こんにちは、 みんな、 そして いらっしゃいませ に ジャンプ 発見。
アンドリュー カール そして ヒース 急いでます。
I 持っている a プレゼンテーション 今日 それは 行く に ハイライト
いくつかの の その 特徴 で ジャンプ 17 プロであること 意思 ヘルプ あなた 外
で その 世界 の 混合 モデル。
多くの の あなた は 関与した で 処方、
そして に なれ 正直、 それは 何 私たちは された やっている a 多く 最近。
だった a 多く のように 救急車 追跡者、 どこ 良い ただ 行く 後
その 最新 もの 顧客が は 興味がある で。
しかし それは 何 だった 見る a 多く 最近、 は 皆さん それ は やっている 混合 モデル
それ は 実は とても 複雑な そして もっと それで よりも 私たちは これまで 知る。
私たちは ただ 決めた 私たちは だろう する いくつかの もっと深く 調査
と いくつかの の その 新しい アウトな技術、
そして それ ジャンプ 17 実行する のために 私たち。
アンドリュー、 だろう あなた のように に 得る 開始 そして 多分 与える a 少し 少し の 背景
の上 その 全体 アイデア の 何 a 混合 モデル は、
そして いくつかの の その 他の テクニック？
わかった、 それでは 始める 外 と a ニース、 簡単 グラフ。
さあ 取る a 見て 以上 ここ で その プロット の上 その 左。
だった で 一つの 実験的な 設定、
だから今 I 仮定する 私たちは 得た 二 要因、
材料 A そして 材料 B、 そして 彼らは 範囲 から 0-1。
もし そこには いいえ 混合 制約、 それから すべて で その 黒 四角
は a 実現可能 ポイント で これ 要素 空間、
など 私たちの デザイン ルーティーン は 行く に 与える 私たち ポイント どこか で これ 空間。
しかし、 もし そこには a 混合 制約
どこ これら 持っている に 追加 上 に 1つ、 それから のみ その 赤 ライン は 実現可能です。
私たちは 欲しい に 得る a 条件付き 最適
与えられた それ 制約、 そして 私たちは 欲しい に 終わり 上
どこか で それ ライン のために 両方 私たちの デザイン そして 私たちの 分析。
もし 私たちは 動く 上 に 三つ 混合 材料、
あ、 B そして C、 全て できる に 変化する から 0-1、
それから 私たちは 得る a キューブ のために それ 0-1 制約 のために それぞれ の 彼ら。
しかし と その 混合 制約、 それ かかる その 形状 の a 飛行機
交差する a 立方体、 そして それ 与える 私たち これ 三角形、
それで のみ これ 赤 三角形 は 関連する 外 の それ 全体 空間。
もし 私たちは 持っている 4つ 寸法、 もし 私たちは 持っている 4つ 混合 要因、
それから それ 許容される 要素 空間 は 実は a 三つ- 次元 サブセット、
a ピラミッド 内で そこには。
見ている 戻る に その 三つ- 混合 設定。
見る これ 三角形？ それは その 許可された 地域。
良い、 それは なぜ ジャンプ 与える 私たち これら 三元 プロット。
これらの三角図では、
何 ジャンプ 意思 する は、 もし あなた 持っている もっと よりも 三つ 混合 要因、
は あなたは 持っている 二 要因 表示されている で a 時間、
そして その 三番目 軸 意思 なれ その 和 の 全て その 他の 混合 要因。
私たちは できる 見て で これら 三角図、 それよりも よりも 持つ に 持っている a ピラミッド
それ だった 見ている 全体を通して。
私たちは 持っている に 決める、 私たちは 欲しい a 空間を埋めるデザイン
または 一つの 最適 デザイン？
今、 通常 で a 非混合 設定、 私たちは 通常 使用 一つの 最適 デザイン、
そして のために その ほとんど 一部、 私たちは しないだろう 考慮する a 空間を埋めるデザイン。
そこには a 少し 理由 それ 私たちは 欲しい に 考慮する
a 空間を埋めるデザイン で 混合 設定。
頻繁 で その 処方 世界、 もし あなた 行く あまりにも 遠い、
そこには a 少し 少し もっと 感度 に 行く あまりにも 遠い で あなたの 要素 空間、
作る それ あまりにも 広い、 それから あなたの 全体 プロセス 失敗します。
S 仮定する それ 起こる 以上 ここ どこ X2 は。
仮定する それ 失敗する すべて 下に 0.1。
あなたは 行く に 失う a 良い かたまり あなたのランニングの なぜなら その 最適 デザイン
傾向がある 置く ほとんど の あなたの 走る の上 その 境界 の その 要素 空間、
それで あなたは 行く に 失う これら。
あなたは ない 行く に なれ 走れる あなたの 満杯 モデル
と その 残り ポイント、 そして あなたは ない 行く に 持っている
どれでも 良い 情報 について どこ それ 失敗 境界 は。
のために その 空間を埋めるデザイン、 もし あなた 持っている いくつかの 親切 の 失敗
0.1未満、 あなたは 負け a 小さい 番号 の ポイント。
あなたの 残り ポイント まだ 与える あなた a 空間を埋めるデザイン
で その 既存 空間 それ あなた できる 使用 に フィット その モデル 効果、
そして今 だった 行く に なれ できる に モデル それ 失敗 境界。
また で その 混合 世界、 私たちは 頻繁 見る より高い 注文 効果 アクティブ：
相互作用 または 曲率、 多項式、
よりも 私たちは かもしれない 見る で その 非 混合 設定。
もし 私たちは しない 特定 それらの、 なぜなら どれでも の これら モデル は 最適、
条件付き の上 その ターゲット モデル 私たちは 与える、 それで もし 私たちは しない 特定 一つの 効果 オペレーター
のために その 最適 モデル、 私たちは かもしれない ない なれ できる に フィット それ
後 その 事実、 なぜなら 彼らは かもしれない なれ エイリアス
と 他の 効果 それ 私たちは 持っている。
これら 空間充填 走る 活動 何かとして a キャッチ- 全て の 可能 実行、
それで そこには a カップル の 理由
それ 私たちは かもしれない 欲しい に 考慮する 空間 充填 実行、
しかし 私たちは 欲しい に 取る a 見て 分析的に。
何ですか その 違い で パフォーマンス 間 これら、
後 私たちは 走る を通して モデル 削減、 ない ただ で その 満杯 モデル、
なぜなら だった ない ただ行く なれ 使用して その 満杯 モデル。
それは その デザイン 段階 質問。
いつ 私たちは 到着する その 分析、
いつでも あなたは 見ている で これら 混合 実験 で JMP、
ジャンプ 自動的に ターン オフ その 傍受 のために あなた、
なぜなら もし あなた 欲しい フィットする 満杯 モデル
と 全て の あなたの 混合 残る 効果、 あなた できない 含む その 傍受する。
あなたは 得る これ 警告
なぜなら その 混合- 作った 効果 は 制約された に 1つ、
そして 彼らは 追加 上 何に その 傍受 は、 それで 彼らは エイリアス。
また、 もし 私たちは 欲しい に 見て で より高い 注文 効果、
私たちは できない なれ のように a 応答 表面 どこ 私たちは 持っている 純粋な 二次関数 条項。
私たちは 持っている に 見て で これら シェフ キュービック 条項
なぜなら もし 私たちは 試す に 見て で その 相互作用
プラス その 純粋な 二次関数 条項、 それから 私たちは 得る 他の 特異点。
それらの は a カップル の しわ で その 分析。
しかし、 行く フォワード と その モデル 選択 方法、
フォワード 選択 または ラッソ、 どれの は その ベース 方法
の その すべて 方法 だった 行く に なれ 見ている で、
私たちは 欲しい に 考慮する 時々 旋回 オフ これ デフォルト 'いいえ 傍受 オプション。
何 私たちは 探す は のために その ラッソ法 私たちは 実は 持っている に それをする
で 注文 に 得る 合理的 結果。
後 私たちは フィット 私たちの モデル、 今 私たちは 欲しい に する モデル 削減
に キック 外 無関係 要因。
私たちは 得た a カップル の 違う 方法 の やっている それ で ベース ジャンプ .
