなたはでベースJMP。
しかし、私たちは持っている見た今それ
SVEMアプローチのためにこれら最適化問題
する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
よりものシングルショットメソッド。
あなたできる得るより良いソリューションとJMP Pろ、とSVEM。
素晴らしい。
私推測私たちは欲しいにただ包む上。
いくつかののの鍵所見ここ、アンドリュー。
うん、そしてまた、ジム、どれでも他のコメントは？
するあなた持っているどれでも他のコメントあまりにもについてこれら最適化問題または何でも？
面白いもの私たちは持っています見た最近？
私たちは持っている、だった上に対して時間のためにもちろん、しかし私たちは持っています終わりいくつかのかわいいすばらしいもの
それ私たちは持っています来る上と新しい設計された木材
それはより良いよりもそのこれまでされた
そして推進剤それは持っている物理的なプロパティ
そしてパフォーマンスそれ私たちはしていない見た前に。
私たちは持っている取られたあるステップ、
ある跳躍で条項のいくつかののの能力
それ私たちは持っています見たで私たちの混合モデル。
できる私たちは要約するとの強調表示された弾丸下そこには、
それSVEMらしいになれ私たちの方法に行く、
そしてもしあなたのみ持っていた1つ多分SVEMフォワード選択、
あなたはそうします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。
平けれどの最後時々なげなわそれ見た目少ないとインターセプト、
時々それ見た目わずかにより良い。
私しないでください知るもしその多分1つまたは二ケースだった大幅より良い、
しかしいつも首そして首とフォワード選択、
しかし私はいつも怖がったそれ私は行くに忘れるに振り向くオフいいえインターセプト
そしてそれから与える自分自身何かそれは悪いよりもやってる
またはとして悪いとしてやってるの満杯モデル。
私はいつも怖がったのやってるそれ。
SVEMフォワード選択とデ故障設定らしいのようにある良い安全方法に行く。
完璧。
良い、とそれ、私たちは立つ準備ができてに取るあなたの質問。
