Hallo, alle, Und Willkommen Zu JMP Entdeckung.
Andreas Karl Und Heide Hetzen.
I haben a Präsentation Heute das ist gehen Zu Highlight
manche von Die Merkmale In JMP 17 Pro das Wille helfen Du aus
In Die Welt von Mischung Modelle.
Viele von Du Sind beteiligt In Formulierungen,
Und Zu Sei ehrlich, das ist Was wir haben gewesen tun a viel in letzter Zeit.
War a viel wie Krankenwagen Verfolger, Wo Also Nur gehen nach
Die letzte 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 Genau genommen ganz Komplex Und mehr Also als heiraten immer wissen.
Wir Nur entschieden Wir würde Tun manche Tiefer Untersuchung
mit manche von Die neu Techniken, die out sind,
Und Das JMP 17 führt für uns.
Andreas, würde Du wie Zu erhalten gestartet Und Vielleicht geben a wenig bisschen von Hintergrund
An Die ganz Idee von Was a Mischung Modell Ist,
Und manche von Die andere Techniken?
Okay, also lasst uns Start aus mit a Hübsch, einfach Graph.
Lasst uns nehmen a sehen über Hier bei Die Handlung An Die links.
War In ein Experimental- Einstellung,
also jetzt I vermuten wir haben bekommen zwei Faktoren,
Bestandteil A Und Bestandteil B, Und Sie Reichweite aus 0:1.
Wenn es gibt NEIN Mischung Einschränkungen, Dann alles In Die Schwarz Quadrat
Ist a machbar Punkt In Das Faktor Raum,
und so unser Design Routine Ist gehen Zu geben uns Punkte irgendwo In Das Raum.
Jedoch, Wenn es gibt a Mischung Zwang
Wo diese haben Zu hinzufügen hoch Zu eins, Dann nur Die Rot Linie Ist machbar.
Wir wollen Zu erhalten a bedingt Optimum
gegeben Das Zwang, Und Wir wollen Zu Ende hoch
irgendwo In Das Linie für beide unser Design Und unser Analyse.
Wenn Wir bewegen hoch Zu drei Mischung Zutaten,
A, B Und C, alle fähig Zu variieren aus 0-1,
Dann Wir erhalten a Würfel für Das 0-1 Zwang für jede von ihnen.
Aber mit Die Mischung Einschränkungen, Das dauert Die bilden von a Flugzeug
sich überschneidend a Würfel, Und Das gibt uns Das Dreieck,
Also nur Das Rot Dreieck Ist relevant aus von Das gesamte Raum.
Wenn Wir haben vier Abmessungen, Wenn Wir haben vier Mischung Faktoren,
Dann Das zulässig Faktor Raum Ist Genau genommen a drei- dimensional Teilmenge,
a Pyramide innerhalb Dort.
Suchen zurück Zu Die drei- Mischung Einstellung.
Sehen Das Dreieck? Das ist Die erlaubt Region.
Also, das ist Warum JMP gibt uns diese ternär Grundstücke.
Für diese ternären Diagramme gilt:
Was JMP Wille Tun Ist, Wenn Du haben mehr als drei Mischung Faktoren,
Ist du wirst haben zwei Faktoren gezeigt bei a Zeit,
Und Die dritte Achse Wille Sei Die Summe von alle Die andere Mischung Faktoren.
Wir dürfen sehen bei diese ternäre Diagramme, eher als haben Zu haben a Pyramide
Das war suchen hindurch.
Wir haben Zu entscheiden, tun wir wollen a Raumfüllendes Design
oder ein optimal Design?
Jetzt, normalerweise In a Nichtmischung Einstellung, heiraten normalerweise verwenden ein optimal Design,
Und für Die am meisten Teil, Wir würde nicht halten a Raumfüllendes Design.
Es gibt a wenige Gründe Das Wir wollen Zu halten
a Raumfüllendes Design In Mischung Einstellungen.
Oft In Die Formulierungen Welt, Wenn Du gehen zu weit,
es gibt a wenig bisschen mehr Empfindlichkeit Zu gehen zu weit In dein Faktor Raum,
Herstellung Es zu breit, Dann dein gesamte Verfahren schlägt fehl.
S annehmen Das passiert über Hier Wo X2 Ist.
Vermuten Es schlägt fehl alles unten 0,1.
Du bist gehen Zu verlieren a Gut Brocken deiner Läufe Weil Die optimal Design
neigt dazu setzen am meisten von dein Läufe An Die Grenze von Die Faktor Raum,
Also du bist gehen Zu verlieren diese.
Du bist nicht gehen Zu Sei laufen können dein voll Modell
mit Die übrig Punkte, Und du bist nicht gehen Zu haben
beliebig Gut Information um Wo Das Versagen Grenze Ist.
Für Die Raumfüllendes Design, Wenn Du haben manche Art von Versagen
unter 0,1, du bist verlieren a kleiner Nummer von Punkte.
Dein übrig Punkte Trotzdem geben Du a Raumfüllendes Design
In Die bestehende Raum Das Du dürfen verwenden Zu fit Die Modell Effekte,
und jetzt war gehen Zu Sei fähig Zu Modell Das Versagen Grenze.
Auch In Die Mischung Welt, Wir oft sehen höher Befehl Effekte aktiv:
Wechselwirkungen oder Krümmungen, Polynome,
als Wir könnte sehen In Die nicht- Mischung Einstellung.
Wenn Wir nicht angeben diese, Weil beliebig von diese Modelle Sind optimal,
bedingt An Die Ziel Modell Wir geben, Also Wenn Wir nicht angeben ein Wirkung Operator
für Die optimal Modell, Wir könnte nicht Sei fähig Zu fit Es
nach Die Tatsache, Weil Sie könnte Sei Alias
mit andere Effekte Das Wir haben.
Diese raumfüllend Läufe Akt als etwas von a fangen- alle von möglich läuft,
Also es gibt a Paar von Gründe
Das Wir könnte wollen Zu halten Raum Füllung läuft,
Aber Wir wollen Zu nehmen a sehen analytisch.
Was ist Die Unterschied In Leistung zwischen diese,
nach Wir laufen durch Modell Reduktion, nicht Nur bei Die voll Modell,
Weil war nicht werde einfach Sei mit Die voll Modell.
Das ist Die Design Phase Frage.
Wann Wir gelangen Die Analyse,
wann immer du bist suchen bei diese Mischung Experimente In JMP,
JMP automatisch dreht sich aus Die abfangen für Du,
Weil Wenn Du wollen passend zum voll Modell
mit alle von dein gemischt bleiben Effekte, Du kippen enthalten Die abfangen.
Du wirst erhalten Das Warnung
Weil Die Mischung- gemacht Effekte Sind eingeschränkt Zu eins,
Und Sie hinzufügen hoch zu was Die abfangen Ist, Also Sie sind Alias.
Auch, Wenn Wir wollen Zu sehen bei höher Befehl Effekte,
Wir kippen Sei wie a Antwort Oberfläche Wo Wir haben rein quadratisch Bedingungen.
Wir haben Zu sehen bei diese Küchenchef Kubisch Bedingungen
Weil Wenn Wir versuchen Zu sehen bei Die Wechselwirkungen
Plus Die rein quadratisch Bedingungen, Dann Wir erhalten andere Singularitäten.
Diese Sind a Paar von Falten In Die Analyse.
Jedoch, gehen nach vorne mit Die Modell Auswahl Methoden,
Nach vorne Auswahl oder Lasso, welche Sind Die Base Methoden
von Die ALLES Methoden, die war gehen Zu Sei suchen bei,
Wir wollen Zu halten Manchmal Drehen aus Das Standard 'NEIN abfangen' Option.
Was Wir finden Ist für Die Lasso-Methode Wir Genau genommen haben Zu mach das
In Befehl Zu erhalten vernünftig Ergebnisse.
Nach Wir fit unser Modell, Jetzt Wir wollen Zu Tun Modell Reduktion
Zu Kick aus irrelevant Faktoren.
Wir haben bekommen a Paar von anders Wege von tun Das In Base JMP .
Wahrscheinlich Was Menschen Tun am meisten häufig Ist Sie verwenden Die Wirkung Zusammenfassung
Zu gehen rückwärts An Die P- Werte, Und Kick aus Die klein P- Werte.
Aber Das Ist hübsch instabil Weil von Die Multikollinearität
aus Die Mischung Zwang, Wo Treten aus eins Wirkung
dürfen drastisch ändern Die p-Werte von Die übrig Effekte In Die Design.
Was Das Handlung zeigt Ist Wenn Wir gehen rückwärts An P- Werte,
Was Ist Die größten p-Wert das ist getreten aus
Und Wir sehen einige springen herum Hier Und das ist aus Das Wirkung.