おそらく 何 人々 する ほとんど 頻繁に は 彼らは 使用 その 効果 まとめ
に 行く 後ろ向き の上 その p- 価値観、 そして キック 外 その 小さい p- 価値観。
しかし これ は かわいい 不安定 なぜなら の その 多重共線性
から その 混合 制約、 どこ 蹴る 外 1つ 効果
できる 劇的に 変化 その p値 の その 残り 効果 で その デザイン。
何 これ プロット ショー は もし 私たちは 行く 後ろ向き の上 p- 価値観、
何 は その 最大 p値 それは 蹴られた 外
そして 私たちは 見る 飛び跳ねる人もいる ここ そして それは から それ 効果。
与えられた それ 親切 の ボラティリティ で その フィッティング プロセス、
あなた できる 想像する もし あなた 持っている 小さい 変更
で あなたの 観察された 回答、 多分 平 から アッセイ 変動性、
または どれでも 他の 変動性、 ただ 小さい 変更 できる 鉛
に 大きい 変更 で その 減少 モデル
それ は 提示された として a 結果 の これ プロセス。
それ 高い モデル 変動性 は 何か それは なれ ニース
もし 私たちは できた 平均 以上 で いくつかの 方法、 で その 同じ 方法 それ 多分
と ブートストラップ のために 東 私たちは 平均 以上 その 変動性
の その カート 方法 または その パーティション 方法
そして それは 何 その すべて 方法 だろう なれ 見ている で やっている。
で その ゆるい センス、 彼らは 親切 の その アナログなので、
のために その リニア 方法 だった 見ている で。
また 私たちは できる 行く ステップ 賢い そして 見て で 最小AICc、
どれの は 多分 その 好ましい 方法。
私たちの 最後 スライド ショーの 今日 良い なれ 服用 a 見て で、
のために その ベース ジャンプ ユーザー、 AICc 対 B IC 対 p値 選択
と 私たちの シミュレーション 診断。
与える クレジット に a 多く の その 既存 仕事 そして リードする 上 に その すべて アプローチ。
これら は いくつかの 素晴らしい 参照 それ 私たちは 使用済み 以上 その 年。
また 欲しい に 感謝 クリス ゴットヴァルト のために 彼の 忍耐 そして 答える 質問
そして 共有 情報 として 彼らは 発見した もの 平行 その 方法。
それは本当に 助けた セット 私たち 上 に なれ できる に 置く これ に 良い 効果 で 練習する。
話し中 の で 練習する、 どこ 持っている 私たちは された 使用して これ とても a 少し
以上 その 年 は その 設定 の 液体 ナノ粒子 処方 最適化。
何 は 脂質 ナノ粒子 定式化？ 脂質ナノ粒子は
もし あなたは 得た どれでも mRNA COVID ワクチン ファイザー、 モダンな、 それから あなたは 得た これら。
何 これら する は あなた 取る a 混合 の 4つ 違う 脂質、 要約 ここ、
そして 彼らは 形状 これら 少し ちっちゃな 泡。
それから それらの は 電気的に 起訴された、
それから 彼らは 運ぶ 平行 と 彼ら a 遺伝的 ペイロード、
mRNA、 DNA、 または 他の ペイロード それ どちらか 行動する ワクチン
または できる ターゲット 癌 細胞。
その 電気 充電 間 その 遺伝的 ペイロード、
その後 その 反対 充電 で その ナノ粒子 は 何 結びつきます。
それから 私たちは 欲しい に 得る を通して その 細胞 そして それから リリース その ペイロード 内部。
その 処方 変更 依存する の上 何 その ペイロード は。
A また 時々 私たちは かもしれない 変化 その タイプ の イオン化可能な 脂質、
または その タイプ の 彼 ルパー 脂質 に 見る どれの 1つ する より良い、
それで 私たちは 持っている に やり直す これ プロセス 以上 そして 以上。
のために その ほとんど 一部、 その 科学者たち 持っている 見つかった それ これら
範囲 の 多分 10～60％ その 脂質 設定
その後 a 狭い 範囲 の 1～5％。
それは のために その ほとんど 一部 その 実現可能 範囲 のために これ プロセス。
それは された 探検した 外、 そして それは 何 その 幾何学
私たちは 欲しい に マッチ ここ で 私たちの 応用 は。
私たちは 欲しい に つまり、 構造 だった やっている 何度も何度も
私たちは 持っている 一つの 理想的 分析 そして デザイン 方法 のために それ？
A また 私たちは 欲しい に セット 上 a シミュレーション それ もし だった 見ている で 他の 構造、
他の 幾何学 のために その 要素 空間、 多分 私たちは できる 一般化する に それ、
しかし それは 行く に なれ 私たちの 集中 のために 右 今。
与えられた それ 背景、
私は 行く に させて ジム 今 要約する その すべて アプローチ そして 話す について それ。
はい、 感謝 あなた。
これ 特定の 発見 プレゼンテーション、
何 だった 行く に 行うことは a 少し もう少し中心に の上 パワーポイント、
残念ながら、 なぜなら その 結果 は 本当に 何 これ は 全て について
のために その シミュレーション それ 私たちは 終わり。
しかし これ 特定の セッション、 I 意思 見せる あなた いくつかの の その ジャンプ 17
それ 私たちは 持っている 新しい 能力。
もし I 行く そして I 欲しい に セット 上 a 空間を埋めるデザイン...
今、 以前 私たちは なかった できる 混合 モデル と 空間を埋めるデザイン
から 外 の その 箱、 もし あなた 意思。
私たちは 確かに できた 置く 制約 で そこには、
しかし 今 何 私たちは 欲しい に する は 見せる あなた どうやって あなた できる する
a スペースF 病気 デザイン と これら 混合 要因。
これ は 新しい それ I 今 持っている これら 来る で として 混合、
どれの は 良い なぜなら それ 今 運ぶ
全て の それらの カラム プロパティ と それ として 良い。
1つ もの 価値 言及する 右 今は
その デフォルト は あなたは 行く に 得る 10 走る あたり 要素、
それで 40 走る で a エネルギー省 通常 は 良い
そして 私たちは は 幸せだから 私たちの 力は 良い その上 90%
または 何でも 私たちの 基準 は。
しかし それは ない その 場合 [聞き取れない 00:09:54] これら 混合 モデル
なぜなら そこには それで 多くの 制約 固有の で それ。
何 それ は 伝える 自分、 残念ながら、 は 平 もし I だった に 持っている 40 実行、
私は まだ のみ 持っている 5% 力 から やっている シェフ キュービック
そして 平 もし その 主な効果 のみ、 そこには のみ 20% 力。
力 今 は ない 本当に a デザイン 基準 それ だった 行く に 見て に
いつ 私たちは する これら 混合 モデル。
今、 通常 で 私たちの アプリケーション、
残念ながら、 私たちは しない 持っている その 贅沢 の 持つ 40 実行されます。
で これ 場合 良い する 12 走る そして 見る どうやって それ 来る 外。
良い 行く 先に そして 作る その空間 充填 デザイン、
そして それは 多分 均等に 広める 全体を通して その 表面。
の コース、 私たちは する 知っている だった 境界のある と いくつかの の これら みんな ここ
それ 私たちは 行くことしかできない から 1 -5% の上 その ポリエチレン グリコール。
何 I 欲しい に 今すぐ行う は ただ 行く に 速い フォワード。
今 さあ 言う 私は 走る これ デザイン そして 私は 準備ができて に する その 分析。
これ は どこ すべて は 本当に 作った 巨大な 前進
そして もし あなた 聞く に いくつかの の クリス そして フィル ラムジーの 仕事
外 そこには の上 ジャンプ コミュニティ、 あなたは 見る これ は a ステップ 変化。
これ は a ゲーム 変化 で 条項 の あなたの 分析的な 能力。
どうやって だろう 私たちは する これ で 16歳？
で ジャンプ 16 何 私たちは 持っている に する は 私たちは 持っている に 来る を通して、
そして実際 その 価値 行く を通して ステップ ただ なぜなら それ 与える あなた
a 少し 少し の 洞察力、 けれど その 主要な ミッション
の これ ブリーフィング または これ 話す は ない すべて、
それ 意思 与える 私たち 一つの アイデア の 何ですか 行く の上。
何 私たちは できる する ここ は 私たちは できる 行く 先に そして 良い 作る その オート 検証 テーブル。
これ は その ジャンプ 16 方法論。
何 あなたは 注記 ここ は 私たちは 消えた から 12 走る に 24.
私たちは ただ 倍増 彼ら そして あなた 見る その 検証 セット。
その トレーニング 5月 なれ 最初の12、検証 その 次 12.
