D-最適設計を適切に行うにはどうすればよいですか?こんにちは、
今は教科書のやり方に従っていますが、著者の作品を真似することはできません。
この本は、ダグラス C. モンゴメリー、実験の設計と分析 (2020) です。
445 ～ 448 ページ、例 11.3 の要約は次のとおりです。
4つの要素、
正確に 16 回の実行で、
D-最適化
JMPの使用
結果は、
ただし、この結果を真似することはできません。
JMP>カスタム DOE>
- 4つの連続因子
- RSM
- 「D-最適化」
- 実行数: 16
次の図に示すように、上記の 4 つは私が指定した値です。
ただし、結果は教科書と同じではありません。
これには、次のように、因子の 10 進数以下のレベルが常に含まれます。
したがって、教科書間には同一性がありません。
どのような点を見逃したのでしょうか?
乗り切る方法を教えてください。
高度な統計モデリングデータの探索と視覚化実験計画法Re: D-最適設計を正しく行うにはどうすればよいですか?こんにちは@MikeKim 、
最適な設計からの実験点がアルゴリズムを通じて生成されるため (座標交換アルゴリズム）そして最初はランダムな点に基づいており、ランダム性の一部が存在し、同様のパフォーマンスと特性を持つが、因子と実行の個々の実験値が異なる、異なる最適設計につながる可能性があります。
時々見られる「奇妙な」値 (1 の代わりに 0.81、または 0 の代わりに -0.22 など) は、初期のランダム値に基づいたデザイン生成プロセスが原因です。 開始回数と各デザイン世代の時間を変更すると、見つかったデザインの全体的な最適性が向上する可能性がありますが、依然としてそのような値が発生する可能性があります。 これは大きな問題ではなく、これらの値を従来の値に「切り上げる」こともできます (たとえば、0.81 を 1 に丸めるなど)。ただし、最適性が少しだけ失われる可能性があります。
同じカスタム設計を別のカスタム設計と使用したい場合、最良のオプションは、最初のランダム ポイントが同じになり、収束が同じ設計になるようにランダム シードを設定することです。解決済み: Re: DOE 生成を再現可能にすることは可能ですか? - JMPユーザーコミュニティ
この例では、このデザインを生成するために使用したシードがない場合、まったく同じ最適なデザインを見つけるのは難しいかもしれませんが、それを複数回生成し、オプションを使用して拡張することはできます。始動数そしてデザイン検索時間。
この回答があなたのお役に立てば幸いです。
Re: D-最適設計を正しく行うにはどうすればよいですか?また、多くの状況では、別の設計と最適性基準の値が同じであるため、同様に最適な設計が複数存在することに注意してください。 実行に関しては、デザインが大きく異なるように見えるかもしれませんが、JMP によって評価されたものと同じです。
解決策が 1 つしかない場合を除き、カスタム デザイン プラットフォームの下部にある [戻る] をクリックし、もう一度 [デザインの作成] をクリックして別のデザインを取得できることに注意してください。
Re: D-最適設計を正しく行うにはどうすればよいですか?ありがとうビクター。
私の意見では、実際には、因数のレベルを整数になるように修正する方法があったはずです。
2 つの計画 (D および I 最適) では、すべてのレベルが整数 (-1、0、1) であることが示されているため、ランダムな方法で生成されたものではない可能性があります。
さらに、私の設定で生成されたデザインの全体的なパフォーマンスは、作成者のものよりも大幅に不十分です。
たとえば、Pred Var: 2.2 (私の) と 1.8 (著者) と言います。
一部のユーザーが整数のレベルを望んでいることを考慮すると、JMP にはそのオプションが装備されていないのは実際には意味がありません。そのため、それを行う方法があるはずだと思います。
それで、ビクター、この問題をもう一度考えていただけますか? 機会があれば、必要に応じて以下の詳細については教科書を直接参照してください。
Re: D-最適設計を正しく行うにはどうすればよいですか?こんにちは@MikeKim 、
もちろん、離散的な数値因子があることを JMP に通知する方法があります。4 つの因子を次のように設定するだけです。離散数値3 つのレベル (-1、0、1) :
これにより、計画の生成中に、計画内の各因子に対して可能な 3 つの水準値のみを使用するという制約が追加されます。
しかし、JMP での最適な設計のための設計生成が「ランダムベース」であるという事実は変わりません。座標交換アルゴリズムとその応答に関する私の前回の投稿を参照してください。 @Mark_Bailey説明と情報のために。 そのため、パフォーマンスは似ていても動作が異なるデザインが得られる可能性があります。
同じモデル (主効果、交互作用、二次効果)、最適性基準 (D)、および実行サイズ (16) を使用して生成したものは、書籍の D 最適計画と同様の予測分散 (1,86 対 1) を持っています。 ,係数の具体的な設定については本書の 80):
離散数値因子を使用して作成した D-Optimal 計画を添付しましたので、ご覧ください。
同じ因子設定と方法論に従えば、教科書に記載されているものと同様の性能と特性を備えた、満足のいく I 最適計画を生成できるはずです。
この回答があなたのお役に立てれば幸いです、
Re: D-最適設計を正しく行うにはどうすればよいですか?因子を離散として指定すると、設計が整数ベースになることは承知していますが、作成者の意図と問題の文脈を考慮すると、因子を離散として指定する可能性は低いですが、私の質問に多大な関心を示してくれたことに感謝します。あなた。
少なくとも2人のJMP専門家は、実際に教科書を模倣したものは存在しないことを示したので、教科書に間違いや誤解があるか、あるいはJMPのバージョンが異なることで異なる結果が生じる可能性があります。
ご丁寧なご回答ありがとうございました。
Re: D-最適設計を正しく行うにはどうすればよいですか?私の回答がお役に立てて嬉しいです。 離散数値因子の「トリック」は最適な計画生成に使用できますが、計画が取得されたら、問題の元のコンテキストと一致させるために因子モデリング タイプを数値連続に戻すことができることに注意してください。
上で述べたアプローチ (離散的な数値因子を使用) でいくつかの計画を生成してみて、プラットフォームのカスタム デザインで使用される座標交換アルゴリズムについてリストされているリソース (および利用可能なその他のリソース) を読むことを強くお勧めします。
しつこく言って申し訳ありませんが、1 回のトライアルで本のデザインを正確に模倣する唯一の方法は、ランダム シードをデザイン生成に使用し、それを JMP でも使用することです (以前の記事でリストしたトピックが 1 つありました)この側面を扱う回答)。 ランダム シードを固定すると、同じ初期ランダム ポイントから開始して、(設計生成中に) 同じ最終的な最適な設計に収束することができます。 この情報がない場合は、想定したモデル、要因仕様、および制約に対応する、同様のパフォーマンスと特性を備えた複数の最適な設計を作成できる可能性が高くなります。 このユースケースでは、複数の最適な設計が可能ですが、唯一の可能な最適な設計というものは存在しません。そのため、教科書と同じ設計ではなく、非常に近いパフォーマンスの別の設計が得られるのです。
教科書や JMP 側には間違いはありません。最適な設計生成の背後にあるランダム性により、複数の類似した (パフォーマンスの点では、ただし実験の実行の点では異なる) 設計に収束することができます。
この補足的な回答で誤解が解消されることを願っています。