Gegeben Das Art von Volatilität In Die Beschlag Verfahren,
Du dürfen vorstellen Wenn Du haben klein Änderungen
In dein beobachtet Antworten, Vielleicht sogar aus Test Variabilität,
oder beliebig andere Variabilität, Nur klein Änderungen dürfen führen
Zu groß Änderungen In Die reduziert Modell
Das Ist präsentiert als a Ergebnis von Das Verfahren.
Das hoch Modell Variabilität Ist etwas das würde Sei Hübsch
Wenn Wir könnte Durchschnitt über In manche Weg, In Die Dasselbe Weg Das Vielleicht
mit Bootstrap für Ost Wir Durchschnitt über Die Variabilität
von Die WARENKORB Methoden oder Die Partition Methoden
Und das ist Was Die ALLES Methoden würde Sei suchen bei tun.
In Die lose Sinn, Sie sind Art von Die analog dazu,
für Die linear Methoden war suchen bei.
Auch Wir dürfen gehe zu Schritt weise Und sehen bei Mindest-AICc,
welche Ist Vielleicht Die bevorzugt Verfahren.
In unserem zuletzt gleiten der Show Heute Also Sei Einnahme a sehen bei,
für Die Base JMP Benutzer, AICc gegen B IC gegen p-Wert Auswahl
mit unser Simulation Diagnose.
Geben Kredit Zu a viel von Die bestehende arbeiten Und führend hoch Zu Die ALLES Ansatz.
Diese Sind manche Großartig Referenzen Das wir haben gebraucht über Die Jahre.
Auch wollen Zu Dank Chris Gottwalt für sein Geduld Und Antworten Fragen
Und Teilen Information als Sie haben entdeckt Dinge entlang Die Weg.
Das ist wirklich geholfen Satz uns hoch Zu Sei fähig Zu setzen Das Zu Gut Wirkung In üben.
Apropos von In üben, Wo haben Wir gewesen mit Das ganz a bisschen
über Die Jahre Ist Die Einstellung von flüssig Nanopartikel Formulierung Optimierung.
Was Ist Lipid Nanopartikel Formulierung? Nun, ein Lipid-Nanopartikel,
Wenn du hast bekommen beliebig mRNA COVID Impfungen Pfizer, Modern, Dann du hast bekommen diese.
Was diese Tun Ist Du nehmen a Mischung von vier anders Lipide, zusammengefasst Hier,
Und Sie bilden diese wenig bitty Blasen.
Dann diese Sind elektrisch aufgeladen,
Dann Sie tragen entlang mit ihnen a genetisch Nutzlast,
mRNA, DNA, oder andere Nutzlasten Das entweder fungieren als Impfungen
oder dürfen Ziel Krebs Zellen.
Der elektrisch Aufladung zwischen Die genetisch Nutzlast,
und dann Die Gegenteil Aufladung In Die Nanopartikel Ist Was verbindet.
Dann Wir will es Zu erhalten durch Die Zelle Und Dann freigeben Die Nutzlast innen.
Der Formulierung Änderungen abhängig An Was Die Nutzlast Ist.
A auch Manchmal Wir könnte ändern Die Typ von ionisierbar Lipid,
oder Die Typ von Er lper Lipid Zu sehen welche eins tut besser,
Also Wir haben Zu wiederholen Das Verfahren über Und über.
Für Die am meisten Teil, Die Wissenschaftler haben gefunden Das diese
Bereiche von Vielleicht 10-60% für Die Lipid Einstellungen
und dann a schmaler Reichweite von 1-5%.
Das ist für Die am meisten Teil Die machbar Reichweite für Das Verfahren.
Das ist gewesen erforscht aus, Und das ist Was Die Geometrie
Wir wollen Zu übereinstimmen Hier In unser Anwendung Ist.
Wir wollen Zu sagen, angesichts dessen, dass Struktur, die war tun immer und immer wieder,
tun wir haben ein Ideal Analyse Und Design Verfahren für Das?
A auch Wir wollen Zu Satz hoch a Simulation Das Wenn war suchen bei andere Strukturen,
andere Geometrien für Die Faktor Raum, Vielleicht Wir dürfen verallgemeinern Zu Das,
Aber das ist gehen Zu Sei unser Fokus für Rechts Jetzt.
Gegeben Das Hintergrund,
Ich bin gehen Zu lassen Jim Jetzt zusammenfassen Die ALLES Ansatz Und sprechen um Das.
Ja, Dank Du.
Das besondere Entdeckung Präsentation,
Was war gehen Zu tun ist a wenig etwas zentrierter An Steckdose,
Leider, Weil Die Ergebnisse Sind Wirklich Was Das Ist alle um
für Die Simulationen Das wir haben Erledigt.
Aber Das besondere Sitzung, I Wille zeigen Du manche von Die JMP 17
Das Wir haben neu Fähigkeit.
Wenn I gehen Und I wollen Zu Satz hoch a Raumfüllendes Design ...
Jetzt, vorher Wir waren nicht in der Lage zu tun Mischung Modelle mit Raumfüllende Designs
direkt von aus von Die Kasten, Wenn Du Wille.
Wir sicherlich könnte setzen Einschränkungen In Dort,
Aber Jetzt Was Wir wollen Zu Tun Ist zeigen Du Wie Du dürfen Tun
a Raum F Füllung Design mit diese Mischung Faktoren.
Das Ist neu Das I Jetzt haben diese kommen In als Mischung,
welche Ist Gut Weil Es Jetzt trägt
alle von diese Spalte Eigenschaften mit Es als Also.
Eins Ding Wert Erwähnung Rechts jetzt ist
Die Standard Ist du bist gehen Zu erhalten 10 Läufe pro Faktor,
Also 40 Läufe In a Damhirschkuh typischerweise Ist Gut
Und Wir Sind glücklich, weil unser Macht ist Also über 90 %
oder was auch immer unser Kriterien Ist.
Aber das ist nicht Die Fall [unverständlich 00:09:54] diese Mischung Modelle
Weil es gibt Also viele Einschränkungen inhärent In Es.
Was Das Ist erzählen Mich, Leider, Ist sogar Wenn I war Zu haben 40 läuft,
Ausweis Trotzdem nur haben 5 % Leistung aus tun Küchenchef Kubisch
Und sogar Wenn es ist Haupteffekte nur, es gibt nur 20 % Leistung.
Leistung Jetzt Ist nicht Wirklich a Design Kriterien Das war gehen Zu sehen Zu
Wann Wir Tun diese Mischung Modelle.
Jetzt, typischerweise In unser Anwendungen,
Leider, Wir nicht haben Die Luxus von haben 40 läuft.
In Das Fall Also Tun 12 Läufe Und sehen Wie Das kommt aus.
Also gehen voraus Und machen dieser Raum Füllung Design,
Und Sie können sehen, dass es Vielleicht gleichmäßig verbreiten hindurch Die Oberfläche.
Von Kurs, Wir Tun weiß, dass war begrenzt mit manche von diese Jungs Hier
Das Wir kann nur gehen aus 1 -5% An Die Polyethylen Glykol.
Was I wollen Zu jetzt tun Ist Nur gehen Zu schnell nach vorne.
Jetzt lasst uns sagen Ich habe laufen Das Design Und Ich bin bereit Zu Tun Die Analyse.
Das Ist Wo ALLES Ist Wirklich gemacht riesig Fortschritt
Und Wenn Du Hören Zu manche von Chris Und Phil Ramseys arbeiten
aus Dort An JMP Gemeinschaft, du wirst sehen Das Ist a Schritt ändern.
Das Ist a Spiel ändern In Bedingungen von dein analytisch Fähigkeit.
Wie würde Wir Tun Das In 16?
In JMP 16 Was heiraten haben Zu Tun Ist heiraten haben Zu kommen durch,
und eigentlich es ist Wert gehen durch die Schritt Nur Weil Es gibt Du
a wenig bisschen von Einblick, obwohl Die primär Mission
von Das Briefing oder Das sprechen Ist nicht ALLES,
Es Wille geben uns ein Idee von was ist gehen An.
Was Wir dürfen Tun Hier Ist Wir dürfen gehen voraus Und Also machen Die Auto Validierung Tisch.
Das Ist Die JMP 16 Methodik.
Was du wirst Notiz Hier Ist wir haben gegangen aus 12 Läufe Zu 24.
Wir Nur verdoppelt ihnen Und Du sehen Die Validierung Satz.
Der Ausbildung Mai Sei die ersten 12, Validierung Die nächste 12.
Das ist was ist hinzugefügt Und Dann Wir haben Das Gewicht.
Das Ist Die Bootstrap Gewicht Und es ist fraktional gewichtet.
Was passiert Ist Wir Wille gehen voraus Und laufen Das Modell
Und kommen hoch mit a vorhergesagt Wert,
Aber Dann Wir brauchen Zu ändern diese Gewichte Und Dann halten tun Das über Und über
für unser Bootstrap, ähnlich wie a zufällig Wald, Idee für Die ALLES.