それは 何ですか 追加した そして それから 私たちは 持っている これ 重さ。
これ は その ブートストラップ 重さ そして その 部分的に 重み付けされています。
何 起こる は 私たちは 意思 行く 先に そして 走る これ モデル
そして 来る 上 と a 予測された 価値、
しかし それから 私たちは 必要 に 変化 これら 重み そして それから 保つ やっている これ 以上 そして 以上
のために Bootstrapと同様に a ランダム 森、 アイデア のために その すべて。
今 何 は 役に立つ は に 親切 の 取る a 素早い 見て。
何 は その 幾何学 の これら 重さは？
私たちは できる 見る 彼らは 反 相関関係にある、
意味は その トレーニング セット 私は 低い、
私は おそらく 行く に なれ 高い で その 検証 セット。
これ は 親切 の a 素早い 少し ビジュアル の それ 関係。
今 私は 準備ができて に 行く する 私の 分析 で ジャンプ 16.
それ だろう なれ 分析された そして 私たちは ただ する 私たちの フィット モデル。
の コース、 私たちは 欲しい a 一般化された 回帰
そして 良い 行く を通して そして する a シェフ キュービック ここ、
なぜなら その a 混合。
しかし ここは どこ 私たちは 持っている に 追加 で その ステップ、
私たちは 置く その 検証セット として あなたの 検証 カラム
そして それから これ 検証 重さ は 行く に なれ それ 頻度。
今 I できる 走る これ。
による その 方法 私たちは できた、
で 多くの の 私たちの インスタンス だった ない 普通、 だった ログ 普通、
私たちは できた 置く それ で 右 そこには。
ここ 私たちは 持っている 私たちの 一般化された 回帰 能力
に 行く 先に そして 走る これ モデル そして ほら、 そこには は その 見積もり。
何 私たちは だろう する それから私たちはここに来ました 下 その 保存 その 予測 式。
それから ここ は 1つ 走る。
わかった、 それで 私たちは 得た 1つ 走る。
あなた できる 見る それ その トップ は 15.17、 そして 私たちは 実は 見た 15.23、
それで ない 悪い で これ モデル、
しかし 私たちは だろう する これ 以上 そして 以上。
私たちは 使用済み に する それ について 50 回 または それで。
しかし と ジャンプ 17, 今 これ 全体 プロセス は 自動化された に 私たち。
私たちは しない 持っている に する これ 50 回 そして それから 取る その 平均
の これら 予測 数式。
だった できる に 行く 直接 で それ。
もし I 来る 戻る に 私の オリジナル デザイン ここ と その 応答、
I できる 得る 右 で それ。
による その 方法、 これ は それを示す I 持っている 別の 制約 置く で ここ。
A 多く の 回 私たちは 持っている その 化学者 そして 生化学者 のように に 見る それ
に 作る もちろん それ その に基づく比率 分子 重み は 内で 理由。
ない のみ する 私たちは 持っている その 混合 制約、
私たちは また 持っている a 多く の 他の 制約。
私は 働く と a グループ 私たちは 持っている 多分 15 違う 材料
そして おそらく 30 制約 で 追加 に その 混合 制約、
それで これら 方法 仕事 そして規模を拡大し、
おそらく は その 最高 方法 に 言う それ、 かわいい 良い。
今 これ は 17, それで 17 I できる 得る 右 で それ。
私は 行く に 行く 先に の中へ フィット モデル、 そして 病気 行く 先に そして する a シェッフェキュービック。
から ここ、 何 だった できる に する 来た の中へ a 一般化された 回帰。
で これ 場合、 私たちは しない 必要 に 心配 について これら みんな で ここ。
私たちは できる 変化 それ に 対数正規分布 もし 私たちは それで 欲望。
1つ の 私の 選択肢 で その 推定
その代わり の フォワード は で 事実 すべて フォワード、
それで I する すべて フォワード そして 私は 行く に 行く する 200.
あなたは どれだけ早く 彼らは 持っている これ 調整されました。
本当に のみ もの あなた できる する で 高度な コントロール
は チェック かどうか または ない あなた 欲しい に 力 a 学期 で。
I 打つ 行く そして 瞬時に 私は 終わり 200 ブートストラップ サンプル のために これ 問題。
の コース、 I 今 できる 見て で その プロファイラー
そして それ は その 平均 の その 200 実行されます。
それは 親切 の 私の 終わり モデル、 もし あなた 意思。
の コース、 と 予測 プロファイラー、
そこには 数百ある の もの あなた できる ここからやる
そして アンドリュー 触れるだろう の上 a カップル もっと の それらの。
しかし 二 他の もの 価値 注目 ここ、
病気 保存 その 予測 式 として 良い そして 取る a 見て で それ 男。
いつ I 見て で その 予測 式、
病気 注記 それ それ は で 事実 すでに 平均化された 外 のために 自分 ここ。
これ は 平均 200のうち 違う サンプル それ は 外 そこには。
と それ、 それ は その デモ、
そして 良い 行く 戻る に 見ている で その チャート そこには に 言う、
「まあ、 は それ それ だった 見る で 条項 の その 結果 の 全て？"
アンドリュー、 もし あなた 欲しい に 引く 上 それ スライド。
これ は 多分 a 素早い ビジュアル。
あなた できる 見る それ もし I 見て で それらの 初め 三つ、
で これ 場合、 赤 は 悪い。
何 だった 見ている で ここ は その 名目上の カバレッジ。
これ は a 混合 モデル
で その 予測最適値 スポット の パフォーマンス。
私たちは できる 見る それ その 標準 ステップ 賢い みんな は ない やっている あまりにも 良い。
それは その 後方 そして フォワード エーアイシー。
これ は その カバレッジ 料金。
私たちは のように それ に なれ a 名目上の 5% エラー それ 私たちは しない 実は 見る
その 真実 応答 で その 予測 または 実は その 自信 間隔。
で 他の 言葉、 いつ 私たちは 見た で その プロフィール
それ 私たちは ただ 見た、それは私たちに与えてくれる a 予測 または 自信 間隔
だった その 真実 価値、
どれの 私たちは 知る なぜなら だった 遊んでいる その シミュレーション ゲーム、 右？
私たちは 知る 何 その 真実 価値 は、 何 パーセンテージ の 時間 だった それ で そこには？
私たちは できる 見る それ 私たちは しない する として 良い と 私たちの クラシック 方法。
その 満杯 モデル、 パッティング 全て その 用語、
ラッソ する かわいい 良い で a 10％ レート または それで、
しかし その ない それまで 私たちは 得る SVEM法 ここ それ 私たちは 始める 見る
それ だった 本当に キャプチャ そして 取得 良い カバレッジ。
A 良い 多分 写真 に 保つ で あなたの 心、
それ 私たちは は 方法 優れた いくつかの の その 他の 方法 外 そこには
いつ それ 来る に その 能力。
今、 で 条項 の どうやって これ シミュレーション、
何 だった 焦点を合わせる の上 ここ は a 少し 少し 違う よりも 何 あなた 5月 考えてみれば、
で 条項 の a シミュレーション どこ 私たちは探しています で a モデル そして と言って、
"どうやって 良い した 私たちは する と これ 特定の 方法？"
私たちは できた 測定 それ による どうやって その 実際の 対 その 予測された は
そして それから 私たちは 得る ある種の a 平均 二乗 エラー。
私たちは する 追跡 それ 価値、
しかし 私たちは 探す で 私たちの 仕事、 だった 多くの もっと 心配している について 発見
それ 最適 混合、 もし あなた 意思、 と その 最適 設定 それ 成し遂げる 私たち
a 最大 効力 または 副作用を最小限に抑える
または 役立つ 私たち と これ [聞き取れない 00:18:58]
それは 行く に なれ と呼ばれる "パーセント の 最大" それ だった 見ている のために。
だった 行く に 使用 それ として 私たちの 主要な 応答 ここ
で 条項 の いる できる に 評価する どれの 方法 優れた その他。
その ない 本当に 行く に なれ、
どうやって 遠い 離れて 午前 I から その 位置 の その 最適 価値？
その どうやって 遠い それは という返答 I 予測された 最適として
どうやって 遠い は それ から その 実際の 最適？
それは 行く に なれ 私たちの 測定 の 成功。
その 方法 これ 意思 仕事 は 病気 なれ 尋ねる アンドリュー a 少し アイデア ここ
で 条項 の 何 通常 来る 上 で 練習する。
I 見た その 幾何学 彼は示した 自分 早い の上
そして その 最適 デザイン だった いつも 打つ その 境界。
何 もし I のように もの それ 私たちは 電話 もっと ミックス、 右？
あなた 持っている もっと 混合 もの で その 真ん中、
スペースフィル、 どれの は より良い。
もし I する 使用 一つの 最適 デザイン、
それ デフォルト に D 多分、 しかし 何 について I そして あ？
それから どうやって について その 年- 古い DOE 追加する 中心点ですか?
