Bonjour, tout le monde, et accueillir à JMP Découverte.
André Charles et Bruyère Se précipiter.
je ont un présentation aujourd'hui c'est Aller à souligner
quelques de la Caractéristiques dans JMP 17 Pro que sera aider tu dehors
dans la monde de mélange des modèles.
De nombreux de tu sommes impliqué dans formulations,
et à être honnête, c'est Quel nous avons a été Faire un parcelle dernièrement.
Étaient un parcelle Comme ambulance chasseurs, où bien juste aller après
la dernier chose que les clients sommes intéressé dans.
Mais c'est Quel étaient voyant un parcelle dernièrement, est gens ce sommes Faire mélange des modèles
ce sommes réellement assez complexe et Suite alors que épouser déjà connaître.
Nous juste décidé nous aurait fais quelques Plus profond enquête
avec quelques de la Nouveau techniques qui ne sont plus là,
et ce JMP 17 effectue pour nous.
André, aurait tu Comme à obtenir a débuté et peut être donner un peu bit de Contexte
sur la ensemble idée de Quel un mélange maquette est,
et quelques de la autre techniques ?
D'accord, alors allons début dehors avec un agréable, facile graphique.
Allons prendre un voir plus de ici à la terrain sur la la gauche.
Étaient dans un expérimental paramètre,
alors maintenant je supposer nous avons a obtenu deux les facteurs,
Ingrédient UN et Ingrédient B, et elles ou ils intervalle de 0-1.
Si il y a non mélange contraintes, alors tout dans la le noir carré
est un réalisable indiquer dans cette facteur espace,
et donc notre motif routine est Aller à donner nous points quelque part dans cette espace.
Cependant, si il y a un mélange contrainte
où ces ont à ajouter en haut à une, alors seulement la rouge ligne est réalisable.
Nous vouloir à obtenir un conditionnel optimum
donné ce contrainte, et nous vouloir à fin en haut
quelque part dans ce ligne pour tous les deux notre motif et notre une analyse.
Si nous mouvement en haut à Trois mélange Ingrédients,
UN, B et C, tout pouvoir à varier de 0-1,
alors nous obtenir un cube pour ce 0-1 contrainte pour chaque de leur.
Mais avec la mélange contraintes, ce prend la formulaire de un avion
sécante un cube, et ce donne nous cette Triangle,
alors seulement cette rouge Triangle est pertinent dehors de ce entier espace.
Si nous ont quatre dimensions, si nous ont quatre mélange les facteurs,
alors ce admissible facteur espace est réellement un Trois- dimensionnel sous-ensemble,
un pyramide dans là.
En regardant retour à la Trois- mélange paramètre.
Voir cette Triangle? C'est la autorisé Région.
Bien, c'est Pourquoi JMP donne nous ces ternaire parcelles.
Pour ces parcelles ternaires,
Quel JMP sera fais est, si tu ont Suite que Trois mélange les facteurs,
est tu vas ont deux les facteurs montré à un temps,
et la troisième axe sera être la somme de tout la autre mélange les facteurs.
Nous boîte voir à ces parcelles ternaires, plutôt que ayant à ont un pyramide
ce étaient en regardant à travers.
Nous ont à décider, est-ce que nous vouloir un Conception de remplissage d'espace
ou un optimal motif?
À présent, normalement dans un sans mélange paramètre, épouser normalement utilisation un optimal motif,
et pour la plus partie, nous ne serait pas envisager un Conception de remplissage d'espace.
Il y a un peu les raisons ce nous vouloir à envisager
un Conception de remplissage d'espace dans mélange réglages.
Souvent dans la formulations monde, si tu aller aussi loin,
il y a un peu bit Suite sensibilité à Aller aussi loin dans ton facteur espace,
fabrication ce aussi large, alors ton entier traiter échoue.
S supposer ce arrive plus de ici où X2 est.
Supposer ce échoue tout dessous 0.1.
Tu es Aller à perdre un bien tronçon de vos courses car la optimal motif
tend à mettre plus de ton court sur la frontière de la facteur espace,
alors tu es Aller à perdre ces.
Tu es ne pas Aller à être capable de courir ton plein maquette
avec la restant points, et tu es ne pas Aller à ont
n'importe quel bien informations sur où ce échec frontière est.
Pour la Conception de remplissage d'espace, si tu ont quelques gentil de échec
en dessous de 0,1, tu es perdant un plus petit Numéro de points.
Ton restant points toujours donner tu un Conception de remplissage d'espace
dans la existant espace ce tu boîte utilisation à adapter la maquette effets,
et maintenant étaient Aller à être pouvoir à maquette ce échec frontière.
Aussi dans la mélange monde, nous souvent voir plus haut ordre effets actif:
interactions ou courbures, polynômes,
que nous force voir dans la non- mélange paramètre.
Si nous ne le faites pas spécifier ceux, car n'importe quel de ces des modèles sommes optimal,
conditionnel sur la cible maquette nous donner, alors si nous ne le faites pas spécifier un effet opérateur
pour la optimal maquette, nous force ne pas être pouvoir à adapter ce
après la fait, car elles ou ils force être alias
avec autre effets ce nous ont.
Ces remplissage de l'espace court loi comme quelque chose de un attraper- tout de possible court,
alors il y a un couple de les raisons
ce nous force vouloir à envisager espace remplissage court,
mais nous vouloir à prendre un voir analytiquement.
Qu'est-ce que la différence dans performance entre ces,
après nous Cours à travers maquette réduction, ne pas juste à la plein maquette,
car étaient ne pas va juste à être utilisant la plein maquette.
C'est la motif phase question.
Lorsque nous accéder à la une analyse,
chaque fois que tu es en regardant à ces mélange expériences dans JMP,
JMP automatiquement se tourne à l'arrêt la intercepter pour tu,
car si tu vouloir pour s'adapter à plein maquette
avec tout de ton mixte rester effets, tu ne peut pas comprendre la intercepter.
Vous allez obtenir cette Attention
car la mélange- fabriqué effets sommes contraint à une,
et elles ou ils ajouter en haut à quoi la intercepter est, alors ils sont alias.
Aussi, si nous vouloir à voir à plus haut ordre effets,
nous ne peut pas être Comme un réponse surface où nous ont pur quadratique termes.
Nous ont à voir à ces Scheffé Cubique termes
car si nous essayer à voir à la interactions
plus la pur quadratique termes, alors nous obtenir autre singularités.
Ceux sommes un couple de les rides dans la une analyse.
Cependant, Aller vers l'avant avec la maquette sélection méthodes,
Vers l'avant Sélection ou Lasso, qui sommes la base méthodes
de la SVEM des méthodes qui étaient Aller à être en regardant à,
nous vouloir à envisager quelquefois tournant à l'arrêt cette défaut 'non intercepter' option.
Quoi nous trouver est pour la Méthode du lasso nous réellement ont à fais ça
dans ordre à obtenir raisonnable résultats.
Après nous adapter notre maquette, à présent nous vouloir à fais maquette réduction
à donner un coup dehors hors du sujet les facteurs.
Nous avons a obtenu un couple de différent façons de Faire ce dans base JMP .
Probablement Quel personnes fais plus fréquemment est elles ou ils utilisation la effet sommaire
à aller en arrière sur la p- valeurs, et donner un coup dehors la petit p- valeurs.
Mais cette est jolie instable car de la multicolinéarité
de la mélange contrainte, où coups de pied dehors une effet
boîte drastiquement monnaie la valeurs p de la restant effets dans la motif.