Jetzt Was Ist nützlich Ist Zu Art von nehmen a schnell sehen.
Was Ist Die Geometrie von diese Gewichte?
Wir dürfen sehen Sie sind Anti- korreliert,
Bedeutung, wenn in Die Ausbildung Satz dass ich niedrig,
Ich bin wahrscheinlich gehen Zu Sei hoch In Die Validierung Satz.
Das Ist Art von a schnell wenig visuell von Das Beziehung.
Jetzt Ich bin bereit Zu gehen Tun Mein Analyse In JMP 16.
Es würde Sei analysiert Und heiraten Nur Tun unser fit Modell.
Von Kurs, Wir wollen a verallgemeinert Regression
Und Also gehen durch Und Tun a Küchenchef Kubisch Hier,
Weil es ist a Mischung.
Aber hier ist Wo Wir haben Zu hinzufügen In Die Schritt,
Wir setzen Die Validierungssatz als dein Validierung Spalte
Und Dann Das Validierung Gewicht Ist gehen Zu Sei Das Frequenz.
Jetzt I dürfen laufen Das.
Von Die Weg Wir könnte,
In viele von unser Instanzen war nicht Normal, war Protokoll Normal,
Wir könnte setzen Das In Rechts Dort.
Hier Wir haben unser verallgemeinert Regression Fähigkeit
Zu gehen voraus Und laufen Das Modell Und voilà, Dort Sind Die Schätzungen.
Was Wir würde Tun dann kommen wir hierher unter Die Speichern Die Vorhersage Formel.
Dann Hier Ist eins laufen.
Okay, Also Wir bekommen eins laufen.
Du dürfen sehen Das Die Spitze Ist 15.17 Uhr, Und Wir Genau genommen gesehen 15.23 Uhr,
Also nicht schlecht In Das Modell,
Aber Wir würde Tun Das über Und über.
Wir gebraucht Zu Tun Es um 50 mal oder Also.
Aber mit JMP 17, Jetzt Das ganz Verfahren Ist automatisiert Zu uns.
Wir nicht haben Zu Tun Das 50 mal Und Dann nehmen Die Durchschnitt
von diese Vorhersage Formeln.
War fähig Zu gehen direkt bei Es.
Wenn I kommen zurück Zu Mein Original Design Hier mit Die Antwort,
I dürfen erhalten Rechts bei Es.
Von Die Weg, Das Ist zeigt, dass I haben ein anderer Zwang setzen In Hier.
A viel von mal Wir haben Die Apotheke Und Biochemiker wie Zu sehen Das
Zu machen Sicher Das Die Verhältnisse basierend auf molekular Gewichte Sind innerhalb Grund.
Nicht nur Tun Wir haben Die Mischung Einschränkungen,
Wir Auch haben a viel von andere Einschränkungen.
Ich bin Arbeiten mit a Gruppe, in der Wir haben Vielleicht 15 anders Zutaten
Und wahrscheinlich 30 Einschränkungen In Zusatz Zu Die Mischung Einschränkungen,
Also diese Methoden arbeiten und skalieren,
wahrscheinlich Ist Die am besten Weg Zu sagen Es, hübsch Also.
Jetzt Das Ist 17, Also 17 I dürfen 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 Regression.
In Das Fall, Wir nicht brauchen Zu Sorge um diese Jungs In Hier.
Wir dürfen ändern Es Zu log normal Wenn Wir Also Wunsch.
Eins von Mein Auswahlmöglichkeiten In Die Schätzung
stattdessen von Nach vorne Ist In Tatsache ALLES Nach vorne,
Also I Tun ALLES Nach vorne Und Ich bin gehen Zu gehen Tun 200.
Du wirst sehen, wie schnell Sie haben Das abgestimmt.
Wirklich die nur Ding Du dürfen Tun In fortschrittlich Bedienelemente
Ist überprüfen ob oder nicht Du wollen Zu Gewalt a Begriff In.
I Schlag Gehen Und sofort Ich habe Erledigt 200 Bootstrap Proben für Das Problem.
Von Kurs, I Jetzt dürfen sehen bei Die Profiler
Und Das Ist Die Durchschnitt von Die 200 läuft.
Das ist Art von Mein Ende Modell, Wenn Du Wille.
Von Kurs, mit Vorhersage Profiler,
Dort sind Hunderte von Dinge Du dürfen von hier aus
Und Andreas werde berühren An a Paar mehr von diese.
Aber zwei andere Dinge Wert stellt fest Hier,
Krank speichern Die Vorhersage Formel als Also Und nehmen a sehen bei Das Kerl.
Wann I sehen bei Die Vorhersage Formel,
Krank Notiz Das Es Ist In Tatsache bereits gemittelt aus für Mich Hier.
Das Ist der Durchschnitt der 200 anders Proben Das Sind aus Dort.
Mit Das, Das Ist Die Demo,
Und Also gehen zurück Zu suchen bei Die Diagramme Dort Zu sagen,
"Nun, was Ist Es Das war Sehen In Bedingungen von Die Ergebnisse von ALLE?"
Andreas, Wenn Du wollen Zu ziehen hoch Das gleiten.
Das Ist Vielleicht a schnell visuell.
Du dürfen sehen Das Wenn I sehen bei diese Erste drei,
In Das Fall, Rot Ist schlecht.
Was war suchen bei Hier Ist Die nominal Abdeckung.
Das Ist a Mischung Modell
bei Die vorhergesagtes Optimum Stelle von Leistung.
Wir dürfen sehen Das Die Standard Schritt weise Jungs Sind nicht tun zu Also.
Das ist Die rückwärts Und nach vorne AIC.
Das Ist Die Abdeckung Preise.
Heiraten wie Es Zu Sei a nominal 5 % Fehler Das Wir nicht Genau genommen sehen
Die WAHR Antwort In Die Vorhersage oder Genau genommen Die Vertrauen Intervall.
In andere Wörter, Wann Wir sah bei Die Profil
Das Wir Nur sah, es gibt uns a Vorhersage oder Vertrauen Intervall
War Die WAHR Wert,
welche Wir wissen Weil war spielen Die Simulation Spiel, Rechts?
Wir wissen Was Die WAHR Wert Ist, Was Prozentsatz von Zeit War Das In Dort?
Wir dürfen sehen Das Wir nicht Tun als Also mit unser klassisch Methoden.
Der voll Modell, Putten alle Die Begriffe in,
Lasso tut hübsch Also bei a 10 % Rate oder Also,
Aber es ist nicht bis Wir erhalten die SVEM-Methoden Hier Das Wir Start Sehen
Das war wirklich Erfassung Und bekommen Gut Abdeckung.
A Gut Vielleicht Bild Zu halten In dein Geist,
Das Wir Sind Weg übertreffen manche von Die andere Methoden aus Dort
Wann Es kommt Zu Die Fähigkeit.
Jetzt, In Bedingungen von Wie Das Simulation,
Was war Fokussierung An Hier Ist a wenig bisschen anders als Was Du Mai denken Sie an,
In Bedingungen von a Simulation Wo wir suchen bei a Modell Und sagen,
"Wie Also tat Wir Tun mit Das besondere Verfahren?"
Wir könnte messen Das von Wie Die tatsächlich gegen Die vorhergesagt Ist
Und Dann heiraten erhalten eine Art a bedeuten kariert Fehler.
Wir Tun Schiene Das Wert,
Aber Wir finden In unser arbeiten, war viel mehr betroffen um Finden
Das optimal Mischung, Wenn Du Wille, mit Die optimal Einstellungen Das erreichen uns
a maximal Potenz oder minimiert einige Nebenwirkungen
oder hilft uns mit Das [unverständlich 00:18:58]
Das ist gehen Zu Sei genannt die "Prozent von max" Das war suchen für.
War gehen Zu verwenden Das als unser primär Antwort Hier
In Bedingungen von Sein fähig Zu auswerten welche Methoden übertreffen andere.
Es ist nicht Wirklich gehen Zu Sei,
Wie weit weg Bin I aus Die Standort von Die optimal Wert?
Es ist Wie weit ist das Antwort, dass I vorhergesagt als optimale
Wie weit Ist Das aus Die tatsächlich Optimum?
Das ist gehen Zu Sei unser messen von Erfolg.
Der Weg Das Wille arbeiten Ist Krank Sei fragen Andreas a wenige Ideen Hier
In Bedingungen von Was typischerweise kommt hoch In üben.
I gesehen Die Geometrie er zeigte Mich früh An
Und Die optimal Design War stets Schlag Die Grenzen.
Was Wenn I wie Dinge Das Wir Anruf mehr mischen, Rechts?