は それ 頭いい？ または は 1つ 中心点？
または どうやって について 複製しますか?
私たちは すでに 議論した どうやって だった ない いる 役立つ、
それで 何 は a 役立つ 測定 の a 良い デザイン？
それは その デザイン ピース、 しかし また その 分析 この作品は、
は そこには a 特定の 方法 それ 優れている みんな、
または は そこには ある 地域 それ 私たちは すべき 集中 の上
使用して ラッソ そして その他、
それ 私たちは すべき ただ 使用 SVEM のために 選択？
これら は 実用的 質問 それ 来る 上 から 全て の 私たちの 顧客、
そして 私たちは のように に 共有 と あなた
いくつかの の その 結果 それ 私たちは 得る から その シミュレーション。
アンドリュー、 あなた 欲しい に 与える 私たち
a 少し 少し もっと 洞察力 の中へ 私たちの シミュレーション プロセス？
うん、 ありがとう、 ジム。
前に I する それ、
I ただ 欲しい に ポイント 外 1つ 道具
それ 私たちは 作った 重い 使用 の で その 分析 の 私たちの 結果、
そして 残念ながら、 私たちは しない 持っている 時間 に 掘り下げる の中へ その デモ、
しかし それ もっている された それで 役に立つのは、 内で その プロファイラー
に 見て で その 出力 ランダム テーブル のために これら 混合 デザイン
そして に 見て で その 回答 特に、
私たちは 頻繁に 持っている 効力 側 効果。
私たちは 持っている 複数 回答、
私たちが望んでいるのは バランス それ 外 と その 望ましさ 関数、
そして それから だった 行く に 見て で その 個人 回答 彼ら自身。
いつ 私たちは 出力 a ランダム テーブル、 私たちは 得る a 空間 充填 デザイン、
基本的に ない a デザイン、 しかし 私たちは 埋める 上 その 全体 要素 空間、
そして だった できる に 見て で その 限界的な インパクト
の それぞれ の その 要因 以上 その 全体 要素 空間。
のために 例、 のために その イオン化された 脂質 タイプ、
何 良い 頻繁に 見る は、 私たちは できる 見る それ 多分 1つ もっている
a より低い 限界的な 行動 以上 その 全体 空間。
しかし 以来 だった 欲しい に 最適化する、
私たちは ケア について 何 その 最大 の それぞれ の これら は、
そして 1つ の これら 意思 明らかに なれ より良い または 悪い。
だった 見ている で その 減少 モデル。
後 彼 フィット 彼ら、 良い 行く に その プロファイラー そして する これ。
私たちは できる まだ 得る その 分析的な 最適 から プロファイラー、
しかし で 追加 に それ、
これ 与える 私たち もっと 情報 外 の ただ それ 最適。
何 私たちは かもしれない する ここ は のために 候補者 実行、
なぜなら 私たちは いつも ランニング 私たちの 確認 走る
後 これら 処方 そして 最適化 問題
は 私たちは かもしれない 走る その グローバル 最適 ここ のために H 102,
私たちは かもしれない 選ぶ 外 その 条件付き 最適 のために H 101
そして 見る どれの 1つ する より良い で 練習する。
また、 見ている で その 三元 プロット、
もし 私たちは 色 それらの による 望ましさ または による その 応答、
私たちは できる 見る その もっと または 少ない 望ましい 地域
の それ 混合 空間、
それで それ できる ヘルプ 私たち として 私たちは どちらか 増強 その デザイン
または どちらか 含む 追加 地域 で その 要素 空間、
または に 除外する エリア。
I できない する 多くの もっと と それ 右 今、
しかし I 望んでいた に ポイント それ 外
なぜなら それは a とても 重要 一部 の 私たちの 分析 プロセス。
どうやって する 私たちは 評価する いくつかの の これら オプション
内で これ タイプ の 幾何学 の a 要素 空間？
私たちは 建てられた a シミュレーション スクリプト それ 私たちは 持っている 共有 の上 その ジャンプ Webサイト、
そして それ 許可する 私たち に プラグ そして 遊ぶ のために 違う サンプル サイズ で 合計、
どうやって 多くの ランは で その デザイン？
私たちは 持っている a 真実 形状 選択
それ 与える 私たち その 真実 生成する 関数 後ろに その プロセス、
a デザイン タイプ、 どちらか 空間 充填 または 最適です。
その 最適 デザイン 今 は 行く に なれ の a ある 最小 サイズ
ベース の上 その 番号 の 効果 それ だった ターゲティング。
する 私たちは 持っている a 2番 -注文 モデル、 a 三番目 -注文 モデル、
a シェッフェ・キュービック モデル？
何 する 私たちは 持っている？
通常、 いつでも あなた 建てる a モデル そして カスタム デザイン で JMP、
それ 書く a モデル スクリプト 外 に あなたの テーブル そして それから あなた 使用 それ に 分析する それ。
良い、 何か 私たちは 探検した は 許可する a より豊かに モデル
よりも 何 私たちは 得る、 何 私たちは ターゲット、
そして は 私たちは できる に 使用 これら 方法 と すべて
そして 得る 追加 改善された 結果、
平 けれど 私たちは しなかった 元は ターゲット それらの 効果 で その デザイン？
その 短い 答え そこには は はい。
それは 何か それ以外 私たちは 欲しい に 考慮する、
それで 私たちは 許可する 私たち自身 と その 効果的 選択
に 含む 追加 効果。
私たちは できる 見て で その インパクト の 追加する 複製する または 中心点
そして それ カスタム 飲酒運転 対話 に 強制する それらの。
どうやって する それ 影響する 私たちの 応答？
なぜなら どれでも の その 要約 それ あなた 得る 外 の その デザイン
そして 外 デザイン 診断 は 始まり ターゲティング その 満杯 モデル、
どちらか と 尊敬 に 予測 変異体、
D最適、あなたが見ているのは 標準 エラー のために その パラメータ。
しかし 何 私たちは 本当に ケア について は どうやって 良い は その 最適
それ だった 取得 外 の これ、
それで それは 何 だった 行く に 取る a 見て で と これら シミュレーション。
のために その ほとんど 一部 で これら LMP 最適化 シナリオ、
a 多く の 回、 良い 来る 横切って 二 状況。
その 科学者たち 意思 言う、 「私は 得た について 12 走る 利用可能、
そして 多分 その ない それ 重要 の a プロセス、
または その 材料 は とても 高い、
そして I ただ 必要 に する その 最高 I できる と 12 実行されます。 それは 何 私は 手に入れた。
または それ かもしれない なれ 何か どこ 彼らは 得た a 予算 のために 40 実行、
そして 彼らは できる フィット a 満杯 2番 -注文 モデル
プラス 三番目 注文 混合 効果、
そして 私たちは 欲しい に 試す に 特徴づける これ 全体 要素 空間
そして 見る 何 その 応答 表面 見た目 のように 以上 その 全体 もの。
それらの は その 二 シナリオ だった 行く に なれ ターゲティング で 私たちの シミュレーション。
ジム、 I 考える あなた 持っていた いくつかの 質問
について パフォーマンス 下 違う シナリオ。
何 だった あなたの 初め 質問 そこには？
I した。
I 推測 いつ I 考える について a 12- 走る シナリオ ここ、
そして もし I ただ 行く と その デフォルト、 私は 得る a D -最適
そして それ だろう なれ 主要 効果 のみ。
I 認識する I できた する その 空間 充填 のように I ただ した、
しかし 私の 質問 は、 もし I する その デフォルト、
どれの 1つ の その 分析 方法 だろう なれ どちらが好みですか?
または は そこには 1つ？
わかった、 それで 服用 a 見て で それ。
のために その D- 最適 デザイン、 として a 一般的な ルール、
その 行く に 置く ほとんど 全て の その 走る 平行 その 境界 の その 要素 空間
そして その ない 行く に 持っている どれでも インテリア 走る
ない限り あなた 持っている 二次関数 条項 または 何か それ 必要 それ。
と a 12 -走る デザイン、
そこには 90 度 の 自由 必須 に フィット 全て その 主要 効果 ここ。
私たちは 得た a 少し 度 の 自由 のために エラー、
しかし たいてい だった のみ ターゲティング その 主要 効果 ここ。
どうやって する その 分析 方法 する？
は そこには どれでも 違い で その 分析 方法?