Quoi cette terrain spectacles est si nous aller en arrière sur p- valeurs,
Quel est la le plus grand valeur p c'est donné un coup de pied dehors
et nous voir certains sautent ici et c'est de ce effet.
Donné ce gentil de volatilité dans la raccord traiter,
tu boîte imaginer si tu ont petit changements
dans ton observé réponses, peut être même de essai variabilité,
ou n'importe quel autre variabilité, juste petit changements boîte conduire
à grand changements dans la réduit maquette
ce est présenté comme un résultat de cette traiter.
Ce haute maquette variabilité est quelque chose ce serait être agréable
si nous pourrait moyen plus de dans quelques façon, dans la même façon ce peut être
avec Amorcer pour est nous moyen plus de la variabilité
de la CHARIOT méthodes ou la cloison méthodes
et c'est Quel la SVEM méthodes aurait être en regardant à Faire.
Dans la ample sens, ils sont gentil de la analogique pour ça,
pour la linéaire méthodes étaient en regardant à.
Aussi nous boîte aller à Marcher sage et voir à min AICc,
qui est peut être la préféré méthode.
Dans notre dernière faire glisser du spectacle aujourd'hui bien être prise un voir à,
pour la base JMP utilisateurs, AICc contre B CI contre valeur p sélection
avec notre simulation Diagnostique.
Donner le crédit à un parcelle de la existant travailler et premier en haut à la SVEM approcher.
Ces sommes quelques génial références ce nous avons utilisé plus de la années.
Aussi vouloir à remercier Chris Gottwalt pour le sien patience et répondre des questions
et partage informations comme ils ont découvert des choses sur la façon.
C'est vraiment aidé Positionner nous en haut à être pouvoir à mettre cette à bien effet dans pratique.
Parlant de dans pratique, où ont nous a été utilisant cette assez un bit
plus de la années est la paramètre de liquide nanoparticule formulation optimisation.
Quoi est lipide nanoparticule formulation? Eh bien, une nanoparticule lipidique,
si vous avez obtenu n'importe quel ARNm COVID vaccins Pfizer, Moderne, alors vous avez obtenu ces.
Quoi ces fais est tu prendre un mélange de quatre différent lipides, résumé ici,
et elles ou ils formulaire ces peu tout petit bulles.
Alors ceux sommes électriquement accusé,
alors elles ou ils porter sur avec leur un génétique charge utile,
ARNm, ADN, ou autre charges utiles ce Soit agir comme vaccins
ou boîte cible cancer cellules.
La électrique charge entre la génétique charge utile,
et alors la opposé charge dans la nanoparticule est Quel lie ensemble.
Alors nous le veux à obtenir à travers la cellule et alors Libération la charge utile à l'intérieur.
La formulation changements en fonction, dépendemment sur Quel la charge utile est.
UN aussi quelquefois nous force monnaie la taper de ionisable lipide,
ou la taper de il lper lipide à voir qui une Est-ce que meilleur,
alors nous ont à refaire cette traiter plus de et plus de.
Pour la plus partie, la scientifiques ont trouvé ce ces
gammes de peut être 10-60% pour la lipide réglages
et alors un plus étroit intervalle de 1-5 %.
C'est pour la plus partie la réalisable intervalle pour cette traiter.
C'est a été exploré dehors, et c'est Quel la géométrie
nous vouloir à match ici dans notre application est.
Nous vouloir à dire, étant donné que structure qui étaient Faire encore et encore,
est-ce que nous ont un idéal une analyse et motif méthode pour ce?
UN aussi nous vouloir à Positionner en haut un simulation ce si étaient en regardant à autre structures,
autre géométries pour la facteur espace, peut être nous boîte généraliser à ce,
mais c'est Aller à être notre se concentrer pour droit à présent.
Donné ce Contexte,
je suis Aller à laisser Jim à présent résumer la SVEM approcher et parler sur ce.
Oui, remercier tu.
Cette particulier Découverte présentation,
Quel étaient Aller à faire est un peu un peu plus centré sur Power Point,
malheureusement, car la résultats sommes vraiment Quel cette est tout sur
pour la simulations ce nous avons Fini.
Mais cette particulier session, je sera Afficher tu quelques de la JMP 17
ce nous ont Nouveau aptitude.
Si je aller et je vouloir à Positionner en haut un Conception de remplissage d'espace...
À présent, précédemment nous n'étaient pas capable de faire mélange des modèles avec Conceptions de remplissage d'espace
directement de dehors de la boîte, si tu sera.
Nous assurément pourrait mettre contraintes dans là,
mais à présent Quel nous vouloir à fais est Afficher tu comment tu boîte fais
un Espace F malade Concevoir avec ces mélange les facteurs.
Cette est Nouveau ce je à présent ont ces viens dans comme mélange,
qui est bien car ce à présent porte
tout de ceux colonne Propriétés avec ce comme bien.
Une chose la peine mentionnant droit maintenant c'est
la défaut est tu es Aller à obtenir dix court par facteur,
alors 40 court dans un Biche typiquement est bien
et nous sommes heureux parce que notre le pouvoir est bien au dessus 90%
ou peu importe notre Critères est.
Mais c'est ne pas la Cas [inaudible 00:09:54] ces mélange des modèles
car il y a alors de nombreux contraintes inhérent dans ce.
Quoi ce est récit moi, malheureusement, est même si je étaient à ont 40 court,
Identifiant toujours seulement ont 5% Puissance de Faire Scheffé Cubique
et même si c'est principaux effets seulement, il y a seulement 20% Puissance.
Du pouvoir à présent est ne pas vraiment un motif Critères ce étaient Aller à voir à
lorsque nous fais ces mélange des modèles.
À présent, typiquement dans notre applications,
malheureusement, nous ne le faites pas ont la le luxe de ayant 40 court.
Dans cette Cas bien fais 12 court et voir comment ce vient dehors.
Bien aller en avant et Fabriquer cet espace Remplissage Concevoir,
et vous pouvez voir que c'est peut être uniformément se propager à travers la surface.
De cours, nous fais sache que étaient délimité avec quelques de ces les mecs ici
ce nous ne peut qu'aller de 1 -5% sur la polyéthylène glycol.
Quoi je vouloir à faire maintenant est juste aller à vite vers l'avant.
À présent allons dire j'ai Cours cette motif et je suis prêt à fais la une analyse.
Cette est où SVEM est vraiment fabriqué énorme progrès
et si tu Ecoutez à quelques de Chris et Phil de Ramsey travailler
dehors là sur JMP communauté, tu vas voir cette est un marcher monnaie.
Cette est un Jeu monnaie dans termes de ton analytique aptitude.
Comment aurait nous fais cette dans 16 ?
Dans JMP 16 Quel épouser ont à fais est épouser ont à viens à travers,
et en fait c'est la peine Aller à travers le marcher juste car ce donne tu
un peu bit de aperçu, pourtant la primaire mission
de cette Compte rendu ou cette parler est ne pas SVEM,
ce sera donner nous un idée de qu'est-ce que c'est Aller sur.
Quoi nous boîte fais ici est nous boîte aller en avant et bien Fabriquer la Auto validation Table.
Cette est la JMP 16 méthodologie.
Quoi tu vas Remarque ici est nous avons disparu de 12 court à 24.
Nous juste doublé leur et tu voir la Validation Régler.
La entraînement peut être les 12 premiers, validation la Suivant 12.
C'est qu'est-ce que c'est ajoutée et alors nous ont cette lester.
Cette est la Amorcer lester et c'est fractionné pondéré.