Du haben mehr gemischt Sachen In Die Mitte,
Raumfüllung, welche Ist besser.
Wenn I Tun verwenden ein optimal Design,
Es Standardeinstellungen Zu D Vielleicht, Aber Was um I Und A?
Dann Wie um Die Alter- alt DAMHIRSCHKUH Hinzufügen Mittelpunkte?
Ist Das schlau? Oder Ist eins Mittelpunkt?
Oder Wie um repliziert?
Wir haben bereits diskutiert Wie war nicht Sein hilfreich,
Also Was Ist a hilfreich messen von a Gut Design?
Das ist Die Design Stück, Aber Auch Die Analyse Stück ist,
Ist Dort a besondere Verfahren Das übertrifft alle,
oder Sind Dort bestimmt Bereiche Das Wir sollen Fokus An
mit Lasso Und andere,
Das Wir sollen Nur verwenden SVEMs für Auswahl?
Diese Sind praktisch Fragen Das kommen hoch aus alle von unser Kunden,
Und heiraten wie Zu Aktie mit Du
manche von Die Ergebnisse Das Wir erhalten aus Die Simulation.
Andreas, Du wollen Zu geben uns
a wenig bisschen mehr Einblick hinein unser Simulation Verfahren?
Ja, Danke, Jim.
Vor I Tun Das,
I Nur wollen Zu Punkt aus eins Werkzeug
Das wir haben gemacht schwer verwenden von In Die Analyse von unser Ergebnisse,
Und Leider, Wir nicht haben Zeit Zu vertiefen hinein Die Demo,
Aber Es hat gewesen Also nützlich ist, innerhalb Die Profiler
Zu sehen bei Die Ausgabe zufällig Tisch für diese Mischung Entwürfe
Und Zu sehen bei Die Antworten besonders,
Wir häufig haben Potenzen durch Seite Effekte.
Wir haben mehrere Antworten,
dass wir wollen Gleichgewicht Das aus mit Die Erwünschtheit Funktion,
Und Dann war gehen Zu sehen bei Die Person Antworten selbst.
Wann Wir Ausgabe a zufällig Tisch, Wir erhalten a Raum Füllung Design,
grundsätzlich nicht a Design, Aber Wir füllen hoch Die gesamte Faktor Raum,
Und war fähig Zu sehen bei Die marginal Auswirkungen
von jede von Die Faktoren über Die gesamte Faktor Raum.
Für Beispiel, für Die ionisiert Lipid Typ,
Was Also häufig sehen Ist, Wir dürfen sehen Das Vielleicht eins hat
a untere marginal Verhalten über Die gesamte Raum.
Aber seit war wollen Zu optimieren,
Wir Pflege um Was Die max von jede von diese Ist,
Und eins von diese Wille deutlich Sei besser oder schlechter.
War suchen bei Die reduziert Modell.
Nach Er passt ihnen, Also gehen Zu Die Profiler Und Tun Das.
Wir dürfen Trotzdem erhalten Die analytisch Optimum aus Profiler,
Aber In Zusatz Zu Das,
Das gibt uns mehr Information draußen von Nur Das Optimum.
Was Wir könnte Tun Hier Ist für Kandidat läuft,
Weil Wir stets läuft unser Bestätigung Läufe
nach diese Formulierung Und Optimierung Probleme
Ist Wir könnte laufen Die global Optimum Hier für H 102,
Wir könnte wählen aus Die bedingt Optimum für H 101
Und sehen welche eins tut besser In üben.
Auch, suchen bei Die ternär Grundstücke,
Wenn Wir Farbe diese von Erwünschtheit oder von Die Antwort,
Wir dürfen sehen Die mehr oder weniger wünschenswert Regionen
von Das Mischung Raum,
Also Das dürfen helfen uns als Wir entweder erweitern Die Design
oder entweder enthalten zusätzlich Bereiche In Die Faktor Raum,
oder Zu ausschließen Bereiche.
I kippen Tun viel mehr mit Das Rechts Jetzt,
Aber I gesucht Zu Punkt Das aus
Weil das ist a sehr wichtig Teil von unser Analyse Verfahren.
Wie Tun Wir auswerten manche von diese Optionen
innerhalb Das Typ von Geometrie von a Faktor Raum?
Wir gebaut a Simulation Skript Das Wir haben geteilt An Die JMP Webseite,
Und Es erlaubt uns Zu Stecker Und spielen für anders Probe Größen In gesamt,
Wie viele Läufe sind In Die Design?
Wir haben a WAHR bilden Auswahl
Das gibt uns Die WAHR Generierung Funktion hinter Die Verfahren,
a Design Typ, entweder Raum Füllung oder optimal.
Der optimal Design Jetzt Ist gehen Zu Sei von a bestimmt Minimum Größe
basierend An Die Nummer von Effekte Das war Zielausrichtung.
Tun Wir haben a zweite -Befehl Modell, a dritte -Befehl Modell,
a Scheffé Cubic Modell?
Was Tun Wir haben?
Normalerweise, wann immer Du bauen a Modell Und Brauch Design In JMP,
Es schreibt a Modell Skript aus Zu dein Tisch Und Dann Du verwenden Das Zu analysieren Es.
Also, etwas wir haben erforscht Ist erlaubend a reicher Modell
als Was Wir erhalten, Was Wir Ziel,
Und Sind Wir fähig Zu verwenden diese Methoden mit ALLES
Und erhalten zusätzlich verbessert Ergebnisse,
sogar obwohl Wir nicht ursprünglich Ziel diese Effekte In Die Design?
Der kurz Antwort Dort Ist Ja.
Das ist etwas anders Wir wollen Zu halten,
Also Wir erlauben uns mit Die wirksam Auswahl
Zu enthalten zusätzlich Effekte.
Wir dürfen sehen bei Die Auswirkungen von Hinzufügen Replikate oder Mittelpunkte
Und Das Brauch Trunkenheit am Steuer Dialog Zu erzwingen diese.
Wie tut Das beeinflussen unser Antwort?
Weil beliebig von Die Zusammenfassungen Das Du erhalten aus von Die Design
Und aus das Design Diagnose Sind Anfang Zielausrichtung Die voll Modell,
entweder mit respektieren Zu Vorhersage Varianten,
D-optimal, Sie sehen Standard Fehler für Die Parameter.
Aber Was Wir Wirklich Pflege um Ist Wie Gut Ist Die Optimum
Das war bekommen aus von Das,
Also das ist Was war gehen Zu nehmen a sehen bei mit diese Simulationen.
Für Die am meisten Teil In diese LMP Optimierung Szenarien,
a viel von mal, Also kommen über zwei Situationen.
Der Wissenschaftler Wille sagen, „Ich habe bekommen um 12 Läufe verfügbar,
Und Vielleicht es ist nicht Das wichtig von a Verfahren,
oder Die Material Ist sehr teuer,
Und I Nur brauchen Zu Tun Die am besten I dürfen mit 12 läuft. Das ist Was Ich habe bekommen."
Oder Es könnte Sei etwas Wo Sie haben bekommen a Budget für 40 läuft,
Und Sie dürfen fit a voll zweite -Befehl Modell
Plus dritte Befehl Mischung Effekte,
Und Wir wollen Zu versuchen Zu charakterisieren Das gesamte Faktor Raum
Und sehen Was Die Antwort Oberfläche Aussehen wie über Die ganz Ding.
Diese Sind Die zwei Szenarien war gehen Zu Sei Zielausrichtung In unser Simulation.
Jim, I denken Du hatte manche Fragen
um Leistung unter anders Szenarien.
Was War dein Erste Frage Dort?
I tat.
I erraten Wann I denken um a 12- laufen Szenario Hier,
Und Wenn I Nur gehen mit Die Standard, Ausweis erhalten a D -optimal
Und Es würde Sei hauptsächlich Effekte nur.
I erkennen I könnte Tun Die Raum Füllung wie I Nur tat,
Aber Mein Frage Ist, Wenn I Tun Die Standard,
welche eins von Die Analyse Methoden würde Sei bevorzugt?
Oder Ist Dort eins?
Okay, Also Einnahme a sehen bei Das.
Für Die D- optimal Design, als a allgemein Regel,
es ist gehen Zu setzen fast alle von es ist Läufe entlang Die Grenze von Die Faktor Raum
Und es ist nicht gehen Zu haben beliebig Innere Läufe
es sei denn Du haben quadratisch Bedingungen oder etwas Das erfordert Das.
Mit a 12 -laufen Design,
es gibt 90 Grad von Freiheit erforderlich Zu fit alle Die hauptsächlich Effekte Hier.
Wir haben bekommen a wenige Grad von Freiheit für Fehler,
Aber meistens war nur Zielausrichtung Die hauptsächlich Effekte Hier.
Wie Tun Die Analyse Methoden Tun?