何 私たちは する、 そして 全て の これら だった 行く に 要約すると、
私たちは 見せる その パーセント の 最大 のために 全て の 私たちの シミュレーション それ 私たちは する、
そして それで 私たちは できる 見る それ 分布 のために それぞれ の その 分析 方法、
全て のために これ 12- 走る、 D最適 デザイン ターゲット 効果。
それから 私たちは また 見せる どれでも 重要な 違い 間 これら、
そして だった ただ 使用して 学生のT。
だった ない 作る 二 キー 調整、 それで 保つ それ で 心
いつでも あなたは 見ている これらで 重要な 価値観。
その 勝者 ここ は 私たちの 自家製 すべて ニューラル アプローチ
なぜなら その ない 制限付き に のみ 見ている で その 主要 効果、
彼らは できる 許可する いくつかの 追加 複雑 で その モデル、
そして それで それ 勝利 ここ。
今、 しない 得る あまりにも 興奮した について それ なぜなら これ は について その 最高
それ 私たちは 見た 私のニューラルネットワーク する は これら 小さい 設定。
しかし もし 私たちは は ランニング もっと よりも 1つ 候補者 最適 行く フォワード、
それから 多分 私たちは できる 含む a 全て ニューラル、 しかし で 一般的な、
私たちは しないだろう 推薦する のみ こだわり と すべて ニューラル
ただ なぜなら それ 傾向がある に なれ もっと 変数、 持っている 重い 低い 裏。
何 は その 他の 結果？
私たちは 見る その 敗者 で これ 応用
または 何でも それは やっている その シングル ショット モデル 削減
なぜなら 全て これら 効果 は 重要な で その モデル、
そして どれでも 時間 私たちは 引く 1つ の 彼ら 外、 私たちは は 行く に 得る
a 最適ではない 表現 の 私たちの プロセス。
それは なぜ で これ 場合 その 満杯 モデル する より良い よりも それらの。
しかし 何ですか 面白い は その すべて リニア アプローチ
は できる に で 少しでも マッチ それ 満杯 モデル パフォーマンス。
だった ない 負け 何でも による 使用して すべて で これ 応用、
それで それは a ニース 側面 どこ 私たちは しない 持っている に 心配
について その 小さい 設定。
は 私たちは 痛い 私たち自身 で 全て による 使用して AICCですか？
今、 何か それ以外 私たちは 試した ここ は 与えられた その 同じ、
あなたは のみ 得た 12 実行されます。
あなたは のみ ターゲティング その 製造
そして その D最適 基準 で その カスタム DOE。
何 もし 私たちは 許可する その フィット モデル に 考慮する 2番 -注文 効果
プラス がある 混合 効果、
それで 私たちの モデル それから だった ターゲットを絞った に する？
何 起こる、 そして 私たちは 見る これ ジャンプ ここ、
これ すべて リニア 方法 は できる に 利用する それ 情報
そして 与える 私たち より良い パーセント の 最大、 得る 最適 候補者、
そして それらの は 私たちの 受賞者 ここ 今 は これら すべて リニア 方法。
何 私たちは 見る は それ 興味深いことに、
その ベース 方法 のために これら すべて アプローチ、 フォード 方法、
または フォード 選択 または その ラッソ は ない できる に 作る 使用 の それ、
のみ その すべて は、 それで それは a ニース 財産。
彼らは 実は ビート 外 ニューラル、
どれの は ニース なぜなら 今 これら は ネイティブ に ジャンプ 17
そして 彼らは しない 必要とする として 多くの 計算 時間
または マニュアル セット 上 として で 彼らの 自分の。
何 私たちは 始める に 見る ここ は その テーマ それ だった 行く に 見る
全体を通して その 休む の その 日 は それ どれでも の これら ラッソ アプローチ
と いいえ 傍受 は 行く に 与える 私たち サブ -最適 結果
なぜなら それなし その 傍受
そして その 罰則 しない 仕事 右 で ラッソ、
だからあなたは 実は 欲しい に 振り向く オフ その デフォルト オプション の いいえ 傍受
もし あなたは 行く に 試す に 使用 すべて ラッソ
または 平 ただ ラッソ それなし 一つの 傍受する。
わかった、 それで I 推測 それ 見た目 のように すべて ニューラル した 良い そこには。
しかし また、 それ は ない ネイティブ。
私たちは できない する それ と ジャンプ 17 プロ、 それは ない そこに .
私たちは できる、 私たちは 持っている に 持っている a マニュアル [聞き取れない 00:29:01] スクリプト付き。
ええ、それは ない a マニュアル オプション。
わかった、 これ は 良い、
しかし 私は また a ファン の その 空間 充填 デザイン、
それで どうやって する それ 遊ぶ 外 で 条項 の その 分析 方法?
のために その 空間充填 デザイン、 あなた できる 見る それよりも よりも 持つ
全て その ポイント 平行 その 外観、 平行 その 境界、
今 私たちは 埋める 上 その インテリア 空間
のために 両方 その 混合 要因 そして その プロセス 要因、
どれの 時々 で 練習する 何 良い する は、
良い 取る その プロセス 要因
そして ラウンド これら に その 最も近い 0.25 または 0.5
または 何でも 粒度 作品 最高 のために 私たち、 しかし これ は 何 それ 見た目 のように。
で 条項 の その 結果、 どうやって する 彼らは 実行する？
今 何 だった 行く に する は 比較する
その 連結 の その デザイン アプローチ
平行 と その 分析 方法 そして 見る どれの これら する 最高。
見ている で 今 まだ 許可する その より豊かに 2番 そして 三番目 -注文 モデル
のために その 選択 方法 そして 見る どれの 1つ する 最高。
いつ 私たちは 見て で その 比較、
その 受賞者 は その すべて線形 アプローチ、
ラッソ のみ と その 傍受、 ない それなし その 傍受、
そして その D- 最適です。
また、 後ろに その シーン、 あなた 持っている に 覚えて、
今 あなたは 仮定 のために これ D最適 アプローチ
それ あなたの ポジティブ モデル は 真実 以上 その 全体 要素 空間
そして あなたは 得た 絶え間ない 様々な 以上 それ 要素 空間。
もし あなたは 心配した について 失敗 平行 その 境界、
それから それは 何か それ以外 に 取る の中へ アカウント、 そして その ない 建てられた の中へ これ。
あなた 持っている に 考慮する それ。
しかし もし あなた は 自信があり、
多分 あなたは 走る これ 前に そして あなたは のみ 作る マイナー 変更、
それから その 方法 に 行く は その D- 最適 と その すべて アプローチ。
下 ここ、 その 敗者 は その ラッソ、 と いいえ 傍受する。
私たちは するつもりです 避ける それらの、
そして あなた できる 見る それらの 重い 裏 下 ここ。
ない その すべて ラッソ、 ただ その 投げ縄。
実は ここは その すべて ラッソ と いいえ 傍受 ここだよ。
うん。
彼らは 全て 得る これら Fs、 それで 彼らは 全て 失敗。
-都合よく、 [クロストーク 00:30:48] 。 -うん
わかった。
何 頻繁 意思 来る 上、
かどうか その 設計された 上 フロント どこ 私たちは 終わり 私たちの 12 実行、
そして その ボス、
彼女 もっている いくつかの もっと 質問 そして 私たちは 持っている もっと 実行されます。
もし だった 行く に する 五 もっと 実行、
どうやって する それ インパクト いくつかの の これら 結果？
いつ あなた 言う 五 実行、 ない a フォローする -上 勉強、
しかし あなたの 建てる は 勉強 どちらか 12 または 17 走る
で a シングル ショット 右 今 は 何 あなたは 考慮すると、 右？
うん、 その通り。
わかった、 それで うん、 私たちは できる 見て で その 限界的な インパクト
なぜなら そこには a 料金 に あなた のために それらの 余分な 五 実行されます。
何ですか その 利点 の それらの 五 余分な 実行されますか?
使用 その デザイン 分析 あなた できた 使用、
見て で FDS プロット そして あなたの FDS プラス 手段 より低い、
反射する 小さい 予測 バリアント。
力 は ない それ 役に立つ のために これら 混合 効果 デザイン。
私たちは しない ケア について その パラメータ。
私たちは 欲しい に 知る、 どうやって 良い だろう 私たちは する と 最適化？
それは どこ その シミュレーションの ハンディ、 私たちは できる 取る a 見て で それ。
どうやって する あなたの 分布 の あなたの パーセント の 最大 変化
として あなた 行く から 12 に 17 実行されますか?