Quoi arrive est nous sera aller en avant et Cours cette maquette
et viens en haut avec un prédit évaluer,
mais alors nous besoin à monnaie ces poids et alors donjon Faire cette plus de et plus de
pour notre Bootstrap, un peu comme un Aléatoire forêt, idée pour la SVEM.
À présent Quel est utile est à gentil de prendre un rapide voir.
Quoi est la géométrie de ces poids?
Nous boîte voir ils sont anti- corrélée,
sens si dans la entraînement Positionner que je suis bas,
je suis Probablement Aller à être haute dans la validation Positionner.
Cette est gentil de un rapide peu visuel de ce relation.
À présent je suis prêt à aller fais ma une analyse dans JMP 16.
Ce aurait être analysé et épouser juste fais notre adapter maquette.
De cours, nous vouloir un généralisé régression
et bien aller à travers et fais un Scheffé Cubique ici,
car c'est un mélange.
Mais voici où nous ont à ajouter dans la marcher,
nous mettre la jeu de validation comme ton validation colonne
et alors cette validation lester est Aller à être ce la fréquence.
À présent je boîte Cours cette.
Par la façon nous pourrait,
dans de nombreux de notre instances étaient ne pas Ordinaire, étaient Journal Ordinaire,
nous pourrait mettre ce dans droit là.
Ici nous ont notre généralisé régression aptitude
à aller en avant et Cours cette maquette et voila, là sommes la estimations.
Quoi nous aurait fais alors est-ce que nous venons ici en dessous de la sauvegarder la Prédiction Formule.
Alors ici est une Cours.
D'accord, alors nous a obtenu une Cours.
Tu boîte voir ce la Haut est 15.17, et nous réellement vu 15.23,
alors ne pas mal dans cette maquette,
mais nous aurait fais cette plus de et plus de.
Nous utilisé à fais ce sur 50 fois ou alors.
Mais avec JMP 17, à présent cette ensemble traiter est automatique à nous.
Nous ne le faites pas ont à fais cette 50 fois et alors prendre la moyen
de ces prédiction formules.
Étaient pouvoir à aller directement à ce.
Si je viens retour à ma original motif ici avec la réponse,
je boîte obtenir droit à ce.
Par la façon, cette est montrant que je ont une autre contrainte mettre dans ici.
UN parcelle de fois nous ont la chimistes et biochimistes Comme à voir ce
à Fabriquer Bien sur ce la ratios basés sur moléculaire poids sommes dans raison.
Pas seulement fais nous ont la mélange contraintes,
nous aussi ont un parcelle de autre contraintes.
je suis travail avec un groupe où nous ont peut être 15 différent Ingrédients
et Probablement 30 contraintes dans ajout à la mélange contraintes,
alors ces méthodes travailler et monter en puissance,
Probablement est la meilleur façon à dire ce, jolie bien.
À présent cette est 17, alors 17 je boîte obtenir droit à ce.
je suis Aller à aller en avant dans Adapter Modèle, et Je vais aller en avant et fais un Scheffé Cubique.
De ici, Quel étaient pouvoir à fais est venu dans un généralisé régression.
Dans cette Cas, nous ne le faites pas besoin à inquiétude sur ces les mecs dans ici.
Nous boîte monnaie ce à journal normal si nous alors désir.
Une de ma les choix dans la estimation
Au lieu de Vers l'avant est dans fait SVEM Vers l'avant,
alors je fais SVEM Vers l'avant et je suis Aller à aller fais 200.
Vous allez voir à quelle vitesse elles ou ils ont cette à l'écoute.
Vraiment le seulement chose tu boîte fais dans Avancée les contrôles
est Chèque qu'il s'agisse ou ne pas tu vouloir à Obliger un terme dans.
je succès Aller et instantanément j'ai Fini 200 Amorcer échantillons pour cette problème.
De cours, je à présent boîte voir à la profileur
et ce est la moyen de la 200 court.
C'est gentil de ma fin maquette, si tu sera.
De cours, avec Prédiction Profileur,
là sont des centaines de des choses tu boîte faire d'ici
et André touchera sur un couple Suite de ceux.
Mais deux autre des choses la peine notant ici,
Je vais enregistrer la Prédiction Formule comme bien et prendre un voir à ce mec.
Lorsque je voir à la Prédiction Formule,
Je vais Remarque ce ce est dans fait déjà en moyenne dehors pour moi ici.
Cette est la moyenne des 200 différent échantillons ce sommes dehors là.
Avec ce, ce est la démo,
et bien aller retour à en regardant à la graphiques là à dire,
"Eh bien, quoi est ce ce étaient voyant dans termes de la résultats de SVEM ?"
André, si tu vouloir à tirer en haut ce faire glisser.
Cette est peut être un rapide visuel.
Tu boîte voir ce si je voir à ceux première Trois,
dans cette Cas, rouge est mal.
Quoi étaient en regardant à ici est la nominal couverture.
Cette est un mélange maquette
à la optimum prédit endroit de performance.
Nous boîte voir ce la la norme Marcher sage les mecs sommes ne pas Faire aussi bien.
C'est la en arrière et vers l'avant AIC.
Cette est la couverture les taux.
Épouser Comme ce à être un nominal 5% Erreur ce nous ne le faites pas réellement voir
la vrai réponse dans la prédiction ou réellement la confiance intervalle.
Dans autre mots, lorsque nous regardé à la profil
ce nous juste vu, ça nous donne un prédiction ou confiance intervalle
a été la vrai évaluer,
qui nous connaître car étaient en jouant la simulation Jeu, droit?
Nous connaître Quel la vrai évaluer est, Quel pourcentage de temps a été ce dans là?
Nous boîte voir ce nous ne le faites pas fais comme bien avec notre classique méthodes.
La plein maquette, en mettant tout la termes en,
Lasso Est-ce que jolie bien à un dix% évaluer ou alors,
mais c'est ne pas jusqu'à nous obtenir les méthodes SVEM ici ce nous début voyant
ce étaient vraiment capturer et obtenir bien couverture.
UN bien peut être image à donjon dans ton dérange,
ce nous sommes façon surperformant quelques de la autre méthodes dehors là
lorsque ce vient à la aptitude.
À présent, dans termes de comment cette simulation,
Quel étaient mise au point sur ici est un peu bit différent que Quel tu peut penser à,
dans termes de un simulation où regardaient à un maquette et en disant,
"Comment bien a fait nous fais avec cette particulier méthode?"
Nous pourrait mesure ce par comment la réel contre la prédit est
et alors épouser obtenir un genre de un moyenne au carré Erreur.
Nous fais Piste ce évaluer,
mais nous trouver dans notre travailler, étaient beaucoup Suite concerné sur découverte
ce optimal mélange, si tu sera, avec la optimal réglages ce atteindre nous
un maximum puissance ou minimise certains effets secondaires
ou aide nous avec cette [inaudible 00:18:58]
C'est Aller à être appelé le "pour cent de maximum" ce étaient en regardant pour.
Étaient Aller à utilisation ce comme notre primaire réponse ici
dans termes de étant pouvoir à évaluer qui méthodes surpasser les autres.
C'est ne pas vraiment Aller à être,
comment loin une façon un m je de la emplacement de la optimal évaluer?
C'est comment loin est-ce réponse que je prédit optimale
comment loin est ce de la réel optimum?
C'est Aller à être notre mesure de Succès.
La façon cette sera travailler est Je vais être demander André un peu des idées ici
dans termes de Quel typiquement vient en haut dans pratique.
je vu la géométrie il a montré moi tôt sur
et la optimal motif a été toujours succès la les frontières.