Ist Dort beliebig Unterschied In Die Analyse Methoden?
Was Wir Tun, Und alle von diese war gehen Zu zusammenfassen,
Wir zeigen Die Prozent von max für alle von unser Simulationen Das Wir Tun,
Und Also Wir dürfen sehen Das Verteilung für jede von Die Analyse Methoden,
alle für Das 12- laufen, D-optimal Design Ziel Effekte.
Dann Wir Auch zeigen beliebig bedeutsam Unterschiede zwischen diese,
Und war Nur mit Studenten T.
War nicht machen ein zwei Schlüssel Anpassungen, Also halten Das In Geist
wann immer du bist suchen bei diesen bedeutsam Werte.
Der Gewinner Hier Ist unser hausgemacht ALLES neuronalen Ansatz
Weil es ist nicht eingeschränkt Zu nur suchen bei Die hauptsächlich Effekte,
Sie dürfen erlauben manche zusätzlich Komplexität In Die Modell,
Und Also Es Siege Hier.
Jetzt, nicht erhalten zu aufgeregt um Das Weil Das Ist um Die am besten
Das wir haben gesehen Mein neuronales Netzwerk Tun ist in diese klein Einstellungen.
Aber Wenn Wir Sind läuft mehr als eins Kandidat Optimum gehen nach vorne,
Dann Vielleicht Wir dürfen enthalten a ALLES neuronal, Aber In allgemein,
Wir würde nicht empfehlen nur kleben mit einem ALLES neuronalen
Nur Weil Es neigt Zu Sei mehr Variable, haben schwerer niedrig Schwänze.
Was Sind Die andere Ergebnisse?
Wir sehen Die Verlierer In Das Anwendung
oder irgendetwas das ist tun Die einzel Schuss Modell Reduktion
Weil alle diese Effekte Sind bedeutsam In Die Modell,
Und beliebig Zeit Wir ziehen eins von ihnen aus, Wir Sind gehen Zu erhalten
a suboptimal Darstellung von unser Verfahren.
Das ist Warum In Das Fall Die voll Modell tut besser als diese.
Aber was ist interessant Ist Die ALLES linear Ansätze
Sind fähig Zu bei am wenigsten übereinstimmen Das voll Modell Leistung.
War nicht verlieren irgendetwas von mit ALLES In Das Anwendung,
Also das ist a Hübsch Aspekt Wo Wir nicht haben Zu Sorge
um Die kleiner Einstellung.
Sind Wir verletzend uns bei alle von mit AICC?
Jetzt, etwas anders Wir versucht Hier Ist gegeben Die Dasselbe,
du hast nur bekommen 12 läuft.
Du bist nur Zielausrichtung Die Herstellung
Und Die D-optimal Kriterien In Die Brauch DAMHIRSCHKUH.
Was Wenn Wir erlauben Die fit Modell Zu halten zweite -Befehl Effekte
Plus es gibt Mischung Effekte,
Also die unsere Modell Dann War gezielt Zu Tun?
Was passiert, Und Wir sehen Das JMP Hier,
Das ALLES linear Methoden Sind fähig Zu nutzen Das Information
Und geben uns besser Prozent von max, erhalten optimal Kandidaten,
Und diese Sind unser Gewinner Hier Jetzt Ist diese ALLES linear Methoden.
Was Wir sehen Ist Das interessant,
Die Base Methoden für diese ALLES Ansätze, Ford Verfahren,
oder Ford Auswahl oder Die Lasso Sind nicht fähig Zu machen verwenden von Das,
nur Die ALLES Ist, Also das ist a Hübsch Eigentum.
Sie Genau genommen schlagen aus Neuronal,
welche Ist Hübsch Weil Jetzt diese Sind einheimisch Zu JMP 17
Und Sie nicht erfordern als viel Berechnung Zeit
oder Handbuch Satz hoch als In ihre eigen.
Was Wir Start Zu sehen Hier Ist Die Thema Das war gehen Zu sehen
hindurch Die ausruhen von Die Tag Ist Das beliebig von diese Lasso Ansätze
mit NEIN abfangen Sind gehen Zu geben uns Unter -optimal Ergebnisse
Weil ohne Die abfangen
Und Die Bestrafung nicht arbeiten Rechts In Lasso,
also du Genau genommen wollen Zu drehen aus Die Standard Option von NEIN abfangen
Wenn du bist gehen Zu versuchen Zu verwenden ALLES Lasso
oder sogar Nur Lasso ohne ein abfangen.
Okay, Also I erraten Es Aussehen wie ALLES Neuronale tat Also Dort.
Aber wieder, Das Ist nicht einheimisch.
Wir kippen Tun Das mit JMP 17 Pro, das ist nicht dort drin .
Wir dürfen, Wir haben Zu haben a Handbuch [unverständlich 00:29:01] geskriptet.
Ja, es ist nicht a Handbuch Option.
Okay, Das Ist Gut,
Aber Ich bin Auch a Lüfter von Die Raum Füllung Design,
Also Wie tut Das spielen aus In Bedingungen von Die Analyse Methoden?
Für Die Raumfüllend Design, Du dürfen sehen eher als haben
alle Die Punkte entlang Die außen, entlang Die Grenze,
Jetzt Wir füllen hoch Die Innere Raum
für beide Die Mischung Faktoren Und Die Verfahren Faktoren,
welche Manchmal In üben Was Also Tun Ist,
Also nehmen Die Verfahren Faktoren
Und runden diese Zu Die nächste 0,25 oder 0,5
oder was auch immer Granularität Werke am besten für uns, Aber Das Ist Was Es Aussehen wie.
In Bedingungen von Die Ergebnisse, Wie Tun Sie durchführen?
Jetzt Was war gehen Zu Tun Ist vergleichen
Die Verkettung von Die Design Ansatz
entlang mit Die Analyse Verfahren Und sehen welche diese Tun am besten.
Suchen bei Jetzt Trotzdem erlaubend Die reicher zweite Und dritte -Befehl Modell
für Die Auswahl Methoden Und sehen welche eins tut am besten.
Wann Wir sehen bei Die Vergleich,
Die Gewinner Sind Die ALLES Linear Ansätze,
Lasso nur mit Die abfangen, nicht ohne Die abfangen,
Und Die D- optimal.
Wieder, hinter Die Szenen, Du haben Zu erinnern,
Jetzt du bist vorausgesetzt für Das D-optimal Ansatz
Das dein positiv Modell Ist WAHR über Die gesamte Faktor Raum
Und du hast bekommen Konstante verschieden über Das Faktor Raum.
Wenn du bist besorgt um Ausfälle entlang Die Grenze,
Dann das ist etwas anders Zu nehmen hinein Konto, Und es ist nicht gebaut hinein Das.
Du haben Zu halten Das.
Aber Wenn Du Sind zuversichtlich,
Vielleicht du hast laufen Das vor Und du bist nur Herstellung unerheblich Änderungen,
Dann Die Weg Zu gehen Ist Die D- optimal mit Die ALLES Ansätze.
Runter Hier, Die Verlierer Sind Die Lasso, mit NEIN abfangen.
Wir »Ich gehe zu vermeiden diese,
Und Du dürfen sehen diese schwer Schwänze runter Hier.
Nicht Die ALLES Lasso, Nur Die Lasso.
Eigentlich hier ist Die ALLES Lasso mit NEIN abfangen hier unten.
Ja.
Sie alle erhalten diese Fs, Also Sie alle scheitern.
-Bequem, [Übersprechen 00:30:48] . -Ja
Okay.
Was oft Wille kommen hoch,
ob es ist entworfen hoch Front Wo wir haben Erledigt unser 12 läuft,
Und Die Chef,
sie hat manche mehr Fragen Und Wir haben mehr läuft.
Wenn war gehen Zu Tun fünf mehr läuft,
Wie tut Das Auswirkungen manche von diese Ergebnisse?
Wann Du sagen fünf läuft, nicht a folgen -hoch Studie,
Aber dein bauen Ist Studie entweder 12 oder 17 Läufe
In a einzel Schuss Rechts Jetzt Ist Was du bist angesichts, Rechts?
Ja, genau.
Okay, Also Ja, Wir dürfen sehen bei Die marginal Auswirkungen
Weil es gibt a kosten Zu Du für diese Extra fünf läuft.
Was ist Die Nutzen von diese fünf Extra läuft?
Verwenden Die Design Analyse Du könnte verwenden,
sehen am FDS Handlung Und dein FDS Plus bedeutet untere,
reflektierend kleiner Vorhersage Varianten.
Leistung Ist nicht Das nützlich für diese Mischung Effekte Designs.
Wir nicht Pflege um Die Parameter.
Wir wollen Zu wissen, Wie Also würde Wir Tun mit Optimierung?
Das ist Wo Die Simulationen praktisch, Wir dürfen nehmen a sehen bei Das.