興味深いことに、 そこには いいえ 利点 のために その シングル ショット 40 ICC
に 持つ 17 対 12 実行されます。
今、 また、 右 今 だった 見ている で その パーセンテージ の 最大。
もし あなた 見て で あなたの 誤差分散、
予測の分散 は 行く に なれ 小さい、
そして そこには かもしれない なれ いくつかの 他の [聞き取れない 00:32:09] ,
しかし 主に あなたの 予測 分散
は 行く に なれ 小さい もし あなた 見て で それ。
しかし 本当に、 私たちは しない ケア それ 多くの について 予測 分散。
私たちは 欲しい に 知る、 どこ は それ 最適 ポイント？
なぜなら 後 これ、 だった 行く に なれ ランニング 確認 走る
そして 多分 で レプリカ で それ ポイント
に 得る 一つの アイデア の その プロセス そして アッセイ 分散 それから。
しかし 右 今、
私たちは は ただ 試して に スカウト 外 その 応答 表面
に 探す 私たちの 最適 処方、
それで と それ ゴール で 心、 そこには いいえ 利点 のために 4日間 国際刑事裁判所。
今 のために その すべて 方法、
私たちは する 見る そこには は a 重要な 違い
そして 私たちは する 得る a 重要な 改善
で 条項 の 私たちの 平均 パーセント の 最大 私たちは 得る、
そして 多分 ない として 重い 裏 下 ここ。
しかし 今 あなた 必要 に 知る は それ あなた 必要 に 決める、
は それ 実質的に 重要な？
あなたは 欲しい に 動く から 90% に 92% 平均 パーセント の 最大
で これ 初め ショット と 五 余分な 実行されますか?
あなた 持っている に する あなたの 限界的な 料金
オリジナル 利点 分析 そこには として a 科学者
そして 決める もし それは 価値 それ。
ただ 見ている で それ ここ、 何 I 考える かもしれない なれ 役に立つ
なぜなら あなた 持っている に 走る 確認 走る ともかく
は もし 私たちは 走る その 12 -走る デザイン、
あなた できる それから 走る a 候補者 最適 または 二
ベース の上 その 結果 私たちは 得る、
そして それから プラス a カップル の 追加 走る 多分
で a 高い -密度 地域 のために 何 それ 見た目 良い、
または 平 増強 外 あなたの 要素 空間 a 少し 少し、
そして それから あなたは まだ ランニング a 合計 の 17 実行、
しかし 今 だった 行く に 持っている 平 a より良い センス の その 良い 地域 ここ、
それで それは 何か に 考慮する。
何か それ以外 私たちは できる 見る
から ランニング その シミュレーション と 17 走る は、
さあ 見て で その パフォーマンス
の それぞれ の その フィッティング 方法 内で それぞれ 反復、
そして そこには 実は a 驚くべきことに 低い 相関
間 その パフォーマンス
の これら 違う 方法 内で それぞれ 反復。
私たちは できる 使用 それ に 私たちの 利点
なぜなら だった 行く に なれ ランニング 確認 走る 後 これ、
それで それよりも よりも ただ 持つ に 取る 1つ 方法 そして 1つ 確認 ポイント、
1つ 候補者 最適 ポイント、
もし 私たちは だった に、 のために 例、 見て で これら 4つ 方法
そして それから 取る その 候補者 最適 から それぞれ の 彼ら、
それから だった 行く に なれ できる に 行く フォワード と どれの 1つ みんな する 最高。
だった 見ている で その 最大 の これら。
それよりも よりも 見ている で a 平均 の 92% に 94%、
今 だった 見ている で a 平均 の について 97% と a 小さい しっぽ
もし 私たちは 考慮する 複数 の これら 方法 で 一度。
わかった、 とても 役に立つ。
さあ 今 置く 私たちの 目 向かって その 40 -走る デザイン。
とても 良い 情報 で 条項 の 私の 小さい 走る デザイン。
今 と 40, どうやって する それ 遊ぶ 外 で 条項 の これら 分析 方法?
は 私たちは 行く に 見る 一貫性のある 行動 と 何 私たちは 見た で その 12 -走る デザイン？
それから どうやって について その 空間 充填 対 その 最適 デザイン、 D最適？
-私は なれ 興味がある で それ。 -わかった。
良い、 初め 取る a 見て で その D最適 デザイン、 40 実行、
そして 今 だった ターゲティング 全て の その 2番 -注文 効果、
その 三番目 -注文 効果、 混合 効果、
そして だった ターゲティング 全て その 効果
それ は 本当に 現在 で 私たちの 生成する 関数、
そして 私たちは まだ 見る それ だった ロード済み 上 の上 その 境界 の その 要素 空間
と その 最適 デザイン、
そして それから もし 私たちは だった 行く に 見る 今 と その 空間 充填 デザイン、
だった 行く に 見る 今 だった 充填 上 その インテリア
の その 要素 空間 のために その 混合物
そして のために その 他の 連続 プロセス 要因。
さあ 見る 何 その パフォーマンス 違い は。
初め の 全て、 集中 の上 その 空間充填 デザイン、
どれの 分析 方法 する 最高？
そして 同じ として 私たちは 見た で その 12 -走る 例 の その すべて リニア、
フォード 選択 と それ 傍受、 ラッソで その 傍受 する その 最高。
その 最悪 場合 あなた できる する は 維持 その 満杯 モデル、
または それから 試して すべて または シングル ショット ラッソ と いいえ 傍受
そして その D最適 設定、 同じ 受賞者、 どれの は 安心させる
なぜなら 今 私たちは しない 持っている に なれ 心配した について、
"良い、 私たちは変化している 私たちの デザイン タイプ。 今 私たちは 得た に 変化 私たちの 分析 タイプ。"
その 良い に 見る これ 一貫性 横切って その 受賞者 の その 分析 タイプ。
その 満杯 モデル しない する として 貧弱に ここ と その 最適 デザイン、 I 考える、
なぜなら その 最適 デザイン は ターゲティング それ モデル
そして その 敗者 ここ は まだ その ラッソ と いいえ 傍受する。
それから ニューラル は 本当に 落ちる 後ろに ここ、 後ろに その 他の 方法。
今 さあ 比較する その 空間 充填 に その D最適 デザイン、
そして 私たちは できる 本当に 見る
その 最大の 違い ここ は 内で その 満杯 モデル、
その 空間 充填 デザイン は 多くの 悪い よりも その D最適 デザイン。
いつでも あなたは やっている デザイン 診断、
それは 全て 内で その コンテクスト の その 満杯 モデル。
のために あなたの D -最適性 基準、
あなたの 平均 予測 分散、 それは 全て そこには。
A 多く の 回 いつ あなた 走る それらの 比較、
あなたは 行く に 見る a 厳しい 違い 間 それらの
そして それは 何 あなたは 見る ここ。
しかし、 で 本物 人生、
だった 行く に なれ ランニング a モデル 削減 技術。
と すべて、 平 その シングル ショット 方法 改善する それ。
しかし 特に と すべて ここ、
それ 本当に 閉まる その 違い 間 その 空間 充填 そして その 最適 デザイン、
そして 私たちは 見る かわいい 近い に 中くらい、 そして わずかに 重い しっぽ ここ。
しかし 今 あなた できる 見て で これ そして 言う。
"わかった。 I 失う a 少し 少し と 空間 f 病気 デザイン。
しかし もし I 持っている どれでも 懸念事項 まったく について その 境界 の その 要素 空間、
または もし 私は 幾分 限定 で どうやって 多くの 確認 ポイント I できる 走る
そして I 欲しい に 持っている 何か それは 行く に なれ ない あまりにも 遠い 離れて
から その 候補者 最適 それ 私は 行く に 運ぶ フォワード、
それから それらの は その 利点 の その 空間 充填 デザイン。"
今 私たちは できる 計量する それらの 外。 だった ない 立ち往生
と これ 劇的な 違い 間 その 二。
また、 それは ベース のみ 対 その D最適 デザイン .