Quoi si je Comme des choses ce nous appel Suite mélanger, droit?
Tu ont Suite mixte des trucs dans la milieu,
remplir l'espace, qui est meilleur.
Si je fais utilisation un optimal motif,
ce valeurs par défaut à ré peut être, mais Quel sur je et UN?
Alors comment sur la âge- Agé de BICHE ajouter points centraux ?
Est ce intelligent? Ou est une Point central?
Ou comment sur réplique?
Nous avons déjà discuté comment étaient ne pas étant utile,
alors Quel est un utile mesure de un bien motif?
C'est la motif pièce, mais aussi la une analyse pièce est,
est là un particulier méthode ce surpasse tout le monde,
ou sommes là certain domaines ce nous devrait se concentrer sur
utilisant Lasso et les autres,
ce nous devrait juste utilisation SVEM pour sélection?
Ces sommes pratique des questions ce viens en haut de tout de notre clients,
et épouser Comme à partager avec tu
quelques de la résultats ce nous obtenir de la simulation.
André, tu vouloir à donner nous
un peu bit Suite aperçu dans notre simulation traiter?
Ouais, Merci, Jim.
Avant de je fais ce,
je juste vouloir à indiquer dehors une outil
ce nous avons fabriqué lourd utilisation de dans la une analyse de notre résultats,
et malheureusement, nous ne le faites pas ont temps à creuser dans la démo,
mais ce a a été alors utile est, dans la profileur
à voir à la production Aléatoire table pour ces mélange conceptions
et à voir à la réponses surtout,
nous fréquemment ont puissances par côté effets.
Nous ont plusieurs réponses,
que nous voulons solde ce dehors avec la désirabilité fonction,
et alors étaient Aller à voir à la individuel réponses eux-mêmes.
Lorsque nous production un Aléatoire table, nous obtenir un Espace Remplissage Concevoir,
fondamentalement ne pas un motif, mais nous remplir en haut la entier facteur espace,
et étaient pouvoir à voir à la marginal impact
de chaque de la les facteurs plus de la entier facteur espace.
Pour Exemple, pour la ionisé lipide taper,
Quel bien fréquemment voir est, nous boîte voir ce peut être une a
un plus bas marginal comportement plus de la entier espace.
Mais puisque étaient vouloir à optimiser,
nous se soucier sur Quel la maximum de chaque de ces est,
et une de ces sera clairement être meilleur ou pire.
Étaient en regardant à la réduit maquette.
Après il s'adapte leur, bien aller à la profileur et fais cette.
Nous boîte toujours obtenir la analytique optimum de profileur,
mais dans ajout à ce,
cette donne nous Suite informations à l'extérieur de juste ce optimum.
Quoi nous force fais ici est pour candidat court,
car nous toujours fonctionnement notre confirmation court
après ces formulation et optimisation problèmes
est nous force Cours la global optimum ici pour H 102,
nous force prendre dehors la conditionnel optimum pour H 101
et voir qui une Est-ce que meilleur dans pratique.
Aussi, en regardant à la ternaire parcelles,
si nous Couleur ceux par désirabilité ou par la réponse,
nous boîte voir la Suite ou moins souhaitable Régions
de ce mélange espace,
alors ce boîte aider nous comme nous Soit augmenter la motif
ou Soit comprendre Additionnel domaines dans la facteur espace,
ou à exclure domaines.
je ne peut pas fais beaucoup Suite avec ce droit à présent,
mais je recherché à indiquer ce dehors
car c'est un très important partie de notre une analyse traiter.
Comment fais nous évaluer quelques de ces choix
dans cette taper de géométrie de un facteur espace?
Nous construit un simulation scénario ce nous ont partagé sur la JMP site Internet,
et ce permet nous à prise de courant et jouer pour différent goûter tailles dans total,
comment de nombreux les courses sont dans la motif?
Nous ont un vrai formulaire choix
ce donne nous la vrai générateur fonction derrière la traiter,
un motif taper, Soit espace remplissage ou optimale.
La optimal motif à présent est Aller à être de un certain le minimum Taille
basé sur la Numéro de effets ce étaient ciblage.
Fais nous ont un deuxième -ordre maquette, un troisième -ordre maquette,
un Scheffé Cubique maquette?
Quoi fais nous ont?
Normalement, chaque fois que tu construire un maquette et Douane motif dans JMP,
ce écrit un maquette scénario dehors à ton table et alors tu utilisation ce à analyser ce.
Bien, quelque chose nous avons exploré est en permettant un plus riche maquette
que Quel nous obtenir, Quel nous cible,
et sommes nous pouvoir à utilisation ces méthodes avec SVEM
et obtenir Additionnel amélioré résultats,
même pourtant nous n'a pas à l'origine cible ceux effets dans la motif?
La court réponse là est oui.
C'est quelque chose autre nous vouloir à envisager,
alors nous Autoriser nous-mêmes avec la efficace choix
à comprendre Additionnel effets.
Nous boîte voir à la impact de ajouter répliques ou points centraux
et ce Douane CFA dialogue à imposer ceux.
Comment Est-ce que ce affecter notre réponse?
Car n'importe quel de la résumés ce tu obtenir dehors de la motif
et dehors la conception Diagnostique sommes début ciblage la plein maquette,
Soit avec respect à prédiction variantes,
D-optimal, vous regardez la norme les erreurs pour la paramètres.
Mais Quel nous vraiment se soucier sur est comment bien est la optimum
ce étaient obtenir dehors de cette,
alors c'est Quel étaient Aller à prendre un voir à avec ces simulations.
Pour la plus partie dans ces PMT optimisation scénarios,
un parcelle de fois, bien viens de l'autre côté deux situations.
La scientifiques sera dire, "J'ai a obtenu sur 12 court disponible,
et peut être c'est ne pas ce important de un traiter,
ou la Matériel est très chere,
et je juste besoin à fais la meilleur je boîte avec 12 court.C'est Quel j'ai a obtenu."
Ou ce force être quelque chose où ils ont a obtenu un budget pour 40 court,
et elles ou ils boîte adapter un plein deuxième -ordre maquette
plus troisième ordre mélange effets,
et nous vouloir à essayer à caractériser cette entier facteur espace
et voir Quel la réponse surface regards Comme plus de la ensemble chose.
Ceux sommes la deux scénarios étaient Aller à être ciblage dans notre simulation.
Jim, je pense tu avais quelques des questions
sur performance en dessous de différent scénarios.
Quoi a été ton première question là?
je a fait.
je deviner lorsque je pense sur un 12- Cours scénario ici,
et si je juste aller avec la défaut, Identifiant obtenir un ré -optimale
et ce aurait être principale effets seulement.
je reconnaître je pourrait fais la espace remplissage Comme je juste a fait,
mais ma question est, si je fais la défaut,
qui une de la une analyse méthodes aurait être préféré?
Ou est là une?
D'accord, alors prise un voir à ce.
Pour la RÉ- optimal motif, comme un général régner,
c'est Aller à mettre presque tout de son court sur la frontière de la facteur espace
et c'est ne pas Aller à ont n'importe quel intérieur court
sauf si tu ont quadratique termes ou quelque chose ce a besoin ce.
Avec un 12 -Cours motif,
il y a 90 degrés de liberté obligatoire à adapter tout la principale effets ici.
Nous avons a obtenu un peu degrés de liberté pour Erreur,
mais la plupart étaient seulement ciblage la principale effets ici.
Comment fais la une analyse méthodes fais?
Est là n'importe quel différence dans la une analyse méthodes ?