Wie tut dein Verteilung von dein Prozent von max ändern
als Du gehen aus 12 Zu 17 läuft?
Interessant, es gibt NEIN Nutzen für Die einzel Schuss 40 ICC
Zu haben 17 gegen 12 läuft.
Jetzt, wieder, Rechts Jetzt war suchen bei Die Prozentsatz von max.
Wenn Du sehen bei dein Fehlervarianz,
Ihre Vorhersagevarianz Ist gehen Zu Sei kleiner,
Und Dort könnte Sei manche andere [unverständlich 00:32:09] ,
Aber hauptsächlich dein Vorhersage Varianz
Ist gehen Zu Sei kleiner Wenn Du sehen bei Das.
Aber Wirklich, Wir nicht Pflege Das viel um Vorhersage Varianz.
Wir wollen Zu wissen, Wo Ist Das Optimum Punkt?
Weil nach Das, war gehen Zu Sei läuft Bestätigung Läufe
Und Vielleicht In Repliken bei Das Punkt
Zu erhalten ein Idee von Die Verfahren Und Test Varianz Dann.
Aber Rechts Jetzt,
Wir Sind Nur versuchen Zu erkunden aus Die Antwort Oberfläche
Zu finden unser optimal Formulierung,
Also mit Das Ziel In Geist, es gibt NEIN Nutzen für ein viertägiges ICC.
Jetzt für Die ALLES Methoden,
Wir Tun sehen Dort Ist a bedeutsam Unterschied
Und Wir Tun erhalten a bedeutsam Verbesserung
In Bedingungen von unser Durchschnitt Prozent von max Wir erhalten,
Und Vielleicht nicht als schwer Schwänze runter Hier.
Aber Jetzt Du brauchen Zu wissen Ist Das Du brauchen Zu entscheiden,
Ist Das praktisch bedeutsam?
Tust du wollen Zu bewegen aus 90 % Zu 92 % bedeuten Prozent von max
In Das Erste Schuss mit fünf Extra läuft?
Du haben Zu Tun dein marginal kosten
Original Nutzen Analyse Dort als a Wissenschaftler
Und entscheiden Wenn das ist Wert Es.
Nur suchen bei Es Hier, Was I denken könnte Sei nützlich
Weil Du haben Zu laufen Bestätigung Läufe Trotzdem
Ist Wenn Wir laufen Die 12 -laufen Design,
Du dürfen Dann laufen a Kandidat Optima oder zwei
basierend An Die Ergebnisse Wir erhalten,
Und Dann Plus a Paar von zusätzlich Läufe Vielleicht
In a hoch -Dichte Region für Was Das Aussehen Gut,
oder sogar erweitern aus dein Faktor Raum a wenig bisschen,
Und Dann du bist Trotzdem läuft a gesamt von 17 läuft,
Aber Jetzt war gehen Zu haben sogar a besser Sinn von Die Gut Region Hier,
Also das ist etwas Zu halten.
Etwas anders Wir dürfen sehen
aus läuft Die Simulation mit 17 Läufe Ist,
lasst uns sehen bei Die Leistung
von jede von Die Beschlag Methoden innerhalb jede Iteration,
Und es gibt Genau genommen a überraschenderweise niedrig Korrelation
zwischen Die Leistung
von diese anders Methoden innerhalb jede Iteration.
Wir dürfen verwenden Das Zu unser Nutzen
Weil war gehen Zu Sei läuft Bestätigung Läufe nach Das,
Also eher als Nur haben Zu nehmen eins Verfahren Und eins Bestätigung Punkt,
eins Kandidat optimal Punkt,
Wenn Wir war Zu, für Beispiel, sehen bei diese vier Methoden
Und Dann nehmen Die Kandidat Optimum aus jede von ihnen,
Dann war gehen Zu Sei fähig Zu gehen nach vorne mit welche eins alle tut am besten.
War suchen bei Die 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 halten mehrere von diese Methoden bei einmal.
Okay, sehr nützlich.
Lasst uns Jetzt setzen unser Augen zu Die 40 -laufen Designs.
Sehr Gut Information In Bedingungen von Mein kleiner laufen Designs.
Jetzt mit 40, Wie tut Es spielen aus In Bedingungen von diese Analyse Methoden?
Sind Wir gehen Zu sehen konsistent Verhalten mit Was Wir gesehen In Die 12 -laufen Design?
Dann Wie um Die Raum Füllung gegen Die optimal Design, D-optimal?
-Ausweis Sei interessiert In Das. -Okay.
Also, Erste nehmen a sehen bei Die D-optimal Design, 40 läuft,
Und Jetzt war Zielausrichtung alle von Die zweite -Befehl Effekte,
Die dritte -Befehl Effekte, Mischung Effekte,
Und war Zielausrichtung alle Die Effekte
Das Sind wirklich gegenwärtig In unser Generierung Funktion,
Und Wir Trotzdem sehen Das war geladen hoch An Die Grenze von Die Faktor Raum
mit Die optimal Design,
Und Dann Wenn Wir war gehen Zu sehen Jetzt mit Die Raum Füllung Design,
war gehen Zu sehen Jetzt war Füllung hoch Die Innere
von Die Faktor Raum für Die Mischungen
Und für Die andere kontinuierlich Verfahren Faktoren.
Lasst uns sehen Was Die Leistung Unterschied Ist.
Erste von alle, Fokus An Die raumfüllend Design,
welche Analyse Methoden Tun am besten?
Und Dasselbe als Wir gesehen In Die 12 -laufen Beispiel von Die ALLES linear,
Ford Auswahl mit Das abfangen, Lasso mit Die abfangen tut Die am besten.
Der am schlimmsten Fall Du dürfen Tun Ist halten Die voll Modell,
oder Dann versuchen ALLES oder einzel Schuss Lasso mit NEIN abfangen
Und Die D-optimal Einstellung, Dasselbe Gewinner, welche Ist beruhigend
Weil Jetzt Wir nicht haben Zu Sei besorgt um,
"Also, wir verändern unser Design Typ. Jetzt Wir bekommen Zu ändern unser Analyse Typ."
Es ist Gut Zu sehen Das Konsistenz über Die Gewinner von Die Analyse Typ.
Der voll Modell nicht Tun als schlecht Hier mit Die optimal Design, I denken,
Weil Die optimal Design Ist Zielausrichtung Das Modell
Und Die Verlierer Hier Sind Trotzdem Die Lasso mit NEIN abfangen.
Dann Neuronale Ist Wirklich fallen hinter Hier, hinter Die andere Methoden.
Jetzt lasst uns vergleichen Die Raum Füllung Zu Die D-optimal Entwürfe,
Und Wir dürfen Wirklich sehen
Die größte Unterschied Hier Ist innerhalb Die voll Modell,
Die Raum Füllung Entwürfe Sind viel schlechter als Die D-optimal Design.
Jederzeit du bist tun Design Diagnostik,
das ist alle innerhalb Die Kontext von Die voll Modell.
Für dein D -Optimalität Kriterien,
dein Durchschnitt Vorhersage Varianz, das ist alle Dort.
A viel von mal Wann Du laufen 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 Sei läuft a Modell Reduktion Technik.
Mit ALLES, sogar Die einzel Schuss Methoden verbessern Es.
Aber besonders mit ALLES Hier,
Es Wirklich schließt Die Unterschied zwischen Die Raum Füllung Und Die optimal Design,
Und Wir sehen hübsch schließen Zu Medium, Und leicht schwerer Schwanz Hier.
Aber Jetzt Du dürfen sehen bei Das Und sagen.
"Okay. I verlieren a wenig bisschen mit Raum f Füllung Design.
Aber Wenn I haben beliebig Anliegen überhaupt um Die Grenze von Die Faktor Raum,
oder Wenn Ich bin etwas beschränkt In Wie viele Bestätigung Punkte I dürfen laufen
Und I wollen Zu haben etwas das ist gehen Zu Sei nicht zu weit weg
aus Die Kandidat Optimum Das Ich bin gehen Zu tragen nach vorne,
Dann diese Sind Die Vorteile von Die Raum Füllung Design."
Jetzt Wir dürfen wiegen diese aus. War nicht gesteckt
mit Das drastisch Unterschied zwischen Die zwei.
Wieder, das ist basierend nur gegen Die D-optimal Design .
I erraten a viel von mal In unser DAMHIRSCHKUH arbeiten,
Wir wie Zu Vielleicht sehen bei Die I-Optimalität Kriterien
Und sogar Die A hat Erledigt Wirklich Also für uns.
In insbesondere, es Aufstriche Es. Es ist c Medium nicht Raum Füllung,
Aber bei am wenigsten Es Aufstriche Es aus a bisschen mehr als Die D -optimal.
Tun Wir haben beliebig Ideen Wie diese I Und A optimal arbeiten?