I 推測 a 多く の 回 で 私たちの DOE 仕事、
私たちは のように に 多分 見て で その I-最適性 基準
そして 平 その A もっている 終わり 本当に 良い のために 私たち。
で 特に、それは スプレッド それ。 それはcです 中くらい ない 空間 充填、
しかし で 少しでも それ スプレッド それ 外 a 少し もっと よりも その D -最適です。
する 私たちは 持っている どれでも アイデア どうやって それらの I そして A 最適 仕事？
うん、 私たちは できる スワップ それらの 外 の中へ シミュレーション。
1つ もの 私たちは いつも 気づいた、
I 愛 その A -最適 デザイン で その 非 混合 設定。
その ほとんど 私の デフォルト 今。
I 本当に のように 彼ら。
しかし で その 混合 設定、 いつでも 私たちは 試す 彼ら、
平 前に その シミュレーション、 もし 私たちは 見て で その デザイン 診断、
その A -最適 一度もない する として 良い として その D または その I -最適、
そして それ クマ 外 ここ で その シミュレーション、
それは その 青 ここ のために その 最適、 与える 私たち 劣った 結果。
ルール の 親指 ここ は、
しない わざわざ と その A最適 デザイン のために 混合 デザイン。
今 のために D 対 I -最適、 私たちは しない 見る どれでも...
で これ 応用 のために これ 生成する 関数、
私たちは しない 見る どれでも 違い 間 彼ら。
しかし、 a 理由 に わずかに 好む その D最適 は、
そこには 傾向がある に なれ いくつかの 収束 問題 のために これら LNP 設定
どこ あなたは 得た に ペグ 以上 その 1つ 5%
そして あなたは 試して に ターゲット a シェッフェ・キュービック モデル で JMP、
だから私たちは 気づいた 時々 いくつかの 収束 問題
のために その I-最適 デザイン そして それ かかる もっと長く。
その D -最適、 もし そこには ない 多くの の a 利点、
それから それ 思われる に なれ その より安全 しかし に スティック と その D最適。
今 私たちは なかった できる に テスト それ と その シミュレーション
なぜなら 右 今 で JMP、
あなた できない スクリプト で シェッフェ・キュービック 条項 の中へ その DOE
に 建てる 一つの 最適 デザイン。
あなた 持っている に する それ を通して その GUI。
私たちは なかった できる に テスト それ、 見る どうやって 頻繁 それ 起こる、
しかし それは なぜ 私たちは 運ばれた フォワード
D最適 で これら シミュレーション そして 私たちは スティック と それらの。
もし あなた 欲しい に で あなたの アプリケーション、 あなた できる 試す 両方 D そして I
そして 見る 何 彼らは 見て のように
両方 グラフィカルに そして と その 診断、
しかし その D最適 思われる に なれ パフォーマンス 良い。
わかった、 I 推測 ただ 保つ 引っ張る その 糸 a 少し 少し さらに遠く は、
a 多く の 回 良い 試す いくつかの タイプ の a ハイブリッド デザイン .
なぜ しない 私たちは 始める 外 と、 言う、 25 空間 充填 実行、
そして それから 増強 それ と いくつかの D最適 基準
に 作る もちろん それ 私たちは できる ターゲット その 特定の パラメータ 興味がありますか?
か それ 仕事 外 かわいい 良い？
うん、 私たちは できる シミュレーション それ そして 私たちは 取る a 見て。
どちらか 私たちは 手に入れた...
これ は その 同じ シミュレーション 関数、
生成する 関数 私たちは された 見ている で のために あなた 走る その D最適、
あなたが実行するために 空間 充填、
または a ハイブリッド、 どこ 私たちは 始める 外 と 25 空間 充填 走る
そして それから 私たちは 行く に 増強 そして 負荷 で 建物 15 追加 走る ターゲティング
その 三番目 注文 モデル、 そして 何 私たちは 見る は それ 今、
私たちは 持っている いいえ 重要な 違い で 条項 の その 最適化
間 その 40回実行のD最適 そして その ハイブリッド デザイン、
しかし で その ハイブリッド デザイン、
私たちは 得る その 利点 の それらの 25 スペース充填ラン。
私たちは 得る いくつかの インテリア 走る 保護 に フィット 追加 効果
そして 保護 に対して 失敗 平行 その 境界。
その a 少し 少し もっと 仕事 に セット これ 上。
良い する これ のために 高い 優先度 プロジェクト
なぜなら のみ のために それらの なぜなら その余分な 料金 そして 時間。
しかし それ する 現れる に なれ a 有望な 方法。
右。
実質的に あなた 考える について どこ あなたの 最適 は 行く に なれ、
そこには a 良い チャンス それ できた なれ で それ インテリア 空間
それは ない 満たされた で その D最適 平行 その 境界。
I 推測 ただ 多分 行く 戻る、
再訪 その アイデア の 何 もし I 持っていた a 中心 ポイント、
何 もし I 持っていた a ポイント それ I できた 複製しますか?
また、 多分 の上 その 40- 走る デザイン、
もし I 持っていた 五 もっと もの、 それで ただ どれでも 他の 少し ナゲット
それ 私たちは 学んだ 平行 その 方法 と これら？
良い、 これ 来る 上 a 多く なぜなら 今 教科書 意思 教えて あなた
に 追加 五 に セブン 複製する 実行されます。
その 科学者たち は 行く に キック あなた 外 もし あなた 試す に する それ。
A 多く の 回 私たちは 持っている に 作る その 口論
に 追加 平 a シングル 複製する 走る
なぜなら それ もっている 利点 外 の その フィッティング
なぜなら 今 あなた 得る a モデル [聞き取れない 00:41:09]
そして ただ グラフィカルに 私たちは できる 使用 それ として a 診断、
私たちは できる 見て で それ 空気 分散 相対的 に その 全体 分散
から その 全体 実験。
その とても 役に立つ に 持っている、
そして それで その 行く に なれ ニース に 持っている 一つの 口論 のために あなた に 言う それ、
"わかった、 だった ない 痛い あなたの 最適化 ルーティーン
による 含む 平 a シングル 複製する 走る。"
それは 何 私たちは 見る ここ のために その 40ラン 例
による 強制する 1つ の これら に である 複製する 内で カスタム デザイン。
私たちは は ない 取得 a 重要な 違い で 全て
で 条項 の 最適化。
その どちらでもない 助ける または 痛い。
さあ 行く 先に そして する それ、
それで それ いつ 私たちは 持っている それ 余分な ピース の 情報 行く フォワード。
I しない 持っている その グラフ ここ なぜなら その つまらない。
その その 同じ もの で これ 特定の 応用、
強制する 1つ の 彼ら に なれ a 中心点。
そこには いいえ 違い。
一部 の それ かもしれない なれ で これ 場合、 その D最適 デザイン だった 与える 私たち
a 中心点 または 何か 近い に a 中心点。
それ かもしれない ない 持っている された 変化 その デザイン それ 多くの。
あなた かもしれない 見る a 大きい 違い
もし あなた 行く 戻る に その 12ラン デザイン 強制する その 中心点。
しかし それは その アドバンテージ の 持つ a シミュレーション フレームワーク 建てられた 上
どこ あなた できる 取る a 見て で それ
そして 見る 何 は その 実用的 インパクト 行く に なれ のために 含む それ。
わかった、 今 どうやって について...
I 言及された I 持っている これ 大きい プロジェクト と たくさん の 制約。
だろう a 制約 多分 変化 いくつかの の その 結果？
良い、 私たちは できた おそらく 含む その 制約
そして その 行く に 変化 その 許可された 地域 内で その...