Quoi nous fais, et tout de ces étaient Aller à résumer,
nous Afficher la pour cent de maximum pour tout de notre simulations ce nous fais,
et alors nous boîte voir ce Distribution pour chaque de la une analyse méthodes,
tout pour cette 12- Cours, D-optimal motif cible effets.
Alors nous aussi Afficher n'importe quel important différences entre ces,
et étaient juste utilisant T des étudiants
Étaient ne pas faire un deux clés ajustements, alors donjon ce dans dérange
chaque fois que tu es en regardant à ces important valeurs.
La gagnant ici est notre fait maison SVEM neural approcher
car c'est ne pas limité à seulement en regardant à la principale effets,
elles ou ils boîte Autoriser quelques Additionnel complexité dans la maquette,
et alors ce gagne ici.
À présent, ne le faites pas obtenir aussi excité sur ce car cette est sur la meilleur
ce nous avons vu Neural SVEM fais est dans ces petit réglages.
Mais si nous sommes fonctionnement Suite que une candidat optimum Aller vers l'avant,
alors peut être nous boîte comprendre un SVEM neural, mais dans général,
nous ne serait pas recommander seulement collage avec un SVEM neural
juste car ce tend à être Suite variable, ont plus lourd bas queues.
Quoi sommes la autre résultats?
Nous voir la perdants dans cette application
ou n'importe quoi c'est Faire la Célibataire tir maquette réduction
car tout ces effets sommes important dans la maquette,
et n'importe quel temps nous tirer une de leur dehors, nous sommes Aller à obtenir
un sous-optimal représentation de notre traiter.
C'est Pourquoi dans cette Cas la plein maquette Est-ce que meilleur que ceux.
Mais qu'est-ce que c'est intéressant est la SVEM linéaire approches
sommes pouvoir à à moins match ce plein maquette performance.
Étaient ne pas perdant n'importe quoi par utilisant SVEM dans cette application,
alors c'est un agréable aspect où nous ne le faites pas ont à inquiétude
sur la plus petit paramètre.
Sommes nous blesser nous-mêmes à tout par utilisant AICC ?
À présent, quelque chose autre nous a essayé ici est donné la même,
vous avez seulement a obtenu 12 court.
Tu es seulement ciblage la fabrication
et la D-optimal Critères dans la Douane BICHE.
Quoi si nous Autoriser la adapter maquette à envisager deuxième -ordre effets
plus il y a mélange effets,
alors que notre maquette alors a été ciblé à fais?
Quoi arrive, et nous voir cette JMP ici,
cette SVEM linéaire méthodes sommes pouvoir à utiliser ce informations
et donner nous meilleur pour cent de maximum, obtenir optimal candidats,
et ceux sommes notre gagnants ici à présent est ces SVEM linéaire méthodes.
Quoi nous voir est ce de façon intéressante,
la base méthodes pour ces SVEM approches, Gué méthode,
ou Gué sélection ou la Lasso sommes ne pas pouvoir à Fabriquer utilisation de ce,
seulement la SVEM est, alors c'est un agréable propriété.
Ils réellement battre dehors Neural,
qui est agréable car à présent ces sommes originaire de à JMP 17
et elles ou ils ne le faites pas exiger comme beaucoup calcul temps
ou manuel Positionner en haut comme dans leur posséder.
Quoi nous début à voir ici est la thème ce étaient Aller à voir
à travers la le repos de la journée est ce n'importe quel de ces Lasso approches
avec non intercepter sommes Aller à donner nous sous -optimale résultats
car sans pour autant la intercepter
et la pénalisation n'a pas travailler droit dans Lasso,
alors tu réellement vouloir à tour à l'arrêt la défaut option de non intercepter
si tu es Aller à essayer à utilisation SVEM Lasso
ou même juste Lasso sans pour autant un intercepter.
D'accord, alors je deviner ce regards Comme SVEM Neural a fait bien là.
Mais encore, ce est ne pas originaire de.
Nous ne peut pas fais ce avec JMP 17 Pro, c'est ne pas là-dedans .
Nous boîte, nous ont à ont un manuel [inaudible 00:29:01] scénarisé.
Ouais, c'est ne pas un manuel option.
D'accord, cette est bien,
mais je suis aussi un ventilateur de la Espace Remplissage Concevoir,
alors comment Est-ce que ce jouer dehors dans termes de la une analyse méthodes ?
Pour la Remplissage d'espace Concevoir, tu boîte voir plutôt que ayant
tout la points sur la extérieur, sur la frontière,
à présent nous remplir en haut la intérieur espace
pour tous les deux la mélange les facteurs et la traiter les facteurs,
qui quelquefois dans pratique Quel bien fais est,
bien prendre la traiter les facteurs
et tour ces à la la plus proche 0,25 ou 0,5
ou peu importe granularité œuvres meilleur pour nous, mais cette est Quel ce regards Comme.
Dans termes de la résultats, comment fais elles ou ils effectuer?
À présent Quel étaient Aller à fais est comparer
la enchaînement de la motif approcher
sur avec la une analyse méthode et voir qui ces fais meilleur.
En regardant à à présent toujours en permettant la plus riche deuxième et troisième -ordre maquette
pour la sélection méthodes et voir qui une Est-ce que meilleur.
Lorsque nous voir à la comparaison,
la gagnants sommes la SVEM Linéaire approches,
Lasso seulement avec la intercepter, ne pas sans pour autant la intercepter,
et la RÉ- optimale.
Encore, derrière la scènes, tu ont à rappelles toi,
à présent tu es en supposant pour cette D-optimal approcher
ce ton positif maquette est vrai plus de la entier facteur espace
et vous avez a obtenu constant divers plus de ce facteur espace.
Si tu es préoccupé sur les échecs sur la frontière,
alors c'est quelque chose autre à prendre dans Compte, et c'est ne pas construit dans cette.
Tu ont à envisager ce.
Mais si tu sommes sur de soi,
peut être vous avez Cours cette avant de et tu es seulement fabrication mineure changements,
alors la façon à aller est la RÉ- optimal avec la SVEM approches.
Vers le bas ici, la perdants sommes la Lasso, avec non intercepter.
Nous je vais éviter de ceux,
et tu boîte voir ceux lourd queues vers le bas ici.
Pas la SVEM Lasso, juste la Lasso.
Réellement voici la SVEM Lasso avec non intercepter ici.
Ouais.
Ils tout obtenir ces Fs, alors elles ou ils tout échouer.
-Commodément, [diaphonie 00:30:48] . -Ouais
D'accord.
Quoi souvent sera viens en haut,
qu'il s'agisse c'est conçu en haut de face où nous avons Fini notre 12 court,
et la chef,
elle a quelques Suite des questions et nous ont Suite court.
Si étaient Aller à fais cinq Suite court,
comment Est-ce que ce impact quelques de ces résultats?
Lorsque tu dire cinq court, ne pas un suivre -en haut étude,
mais ton construire est étude Soit 12 ou 17 court
dans un Célibataire tir droit à présent est Quel tu es considérant, droit?
Ouais, exactement.
D'accord, alors Oui, nous boîte voir à la marginal impact
car il y a un Coût à tu pour ceux En plus cinq court.
Qu'est-ce que la bénéficier à de ceux cinq En plus court?
Utilisant la motif une analyse tu pourrait utilisation,
voir au FDS terrain et ton FDS plus moyens plus bas,
reflétant plus petit prédiction variantes.
Du pouvoir est ne pas ce utile pour ces mélange effets conceptions.
Nous ne le faites pas se soucier sur la paramètres.