Ja, Wir dürfen tauschen diese aus hinein Simulationen.
Eins Ding wir haben stets bemerkt,
I Liebe Die A -optimal Entwürfe In Die nicht- Mischung Einstellung.
Es ist fast Mein Standard Jetzt.
I Wirklich wie ihnen.
Aber In Die Mischung Einstellung, wann immer Wir versuchen ihnen,
sogar vor Die Simulationen, Wenn Wir sehen bei Die Design Diagnostik,
Die A -optimal niemals tut als Also als Die D oder Die I -optimal,
Und Das Bären aus Hier In Die Simulationen,
das ist Die Blau Hier für Die optimal, gibt uns minderwertig Ergebnisse.
Regel von Daumen Hier Ist,
nicht sich kümmern mit Die A-optimal Entwürfe für Mischung Designs.
Jetzt für D gegen I -optimal, Wir nicht sehen beliebig...
In Das Anwendung für Das Generierung Funktion,
Wir nicht sehen beliebig Unterschied zwischen ihnen.
Jedoch, a Grund Zu leicht bevorzugen Die D-optimal Ist,
Dort neigt Zu Sei manche Konvergenz Probleme für diese LNP Einstellungen
Wo du hast bekommen Zu Pflock über Die eins 5 %
Und du bist versuchen Zu Ziel a Scheffé Cubic Modell In JMP,
also haben wir bemerkt Manchmal manche Konvergenz Probleme
für Die I-optimal Entwürfe Und Es dauert länger.
Der D -optimal, Wenn es gibt nicht viel von a Nutzen,
Dann Es scheint Zu Sei Die sicherer Aber Zu Stock mit Die D-optimal.
Jetzt Wir waren nicht fähig Zu prüfen Das mit Die Simulationen
Weil Rechts Jetzt In JMP,
Du kippen Skript In Scheffé Cubic Bedingungen hinein Die DAMHIRSCHKUH
Zu bauen ein optimal Design.
Du haben Zu Tun Das durch Die GUI.
Wir waren nicht fähig Zu prüfen Das, sehen Wie oft Das passiert,
Aber das ist Warum wir haben getragen nach vorne
D-optimal In diese Simulationen Und Wir Stock mit diese.
Wenn Du wollen Zu In dein Anwendungen, Du dürfen versuchen beide D Und I
Und sehen Was Sie sehen wie
beide grafisch Und mit Die Diagnostik,
Aber Die D-optimal scheint Zu Sei Durchführung Also.
Okay, I erraten Nur halten Ziehen Die Faden a wenig bisschen weiter Ist,
a viel von mal Also versuchen manche Typ von a Hybrid Design .
Warum nicht Wir Start aus mit, sagen, 25 Raum Füllung läuft,
Und Dann erweitern Das mit manche D-optimal Kriterium
Zu machen Sicher Das Wir dürfen Ziel Die spezifisch Parameter von Interesse?
Tut Das arbeiten aus hübsch Also?
Ja, Wir dürfen simulieren Das Und Wir nehmen a sehen.
Entweder wir haben bekommen...
Das Ist Die Dasselbe simuliert Funktion,
Generierung Funktion wir haben gewesen suchen bei für Du rennen Die D-optimal,
für Sie zum Ausführen der Raum Füllung,
oder a Hybrid, Wo Wir Start aus mit 25 Raum Füllung Läufe
Und Dann Wir gehen Zu erweitern Und laden In Gebäude 15 zusätzlich Läufe Zielausrichtung
Die dritte Befehl Modell, Und Was Wir sehen Ist Das Jetzt,
Wir haben NEIN bedeutsam Unterschied In Bedingungen von Die Optimierung
zwischen Die 40-Run D-optimal Und Die Hybrid Design,
Aber In Die Hybrid Design,
Wir erhalten Die Nutzen von diese 25 raumfüllende Läufe.
Wir erhalten manche Innere Läufe Schutz Zu fit zusätzlich Effekte
Und Schutz gegen Ausfälle entlang Die Grenze.
Es ist a wenig bisschen mehr arbeiten Zu Satz Das hoch.
Also Tun Das für hoch Priorität Projekte
Weil nur für diese Weil von diesem zusätzlichen kosten Und Zeit.
Aber Es tut erscheinen Zu Sei a vielversprechend Verfahren.
Rechts.
Praktisch Du denken um Wo dein optimal Ist gehen Zu Sei,
es gibt a Gut Chance Es könnte Sei In Das Innere Raum
das ist nicht gefüllt In Die D-optimal entlang Die Grenzen.
I erraten Nur Vielleicht gehen zurück,
erneut besuchen Die Ideen von Was Wenn I hatte a Center Punkt,
Was Wenn I hatte a Punkt Das I könnte replizieren?
Wieder, Vielleicht An Die 40- laufen Design,
Wenn I hatte fünf mehr Dinge, Also Nur beliebig andere wenig Nuggets
Das Wir gelernt entlang Die Weg mit diese?
Also, Das kommt hoch a viel Weil Jetzt Lehrbuch Wille erzählen Du
Zu hinzufügen fünf Zu Sieben replizieren läuft.
Der Wissenschaftler Sind gehen Zu Kick Du aus Wenn Du versuchen Zu Tun Das.
A viel von mal Wir haben Zu machen Die Argument
Zu hinzufügen sogar a einzel replizieren laufen
Weil Es hat Vorteile draußen von Die Beschlag
Weil Jetzt Du erhalten a Modell [unverständlich 00:41:09]
Und Nur grafisch Wir dürfen verwenden Das als a diagnostisch,
Wir dürfen sehen bei Das Luft Varianz relativ Zu Die gesamte Varianz
aus Die gesamte Experiment.
Es ist sehr nützlich Zu haben,
Und Also es ist gehen Zu Sei Hübsch Zu haben ein Argument für Du Zu sagen Das,
"Okay, war nicht verletzend dein Optimierung Routine
von einschließlich sogar a einzel replizieren laufen."
Das ist Was Wir sehen Hier für Die 40-Run Beispiel
von zwingen eins von diese Zu sei ein replizieren innerhalb Brauch Design.
Wir Sind nicht bekommen a bedeutsam Unterschied bei alle
In Bedingungen von Optimierung.
Es ist weder Portion oder verletzt.
Lasst uns gehen voraus Und Tun Das,
Also Das Wann Wir haben Das Extra Stück von Information gehen nach vorne.
I nicht haben Die Grafiken Hier Weil es ist langweilig.
Es ist Die Dasselbe Ding In Das besondere Anwendung,
zwingen eins von ihnen Zu Sei a Mittelpunkt.
Es gibt NEIN Unterschied.
Teil von Das könnte Sei In Das Fall, Die D-optimal Design War Geben uns
a Mittelpunkt oder etwas schließen Zu a Mittelpunkt.
Das könnte nicht haben gewesen Ändern Die Design Das viel.
Du könnte sehen a größer Unterschied
Wenn Du gehen zurück Zu Die 12-Lauf Design erzwingen Die Mittelpunkt.
Aber das ist Die Vorteil von haben a Simulation Rahmen gebaut hoch
Wo Du dürfen nehmen a sehen bei Das
Und sehen Was Ist Die praktisch Auswirkungen gehen Zu Sei für einschließlich Das.
Okay, Jetzt Wie um...
I erwähnt I haben Das groß Projekt mit viele von Einschränkungen.
Würde a Zwang Vielleicht ändern manche von Die Ergebnisse?
Also, Wir könnte möglicherweise enthalten Die Einschränkungen
Und es ist gehen Zu ändern Die erlaubt Region innerhalb Die...
Grafisch, du bist zu gehen Zu sehen a ändern In dein erlaubt Region,
Und Wir dürfen simulieren Das.
Eigentlich, Ich habe Erledigt Das.
I nicht haben Die Graph hoch mit Mich Rechts Jetzt,
Aber Was Es tut Ist es gibt nicht Das viel ein Auswirkungen, ALLES Trotzdem macht sich gut.
Eins Unterschied Wir tat Notiz Ist Das läuft Das Simulation
Und Dann einschränkend Die Region etwas Ist Das Die Raum Füllung verbessert
Weil es ist bekommen a kleiner Raum Zu füllen Und nicht als viel Lärm Raum,
Aber Die D-optimal Wille durchführen
Nur als Also zwischen Die zwei mit oder ohne Zwang.
Das War hübsch interessant Zu sehen.
Aber alle von Das gilt Nur als Also mit Einschränkungen
Und Nichts von Notiz In Bedingungen von Unterschied für Analyse Methoden mit Die Zwang,
bei zumindest die relativ einfach diejenigen Das Wir angewandt.
Rechts, Okay, war fast läuft kurz An Zeit Hier, Andreas,
Aber I Tun haben a Sorge.