グラフ的に言えば、 あなたは 行く に 見る a 変化 で あなたの 許可された 地域、
そして 私たちは できる シミュレーション それ。
実は、 私は 終わり それ。
I しない 持っている その グラフ 上 と 自分 右 今、
しかし 何 それ する は そこには ない それ 多くの 一つの インパクト、 すべて まだ うまくいきます。
1つ 違い 私たちは した 注記 は それ ランニング これ シミュレーション
そして それから 制約する その 地域 幾分 は それ その 空間 充填 改善された
なぜなら その 得た a 小さい 空間 に 埋める そして ない として 多くの ノイズ 空間、
しかし その D最適 意思 実行する
ただ として 良い 間 その 二 と または それなし 制約。
それ だった かわいい 面白い に 見る。
しかし 全て の これ 適用される ただ として 良い と 制約
そして 何もない の 注記 で 条項 の 違い のために 分析 方法 と その 制約、
で 少なくとも 比較的 単純 もの それ 私たちは 適用済み。
右、 わかった、 だった ほとんど ランニング 短い の上 時間 ここ、 アンドリュー、
しかし I する 持っている a 懸念。
私たちは 持っている a 誤って指定 デザイン
そして 私たちは だろう のように に 包む 上
そして 離れる その 皆さん と a 少し 鍵 持ち帰り品。
こちらは 一つの 例 どこ 今 これ 機能的 形状
する ない マッチ どれでも の その 効果 だった 考慮して
そして だった 比較的 フラット の上 これ 周囲
どこ a 多く の それらの 最適なデザインは
だから私はどうするか見てみるつもりだ それ 作品 外。
また 注記 その [聞き取れない 00:43:52] コレステロール セット に a 係数 ゼロ
そして真の 生成する 関数。
今 服用 それ 真実 関数 行く に プロフィール は 出力 まさに テーブル
そして あなた できる 見る どうやって ニース それ は に なれ できる に プロット これら もの
に 見る その 応答 表面 使用して それ 出力 右 で その テーブル。
こちらは 本当に あなたの 真実 応答 表面、 そして これ は あなたの 応答 表面、
しかし 何ですか 面白い は それ 見た目 のように そこには 一つの 幻想 ここ。
それ 見た目 のように コレステロール は インパクトのある のために あなたの 応答。
それ 見た目 のように それ 影響 あなたの 応答、 しかし で 現実 その 係数 は ゼロ。
しかし その 理由 それ 見た目 のように それ は なぜなら の その 混合 制約。
それは なぜ その 難しい に 解析する 外、
どれの その 個人 混合 効果 本当に 影響する あなたの 応答。
だった ない として 心配している について それ
私たちと同じように の と言って、 何ですか a 良い 処方 行く フォワード？
で これ 設定、 私たちは 追加 a 少し 少し の ノイズ、4% 履歴書、
どれの は 使用済み 頻繁に で その 製薬 世界。
で これ 場合、 その 平均 だった 使用して は その 平均 で その 最大、
どれの で これ 場合 は 1つ、
そして それから また a 多くの もっと 過激 40% 履歴書
これ 見た目 もっと のように a ソナー
そして 彼らは 試して に 探す タイタニック または 何か。
うまくいけば なし の あなたの 製薬 アプリケーション 見て のように これ、
しかし 私たちは ただ 欲しい に 見る で これ 過激 場合 どうやって もの 仕事 外。
何 私たちは 見る は で その 小さい 12ラン 例
と 比較的 小さい プロセス 変化 は プロセス プラス エッセイ 変化
は これら ベースライン デザイン 行った 外 そして すべて、 全て 同じ 方法、
そして それから もし 私たちは 行く 上 に 40ラン、
その 空間充填 ない できる に 保つ 上 として 良い、
しかしD最適 意思 本当に する 今は良くなりました、
平 けれど その 比較的 フラット 外 そこには そして その サイズ どこ ほとんど の その 走る は、
その できる に 選ぶ 上 その サイン の その 表面 ここ。
今、 ここは その 違い 間 その 満杯 モデル
そして それから その 空間充填 そして D- 最適です。
ない として 大きい の a 違い のために その すべて 方法、
しかし あなた する まだ 持っている a 少し しっぽ ポイント 下 ここ。
それから 彼らは 全て ない パフォーマンス として 良い として その すべて リニア、
平 けれど その すべて リニア
は のみ 近似 それ 曲率 のために それ 応答 表面。
もし 私たちは 行く 上 に その 素晴らしい うるさい ビュー、 いいえ 1つ する a 本当に 良い 仕事、
しかし まだ あなたの のみ チャンス は その 空間 充填 アプローチ。
しかし それから いつ 私たちは 行く 上 に その 大きい サンプル サイズ、
平 で その 顔 の 全て その プロセス 変化、 プロセス ノイズ、
は 今 その オプション だった できる に バウンス 外 以上 それ ノイズ より良い
そして は できる に 作る より良い 使用 の それらの 走る よりも その 空間 充填。
A カップル の 考慮事項 そこには。
何ですか あなたの 走る サイズ？ どうやって 飽和状態 あなたの モデル？
どうやって 多くの プロセス 変化 する あなた 持っている 相対的 に あなたの プロセス平均、
行く の中へ その バランス の その 空間 充填 対 最適です。
もし 私たちは 取る a 見て で 何 は その 率直な 最適 ポイント
だった 取得 外 の その 空間 充填 対 最適です。
私は ごめん、 のために その 空間 充填、
それから 何 私たちは 見る は だった の上 ターゲット のために これ は イオン化可能な そして ヘルパー。
だった の上 ターゲット のために 全て の 私たちの アプローチ を除外する のために これら 最後 と いいえ 傍受する。
彼らは 一度もない の上 ターゲット、
彼らは いつも 押す あなた オフ どこか それ以外。
あなた できる 見る グラフィカルに どうやって それ 足らない の 傍受する。
今、 もし 私たちは 許可する その 傍受、 それから私たちは の上 ターゲット。
それ 本当に は 重要 に チェックを外す それ いいえ 傍受 オプション のために 投げ縄。
のために 全て その 人々 それ は ない 使用して ジャンプ プロ
そして しない 持っている すべて、
あなた かもしれない 言う、 良い、 わかった、 何ですか あなたの シミュレーション？
ここ、 何 は より良い？ AICc、 対 ビック、 対 P値。
残念ながら、 ただ 使用して その 番号 の シミュレーション 私たちは 走る、
そこには ない として 一貫性のある アプローチ として そこには は と すべて。
もし あなたは 得た a 大きい 番号 の 実行、 どこに 指定されている
または 正しく 指定された または 誤って指定されている、 その フォワード または 後方 AICc する 良い。
満杯 モデル する 悪い、 一方 で その 小さい 設定、
その 満杯 モデル する より良い なぜなら 全て それらの 条項 は 関連する。
また その P値 ここ、 あまりにも。
今、 あなた 見る、 0.01 する その 最悪、 0.01 する その 最高 で 大きい 設定。
ない 一貫性、 どのようなP値を使用しますか?
0.01、0.05、0.1 .
その p値 から これ ビュー は 一つの 調整されていない 最適化 パラメータ、
それで 多分 最高 に 避ける それ そして スティック と その AICc
もし あなたは で ベース ジャンプ。
しかし、 私たちは 持っている 見た 今 それ
SVE アプローチ のために これら 最適化 問題
する 与える あなた ほとんど 普遍的に より良い ソリューション
よりも その シングル ショット 方法。
あなた できる 得る より良い ソリューション と ジャンプP ロ、 と すべて。
素晴らしい。
I 推測 私たちは 欲しい に ただ 包む 上。
いくつかの の その 鍵 調査結果 ここ、 アンドリュー。
うん、 そして また、 ジム、 どれでも 他の コメントは？
する あなた 持っている どれでも 他の コメント あまりにも について これら 最適化 問題 または 何でも？
面白い もの 私たちは 見た 最近？
私たちは 持っている、 だった 上 に対して 時間 のために もちろん、 しかし 私たちは 終わり いくつかの かわいい すばらしい もの
それ 私たちは 来る 上 と 新しい 設計された 木材
それは より良い よりも その これまで された
そして 推進剤 それ は 持つ 物理的な プロパティ
そして パフォーマンス それ 私たちは まだ 見た 前に。
私たちは 持っている 撮影 a ステップ、
a 飛躍 で 条項 の いくつかの の その 機能
それ 私たちは 見た で 私たちの 混合 モデル。
できる 私たちは 要約する と その 強調表示 弾丸 下 そこには、
それ すべて 思われる に なれ 私たちの 方法 に 行く、
そして もし あなた のみ 持っていた 1つ 多分 すべて フォワード 選択、
あなたは なれ 覆われた かわいい 良い。
はい、 それは 右、 なぜなら 私は いつも 怖がった。
平 けれど その 最後 時々投げ縄 それ 見た目 少ない と 傍受、
時々 それ 見た目 わずかに より良い。
I しない 知る もし その 多分 1つ または 二 症例 だった 大幅 より良い、
しかし いつも ネック そして ネック と フォワード 選択、
しかし 私は いつも 怖がった それ 私は 行く に 忘れる に 振り向く オフ いいえ 傍受
そして それから 与える 自分自身 何か それは 悪い よりも やっている
または として 悪い として やっている その 満杯 モデル。
私は いつも 怖がった の やっている それ。
すべて フォワード 選択 と の 故障 設定 思われる のように a 良い 安全 方法 に 行く。
完璧。
良い、 と それ、 私たちは 立つ 準備ができて に 取る あなたの 質問。