Nous vouloir à connaître, comment bien aurait nous fais avec optimisation?
C'est où la la simulation pratique, nous boîte prendre un voir à ce.
Comment Est-ce que ton Distribution de ton pour cent de maximum monnaie
comme tu aller de 12 à 17 court?
De façon intéressante, il y a non bénéficier à pour la Célibataire tir 40 CPI
à ayant 17 contre 12 court.
À présent, encore, droit à présent étaient en regardant à la pourcentage de max.
Si tu voir à ton écart d'erreur,
votre variance de prédiction est Aller à être plus petit,
et là force être quelques autre [inaudible 00:32:09] ,
mais surtout ton prédiction variance
est Aller à être plus petit si tu voir à ce.
Mais vraiment, nous ne le faites pas se soucier ce beaucoup sur prédiction variance.
Nous vouloir à connaître, où est ce optimum indiquer?
Car après cette, étaient Aller à être fonctionnement confirmation court
et peut être dans les répliques à ce indiquer
à obtenir un idée de la traiter et essai variance alors.
Mais droit à présent,
nous sommes juste en essayant à scout dehors la réponse surface
à trouver notre optimal formulation,
alors avec ce objectif dans dérange, il y a non bénéficier à pour un quatre jours CCI.
À présent pour la SVEM méthodes,
nous fais voir là est un important différence
et nous fais obtenir un important amélioration
dans termes de notre moyen pour cent de maximum nous obtenir,
et peut être ne pas comme lourd queues vers le bas ici.
Mais à présent tu besoin à connaître est ce tu besoin à décider,
est ce pratiquement important?
Est-ce que vous vouloir à mouvement de 90% à 92% moyenne pour cent de maximum
dans cette première tir avec cinq En plus court?
Tu ont à fais ton marginal Coût
original bénéficier à une analyse là comme un scientifique
et décider si c'est la peine ce.
Juste en regardant à ce ici, Quel je pense force être utile
car tu ont à Cours confirmation court De toute façon
est si nous Cours la 12 -Cours motif,
tu boîte alors Cours un candidat optima ou deux
basé sur la résultats nous obtenir,
et alors plus un couple de Additionnel court peut être
dans un haute -densité Région pour Quel ce regards bien,
ou même augmenter dehors ton facteur espace un peu bit,
et alors tu es toujours fonctionnement un total de 17 court,
mais à présent étaient Aller à ont même un meilleur sens de la bien Région ici,
alors c'est quelque chose à envisager.
Quelque chose autre nous boîte voir
de fonctionnement la simulation avec 17 court est,
allons voir à la performance
de chaque de la raccord méthodes dans chaque itération,
et il y a réellement un étonnamment bas corrélation
entre la performance
de ces différent méthodes dans chaque itération.
Nous boîte utilisation ce à notre bénéficier à
car étaient Aller à être fonctionnement confirmation court après cette,
alors plutôt que juste ayant à prendre une méthode et une confirmation indiquer,
une candidat optimal indiquer,
si nous étaient à, pour Exemple, voir à ces quatre méthodes
et alors prendre la candidat optimum de chaque de leur,
alors étaient Aller à être pouvoir à aller vers l'avant avec qui une tout le monde Est-ce que meilleur.
Étaient en regardant à la maximum de ces.
Plutôt que en regardant à un moyenne de 92% à 94%,
à présent étaient en regardant à un moyenne de sur 97% avec un plus petit queue
si nous envisager plusieurs de ces méthodes à une fois que.
D'accord, très utile.
Allons à présent mettre notre les yeux vers la 40 -Cours conceptions.
Très bien informations dans termes de ma plus petit Cours conceptions.
À présent avec 40, comment Est-ce que ce jouer dehors dans termes de ces une analyse méthodes ?
Sommes nous Aller à voir cohérent comportement avec Quel nous vu dans la 12 -Cours motif?
Alors comment sur la Espace Remplissage contre la optimal motif, D-optimal ?
-Identifiant être intéressé dans ce. -D'accord.
Bien, première prendre un voir à la D-optimal motif, 40 court,
et à présent étaient ciblage tout de la deuxième -ordre effets,
la troisième -ordre effets, mélange effets,
et étaient ciblage tout la effets
ce sommes vraiment cadeau dans notre générateur fonction,
et nous toujours voir ce étaient chargé en haut sur la frontière de la facteur espace
avec la optimal motif,
et alors si nous étaient Aller à voir à présent avec la espace remplissage motif,
étaient Aller à voir à présent étaient remplissage en haut la intérieur
de la facteur espace pour la mélanges
et pour la autre continu traiter les facteurs.
Allons voir Quel la performance différence est.
Première de tout, se concentrer sur la remplissage de l'espace motif,
qui une analyse méthodes fais meilleur?
Et même comme nous vu dans la 12 -Cours Exemple de la SVEM linéaire,
Gué sélection avec ce intercepter, Lasso avec la intercepter Est-ce que la meilleur.
La pire Cas tu boîte fais est en gardant la plein maquette,
ou alors en essayant SVEM ou Célibataire tir Lasso avec non intercepter
et la D-optimal paramètre, même gagnants, qui est rassurant
car à présent nous ne le faites pas ont à être préoccupé sur,
"Bien, nous changeons notre motif taper. À présent nous a obtenu à monnaie notre une analyse taper."
C'est bien à voir cette cohérence de l'autre côté la gagnants de la une analyse taper.
La plein maquette n'a pas fais comme pauvrement ici avec la optimal motif, je pense,
car la optimal motif est ciblage ce maquette
et la perdants ici sommes toujours la Lasso avec non intercepter.
Alors Neural est vraiment chute derrière ici, derrière la autre méthodes.
À présent allons comparer la espace remplissage à la D-optimal conceptions,
et nous boîte vraiment voir
la le plus grand différence ici est dans la plein maquette,
la espace remplissage conceptions sommes beaucoup pire que la D-optimal motif.
N'importe quand tu es Faire motif Diagnostique,
c'est tout dans la le contexte de la plein maquette.
Pour ton ré -optimalité Critères,
ton moyen prédiction variance, c'est tout là.
UN parcelle de fois lorsque tu Cours ceux comparaisons,
tu es Aller à voir un rigide différence entre ceux
et c'est Quel tu es voyant ici.
Cependant, dans réel la vie,
étaient Aller à être fonctionnement un maquette réduction technique.
Avec SVEM, même la Célibataire tir méthodes améliorer ce.
Mais surtout avec SVEM ici,
ce vraiment se ferme la différence entre la espace remplissage et la optimal motif,
et nous voir jolie proche à moyen, et légèrement plus lourd queue ici.
Mais à présent tu boîte voir à cette et dire.
"D'accord.je perdre un peu bit avec espace F malade motif.
Mais si je ont n'importe quel préoccupations du tout sur la frontière de la facteur espace,
ou si je suis quelque peu limité dans comment de nombreux confirmation points je boîte Cours
et je vouloir à ont quelque chose c'est Aller à être ne pas aussi loin une façon
de la candidat optimum ce je suis Aller à porter vers l'avant,
alors ceux sommes la avantages de la espace remplissage motif."
À présent nous boîte peser ceux dehors. Étaient ne pas bloqué
avec cette radical différence entre la deux.
Encore, c'est basé seulement contre la D-optimal motif .
je deviner un parcelle de fois dans notre BICHE travailler,
nous Comme à peut être voir à la I-optimalité Critères
et même la UN a Fini vraiment bien pour nous.
Dans particulier, il se propage ce. C'est c certainement ne pas espace remplissage,
mais à moins ce se propage ce dehors un bit Suite que la ré -optimale.