Wir haben a falsch angegeben Design
Und Wir würde wie Zu wickeln hoch
Und verlassen Die Leute mit a wenige Schlüssel Imbissbuden.
Hier ist ein Beispiel Wo Jetzt Das funktional bilden
tut nicht übereinstimmen beliebig von Die Effekte war angesichts
Und war relativ Wohnung An Das Perimeter
Wo a viel von diese optimale Designs werden
also werde ich sehen, wie Das Werke aus.
Auch Notiz Die [unverständlich 00:43:52] Cholesterin Satz Zu a Koeffizient null
und eine wahre Generierung Funktion.
Jetzt Einnahme Das WAHR Funktion gehen Zu Profil Ist Ausgabe direkt in der Tisch
Und Du dürfen sehen Wie Hübsch Es Ist Zu Sei fähig Zu Handlung diese Dinge
Zu sehen Die Antwort Oberfläche mit Das Ausgabe Rechts In Die Tisch.
Hier ist Wirklich dein WAHR Antwort Oberfläche, Und Das Ist dein Antwort Oberfläche,
Aber was ist interessant Ist Es Aussehen wie es gibt ein Illusion Hier.
Es Aussehen wie Cholesterin Ist wirkungsvoll für dein Antwort.
Es Aussehen wie Es Auswirkungen dein Antwort, Aber In Wirklichkeit Die Koeffizient Ist null.
Aber Die Grund Es Aussehen wie Das Ist Weil von Die Mischung Zwang.
Das ist Warum es ist hart Zu analysieren aus,
welche Die Person Mischung Effekte Wirklich beeinflussen dein Antwort.
War nicht als betroffen um Das
wie wir sind von sagen, was ist a Gut Formulierung gehen nach vorne?
In Das Einstellung, Wir hinzufügen a wenig bisschen von Lärm, 4 % Lebenslauf,
welche Ist gebraucht häufig In Die Pharma Welt.
In Das Fall, Die bedeuten war mit Ist Die bedeuten bei Die maximal,
welche In Das Fall Ist eins,
Und Dann Auch a viel mehr extrem 40 % Lebenslauf.
Das Aussehen mehr wie a Sonar
Und Sie sind versuchen Zu finden Titanic oder etwas.
Hoffentlich keiner von dein Pharma Anwendungen sehen wie Das,
Aber Wir Nur wollen Zu sehen In Das extrem Fall Wie Dinge arbeiten aus.
Was Wir sehen Ist In Die klein 12-Lauf Beispiel
mit relativ klein Verfahren Variation Ist Verfahren Plus Aufsatz Variation
Ist diese Basislinie Entwürfe ging aus Und ALLES, alle das gleiche Methoden,
Und Dann Wenn Wir gehen hoch Zu 40-Run,
Die raumfüllend ist nicht fähig Zu halten hoch als Also,
aber D-optimal Wille Wirklich Tun jetzt besser,
sogar obwohl es ist relativ Wohnung aus Dort Und Die Größe Wo am meisten von Die Läufe Sind,
es ist fähig Zu wählen hoch Die Unterschrift von Die Oberfläche Hier.
Jetzt, hier ist Die Unterschied zwischen Die voll Modell
Und Dann Die raumfüllend Und das D- optimal.
Nicht als groß von a Unterschied für Die ALLES Methoden,
Aber Du Tun Trotzdem haben a wenige Schwanz Punkte runter Hier.
Dann Sie sind alle nicht Durchführung als Also als Die ALLES linear,
sogar obwohl Die ALLES linear
Ist nur Annäherung Das Krümmung für Das Antwort Oberfläche.
Wenn Wir gehen hoch Zu Die super laut Sicht, NEIN eins tut a Wirklich Gut Arbeit,
Aber Trotzdem dein nur Chance ist mit Die Raum Füllung Ansätze.
Aber Dann Wann Wir gehen hoch Zu Die größer Probe Größe,
sogar In Die Gesicht von alle Die Verfahren Variation, Verfahren Lärm,
Ist Jetzt Die Option War fähig Zu prallen aus über Das Lärm besser
Und Ist fähig Zu machen besser verwenden von diese Läufe als Die Raum Füllung.
A Paar von Überlegungen Dort.
Was ist dein laufen Größe? Wie gesättigt ist Ihr Modell?
Wie viel Verfahren Variation Tun Du haben relativ Zu dein Prozessmittelwert,
geht hinein Die Gleichgewicht von Die Raum Füllung gegen optimal.
Wenn Wir nehmen a sehen bei Was Sind Die offen optimal Punkte
war bekommen aus von Die Raum Füllung gegen optimal.
Ich bin Entschuldigung, für Die Raum Füllung,
Dann Was Wir sehen Ist war An Ziel für Das Ist ionisierbar Und Helfer.
War An Ziel für alle von unser Ansätze außer für diese zuletzt mit NEIN abfangen.
Sie sind niemals An Ziel,
Sie sind stets drücken Du aus irgendwo anders.
Du dürfen sehen grafisch Wie Das Mangel von abfangen.
Jetzt, Wenn Wir erlauben Die abfangen, dann sind wir An Ziel.
Das Wirklich Ist wichtig Zu deaktivieren Das NEIN abfangen Option für Lasso.
Für alle Die Menschen Das Sind nicht mit JMP Pro
Und nicht haben ALLES,
Du könnte sagen, Also, Okay, was ist dein Simulation?
Hier, Was Ist besser? AICc, gegen BIC, gegen P-Wert.
Bedauerlicherweise, Nur mit Die Nummer von Simulationen wir haben laufen,
es gibt nicht als konsistent Ansatz als Dort Ist mit ALLES.
Wenn du hast bekommen a groß Nummer von läuft, wo es gibt entweder angegeben
oder korrekt angegeben oder falsch angegeben, Die nach vorne oder rückwärts AICc Tun Also.
Voll Modell tut schlechter, wohingegen In Die kleiner Einstellung,
Die voll Modell tut besser Weil alle diese Bedingungen Sind relevant.
Auch Die P-Werte Hier, zu.
Jetzt, Du sehen, 0,01 tut Die am schlimmsten, 0,01 tut Die am besten In groß Einstellung.
Nicht Konsistenz, welchen P-Wert verwenden Sie?
0,01, 0,05, 0,1 .
Der P-Wert aus Das Sicht Ist ein ungestimmt Optimierung Parameter,
Also Vielleicht am besten Zu vermeiden Das Und Stock mit Die AICc
Wenn du bist In Base JMP.
Jedoch, Wir haben gesehen Jetzt Das
der SVE Ansätze für diese Optimierung Probleme
Tun geben Du fast allgemein besser Lösungen
als Die einzel Schuss Methoden.
Du dürfen erhalten besser Lösungen mit JMP P ro, mit ALLES.
Großartig.
I erraten Wir wollen Zu Nur wickeln hoch.
Manche von Die Schlüssel Ergebnisse Hier, Andreas.
Ja, Und Auch, Jim, beliebig andere Kommentare?
Tun Du haben beliebig andere Kommentare zu um diese Optimierung Probleme oder irgendetwas?
Interessant Dinge wir haben gesehen kürzlich?
Wir haben, war hoch gegen Zeit für Sicher, Aber wir haben Erledigt manche hübsch toll Dinge
Das wir haben kommen hoch mit neu konstruiert Holz
das ist besser als es ist immer gewesen
Und Treibmittel Das Sind haben physisch Eigenschaften
Und Leistung Das Wir nicht gesehen vor.
Wir haben genommen a Schritt,
a Sprung In Bedingungen von manche von Die Fähigkeiten
Das wir haben gesehen In unser Mischung Modell.
Kann Wir zusammenfassen mit Die hervorgehoben Kugel runter Dort,
Das ALLES scheint Zu Sei unser Weg Zu gehen,
Und Wenn Du nur hatte eins Vielleicht ALLES nach vorne Auswahl,
du wirst Sei bedeckt hübsch Also.
Ja, das ist Rechts, Weil Ich bin stets verängstigt.
Sogar obwohl Die zuletzt Lasso manchmal Es Aussehen weniger mit abfangen,
Manchmal Es Aussehen leicht besser.
I nicht wissen Wenn es ist Vielleicht eins oder zwei Fälle war deutlich besser,
Aber stets Nacken Und Nacken mit nach vorne Auswahl,
Aber Ich bin stets verängstigt Das Ich bin gehen Zu vergessen Zu drehen aus NEIN abfangen
Und Dann geben ich selbst etwas das ist schlechter als tun
oder als schlecht als tun Die voll Modell.
Ich bin stets verängstigt von tun Das.
ALLES nach vorne Auswahl mit von Fehler Einstellung scheint wie a Gut sicher Weg Zu gehen.
Perfekt.
Also, mit Das, Wir Stand bereit Zu nehmen dein Fragen.