Fais nous ont n'importe quel des idées comment ceux je et UN optimal travailler?
Ouais, nous boîte échanger ceux dehors dans simulations.
Une chose nous avons toujours remarqué,
je aimer la UN -optimale conceptions dans la non- mélange paramètre.
C'est presque ma défaut à présent.
je vraiment Comme leur.
Mais dans la mélange paramètre, chaque fois que nous essayer leur,
même avant de la simulations, si nous voir à la motif Diagnostique,
la UN -optimale jamais Est-ce que comme bien comme la ré ou la je -optimale,
et ce ours dehors ici dans la simulations,
c'est la bleu ici pour la optimal, donne nous inférieur résultats.
Régner de pouce ici est,
ne le faites pas embêter avec la A-optimal conceptions pour mélange conceptions.
À présent pour ré contre je -optimale, nous ne le faites pas voir n'importe quel...
Dans cette application pour cette générateur fonction,
nous ne le faites pas voir n'importe quel différence entre leur.
Cependant, un raison à légèrement préfère la D-optimal est,
là tend à être quelques convergence problèmes pour ces TNL réglages
où vous avez a obtenu à cheville plus de la une 5%
et tu es en essayant à cible un Scheffé Cubique maquette dans JMP,
donc nous avons remarqué quelquefois quelques convergence problèmes
pour la I-optimal conceptions et ce prend plus long.
La ré -optimale, si il y a ne pas beaucoup de un bénéficier à,
alors ce semble à être la plus sûr pari à coller avec la D-optimal.
À présent nous n'étaient pas pouvoir à test ce avec la simulations
car droit à présent dans JMP,
tu ne peut pas scénario dans Scheffé Cubique termes dans la BICHE
à construire un optimal motif.
Tu ont à fais ce à travers la interface graphique.
Nous n'étaient pas pouvoir à test ce, voir comment souvent ce arrive,
mais c'est Pourquoi nous avons porté vers l'avant
D-optimal dans ces simulations et nous coller avec ceux.
Si tu vouloir à dans ton applications, tu boîte essayer tous les deux ré et je
et voir Quel elles ou ils voir Comme
tous les deux graphiquement et avec la Diagnostique,
mais la D-optimal semble à être effectuer bien.
D'accord, je deviner juste donjon tirant la fil de discussion un peu bit plus loin est,
un parcelle de fois bien essayer quelques taper de un hybride motif .
Pourquoi ne le faites pas nous début dehors avec, dire, 25 espace remplissage court,
et alors augmenter ce avec quelques D-optimal critère
à Fabriquer Bien sur ce nous boîte cible la spécifique paramètres d'intérêt?
Fait ce travailler dehors jolie bien?
Ouais, nous boîte simuler ce et nous prendre un voir.
Soit nous avons a obtenu...
Cette est la même simulé fonction,
générateur fonction nous avons a été en regardant à pour tu courir la D-optimal,
pour que vous exécutiez le espace remplissage,
ou un hybride, où nous début dehors avec 25 espace remplissage court
et alors nous aller à augmenter et charger dans imeuble 15 Additionnel court ciblage
la troisième ordre maquette, et Quel nous voir est ce à présent,
nous ont non important différence dans termes de la optimisation
entre la 40-run D-optimal et la hybride motif,
Mais dans la hybride motif,
nous obtenir la bénéficier à de ceux 25 courses de remplissage d'espace.
Nous obtenir quelques intérieur court protection à adapter Additionnel effets
et protection contre les échecs sur la frontière.
C'est un peu bit Suite travailler à Positionner cette en haut.
Bien fais cette pour haute priorité projets
car seulement pour ceux car de ce supplément Coût et temps.
Mais ce Est-ce que apparaître à être un prometteur méthode.
Droit.
Pratiquement tu pense sur où ton optimal est Aller à être,
il y a un bien chance ce pourrait être dans ce intérieur espace
c'est ne pas rempli dans la D-optimal sur la les frontières.
je deviner juste peut être Aller retour,
revisiter la des idées de Quel si je avais un centre indiquer,
Quel si je avais un indiquer ce je pourrait reproduire?
Encore, peut être sur la 40- Cours motif,
si je avais cinq Suite des choses, alors juste n'importe quel autre peu pépites
ce nous appris sur la façon avec ces?
Bien, cette vient en haut un parcelle car à présent cahier de texte sera raconter tu
à ajouter cinq à Sept reproduire court.
La scientifiques sommes Aller à donner un coup tu dehors si tu essayer à fais ce.
UN parcelle de fois nous ont à Fabriquer la dispute
à ajouter même un Célibataire reproduire Cours
car ce a avantages à l'extérieur de la raccord
car à présent tu obtenir un maquette [inaudible 00:41:09]
et juste graphiquement nous boîte utilisation ce comme un diagnostique,
nous boîte voir à ce air variance relatif à la entier variance
de la entier expérience.
C'est très utile à ont,
et alors c'est Aller à être agréable à ont un dispute pour tu à dire ce,
"D'accord, étaient ne pas blesser ton optimisation routine
par y compris même un Célibataire reproduire Cours."
C'est Quel nous voir ici pour la 40 courses Exemple
par forcer une de ces à être un reproduire dans Douane motif.
Nous sommes ne pas obtenir un important différence à tout
dans termes de optimisation.
C'est ni portion ou blessé.
Allons aller en avant et fais ce,
alors ce lorsque nous ont ce En plus pièce de informations Aller vers l'avant.
je ne le faites pas ont la graphiques ici car c'est ennuyeuse.
C'est la même chose dans cette particulier application,
forcer une de leur à être un Point central.
Il y a non différence.
Partie de ce force être dans cette Cas, la D-optimal motif a été donnant nous
un Point central ou quelque chose proche à un Point central.
Ce force ne pas ont a été en changeant la motif ce beaucoup.
Tu force voir un plus gros différence
si tu aller retour à la 12 pistes motif imposer la Point central.
Mais c'est la avantage de ayant un simulation cadre construit en haut
où tu boîte prendre un voir à ce
et voir Quel est la pratique impact Aller à être pour y compris ce.
D'accord, à présent comment sur...
je mentionné je ont cette gros projet avec beaucoup de contraintes.
Aurait un contrainte peut être monnaie quelques de la résultats?
Bien, nous pourrait peut-être comprendre la contraintes
et c'est Aller à monnaie la autorisé Région dans la...
Graphiquement, tu es à Aller à voir un monnaie dans ton autorisé Région,
et nous boîte simuler ce.
Réellement, j'ai Fini ce.
je ne le faites pas ont la graphique en haut avec moi droit à présent,
mais Quel ce Est-ce que est il y a ne pas ce beaucoup un impact, SVEM toujours fait bien.
Une différence nous a fait Remarque est ce fonctionnement cette simulation
et alors contraignant la Région quelque peu est ce la espace remplissage amélioré
car c'est a obtenu un plus petit espace à remplir et ne pas comme beaucoup bruit espace,
mais la D-optimal sera effectuer
juste comme bien entre la deux avec ou sans pour autant contrainte.
Ce a été jolie intéressant à voir.
Mais tout de cette s'applique juste comme bien avec contraintes
et rien de Remarque dans termes de différence pour une analyse méthodes avec la contrainte,
à moins le relativement Facile ceux ce nous appliqué.
Droit, d'accord, étaient presque fonctionnement court sur temps ici, André,
mais je fais ont un préoccuper.
Nous ont un mal spécifié motif
et nous aurait Comme à envelopper en haut
et Pars la gens avec un peu clé plats à emporter.
Voici un Exemple où à présent cette fonctionnel formulaire
Est-ce que ne pas match n'importe quel de la effets étaient considérant
et étaient relativement appartement sur cette périmètre
où un parcelle de ceux conceptions optimales vont être
donc je vais voir comment ce œuvres dehors.
Aussi Remarque la [inaudible 00:43:52] Cholestérol Positionner à un coefficient zéro
et un vrai générateur fonction.
À présent prise ce vrai fonction Aller à profil euh production en plein dans le table
et tu boîte voir comment agréable ce est à être pouvoir à terrain ces des choses
à voir la réponse surface utilisant ce production droit dans la table.
Voici vraiment ton vrai réponse surface, et cette est ton réponse surface,
mais qu'est-ce que c'est intéressant est ce regards Comme il y a un illusion ici.
Ce regards Comme Cholestérol est percutant pour ton réponse.
Ce regards Comme ce affecte ton réponse, mais dans réalité la coefficient est zéro.
Mais la raison ce regards Comme ce est car de la mélange contrainte.
C'est Pourquoi c'est dur à analyser dehors,
qui la individuel mélange effets vraiment affecter ton réponse.
Étaient ne pas comme concerné sur ce
comme nous sommes de en disant, qu'est-ce que c'est un bien formulation Aller vers l'avant?
Dans cette paramètre, nous ajouter un peu bit de bruit, 4% CV,
qui est utilisé fréquemment dans la pharmaceutique monde.
Dans cette Cas, la moyenne étaient utilisant est la moyenne à la maximum,
qui dans cette Cas est une,
et alors aussi un beaucoup Suite extrême 40% CV.
Cette regards Suite Comme un sonar
et ils sont en essayant à trouver Titanesque ou quelque chose.
Avec un peu de chance rien de ton pharmaceutique applications voir Comme cette,
mais nous juste vouloir à voir dans cette extrême Cas comment des choses travailler dehors.
Quoi nous voir est dans la petit 12 pistes Exemple
avec relativement petit traiter variation est traiter plus rédaction variation
est ces ligne de base conceptions est allé dehors et SVEM, tout le même méthodes,
et alors si nous aller en haut à 40 courses,
la remplissage de l'espace n'est pas pouvoir à donjon en haut comme bien,
mais D-optimal sera vraiment fais mieux maintenant,
même pourtant c'est relativement appartement dehors là et la Taille où plus de la court sommes,
c'est pouvoir à prendre en haut la Signature de la surface ici.
À présent, voici la différence entre la plein maquette
et alors la remplissage de l'espace et le D- optimale.
Pas comme gros de un différence pour la SVEM méthodes,
mais tu fais toujours ont un peu queue points vers le bas ici.
Alors ils sont tout ne pas effectuer comme bien comme la SVEM linéaire,
même pourtant la SVEM linéaire
est seulement se rapprochant ce courbure pour ce réponse surface.
Si nous aller en haut à la super bruyant voir, non une Est-ce que un vraiment bien travail,
mais toujours ton seulement chance est avec la espace remplissage approches.
Mais alors lorsque nous aller en haut à la plus grande goûter Taille,
même dans la Visage de tout la traiter variation, traiter bruit,
est à présent la option a été pouvoir à rebondir dehors plus de ce bruit meilleur
et est pouvoir à Fabriquer meilleur utilisation de ceux court que la espace remplissage.
UN couple de considérations là.
Qu'est-ce que ton Cours Taille? Comment saturé est ton maquette?
Comment beaucoup traiter variation fais tu ont relatif à ton moyen de processus,
se rend dans la solde de la espace remplissage contre optimale.
Si nous prendre un voir à Quel sommes la Candide optimal points
étaient obtenir dehors de la espace remplissage contre optimale.
je suis Pardon, pour la espace remplissage,
alors Quel nous voir est étaient sur cible pour cette est ionisable et assistant.
Étaient sur cible pour tout de notre approches à l'exception pour ces dernière avec non intercepter.
Ils sont jamais sur cible,
ils sont toujours pousser tu à l'arrêt quelque part autre.
Tu boîte voir graphiquement comment ce manque de intercepter.
À présent, si nous Autoriser la intercepter, alors nous sommes sur cible.
Ce vraiment est important à décochez ce non intercepter option pour lasso.
Pour tout la personnes ce sommes ne pas utilisant JMP Pro
et ne le faites pas ont SVEM,
tu force dire, bien, d'accord, qu'est-ce que c'est ton simulation?
Ici, Quel est meilleur? AICc, contre BIC, contre Valeur P.
Malheureusement, juste utilisant la Numéro de simulations nous avons Cours,
il y a ne pas comme cohérent approcher comme là est avec SVEM.
Si vous avez a obtenu un grand Numéro de court, où il y a soit spécifié
ou correctement spécifié ou mal spécifié, la vers l'avant ou en arrière AICc fais bien.
Plein maquette Est-ce que pire, tandis que dans la plus petit paramètre,
la plein maquette Est-ce que meilleur car tout ceux termes sommes pertinent.
Aussi la Valeurs P ici, aussi.
À présent, tu voir, 0,01 Est-ce que la pire, 0,01 Est-ce que la meilleur dans grand paramètre.
Pas cohérence, quelle valeur P utilisez-vous ?
0,01, 0,05, 0,1 .
La Valeur P de cette voir est un désaccordé optimisation paramètre,
alors peut être meilleur à éviter de ce et coller avec la AICc
si tu es dans base JMP.
Cependant, nous ont vu à présent ce
la SVEM approches pour ces optimisation problèmes
fais donner tu presque universellement meilleur solutions
que la Célibataire tir méthodes.
Tu boîte obtenir meilleur solutions avec JMP P ro, avec SVEM.
Super.
je deviner nous vouloir à juste envelopper en haut.
Quelques de la clé résultats ici, André.
Ouais, et aussi, Jim, n'importe quel autre commentaires?
Fais tu ont n'importe quel autre commentaires aussi sur ces optimisation problèmes ou n'importe quoi?
Intéressant des choses nous avons vu récemment?
Nous ont, étaient en haut contre temps pour Bien sur, mais nous avons Fini quelques jolie étonnante des choses
ce nous avons viens en haut avec Nouveau conçu bois de charpente
c'est meilleur que c'est déjà a été
et propulseurs ce sommes ayant physique Propriétés
et performance ce nous n'ai pas vu avant de.
Nous ont pris un marcher,
un saut dans termes de quelques de la capacités
ce nous avons vu dans notre mélange maquette.
Boîte nous résumer avec la Souligné balle vers le bas là,
ce SVEM semble à être notre façon à aller,
et si tu seulement avais une peut être SVEM vers l'avant sélection,
tu vas être couvert jolie bien.
Oui, c'est droit, car je suis toujours effrayé.
Même pourtant la dernière lasso parfois ce regards moins avec intercepter,
quelquefois ce regards légèrement meilleur.
je ne le faites pas connaître si c'est peut être une ou deux cas étaient significativement meilleur,
mais toujours cou et cou avec vers l'avant sélection,
mais je suis toujours effrayé ce je suis Aller à Oubliez à tour à l'arrêt non intercepter
et alors donner moi même quelque chose c'est pire que Faire
ou comme mal comme Faire la plein maquette.
je suis toujours effrayé de Faire ce.
SVEM vers l'avant sélection avec de défaut paramètre semble Comme un bien sûr façon à aller.
Parfait.
Bien, avec ce, nous supporter prêt à prendre ton des questions.
