Hola todos.
Mi nombre es Micol Tresoldi.
Hoy mi hablar voluntad ser acerca de codificación con continuo y mezcla variables
a explorar más de el aporte espacio.
Antes I saltar en el tema aunque,
Identificación como a dar su breve describir de qué mi presentación quería mirar como.
Enfermo comenzar por intercambio y presentación a tú a pequeño poco de a general idea
de qué el objeto de el proyecto era y el objetivo eso era conduciendo él,
y entonces Enfermo aprobar en a presente el inicial acercarse
eso nosotros tomó inicialmente a buscar este objetivo.
Enfermo entonces espectáculo tú aunque,
eso siguiente este inicial acercarse, nosotros hacer encontrar alguno problema.
En eso punto en el problema escenario,
Bueno necesidad a ir atrás a el comienzo de el problema configuración,
y intentar a mirar en eso de a levemente diferente perspectiva,
en a forma eso nosotros poder cifra afuera un alternativa forma
de mirando en nuestro aporte variables.
En haciendo este, Bueno ser alterando nuestro datos estructura.
Pero Enfermo espectáculo tú cómo nosotros poder de hecho construir un equivalente a la estadística modelo
en a forma eso nosotros voluntad no ser en necesidad de yendo y recolectar cualquier adicional datos,
pero de hecho Estaremos capaz a volver a analizar exacto mismo datos,
y aún ser capaz a con un poco de suerte superar nuestro inicial problema
y encontrar alguno útil instrucciones a ir.
Este es el descripción general de el presentación.
Dejar a mí comenzar por donación tú el general idea de el proyecto.
Cuando el clientela primer alcance afuera a a nosotros, ellos tenía algo en mente
en términos de teniendo alguno ingredientes ellos necesario a mezcla juntos,
en a forma eso el final formulación exhibido alguno óptimo propiedades.
Más específicamente,
cualquier formulación era yendo a ser juzgado al dos propiedades,
y cada de estos propiedades tenía a encontrarse alguno cierto optimalidad criterios.
Como I justo fijado, el problema sí mismo, es pre- general en es naturaleza .
Bien tener alguno ingredientes, usando el común analogía,
nosotros poder pensar acerca de nosotros mismos en el cocina teniendo alguno ingredientes
y teniendo a cifra afuera a forma a mezcla a ellos.
En forma eso, en el fin, nuestro pastel voluntad mirar lindo
y también gusto bien.
Este es el general estructura.
Ahora, dejar a mí dar tú alguno más detalles acerca de este específico pastel.
El receta llamadas para cuatro ingredientes,
Factor A, Factor B, Factor DO, y Factor D.
Para Factor A, B, y DO,
de hecho el cantidad a poner en el receta es ser predeterminado.
Nosotros no tener libertad allá.
En el otro mano, qué nosotros necesidad a decidir aunque
es cómo eran yendo a hacer aquellos ingredientes, si tú como.
Allá son múltiple maneras de haciendo aquellos ingredientes
porque nosotros tener múltiple crudo materiales eso nosotros poder emplear
a llegar a aquellos ingredientes.
Entonces solo después teniendo estos ingredientes listo para usando,
nosotros poder de hecho emplear a ellos en el final receta.
Este es para Factor A, B, y C.
Para Factor D en el otro mano, allá es solo uno crudo material nosotros poder usar.
Solo uno forma de haciendo él.
Qué nosotros necesidad a decidir es cómo mucho
eran yendo a poner a factor D en el final receta.
Justo a resumen, en términos de decisión -haciendo problema,
Bueno necesidad a decidir cuatro cosas,
cómo nosotros hacer Factor A, cómo nosotros hacer Factor B,
cómo nosotros hacer Factor DO,
y cómo mucho de Factor D eran yendo a poner en el receta.
Bueno, ahora Enfermo necesidad a ser a pequeño más específico
en donación tú alguno más detalles
acerca de cómo, qué eran estos maneras de haciendo Factor A, B, y DO.
El cliente, cuando ellos vino a a nosotros,
ellos tenía relativamente pocos opciones en mente para este.
Para Factor A, ellos buscado a considerar dos crudo materiales.
cualquiera solo usando crudo material A1, o solo usando crudo material A2.
Para factor B, una vez de nuevo, solo dos crudo materiales, B 1 y B 2.
El posible maneras de haciendo factor B,
él era cualquiera el dos puro mezclas de B 1 y B 2,
o a 50-50 mezcla de B 1 y B2.
Factor C somos ahora tres fila materiales son disponible para haciendo él.
De nuevo, ya sea el tres puro mezclas, C 1, C 1, C3,
o como a cuatro opciones, son 50-50 mezcla de C 1 y C 2.
Con respeto a el Factor D cantidad,
cual Soy yendo a denotar por de ahora en, por X 1,
ellos buscado a prueba cuatro posible niveles.
Cuatro posible cantidades, cinco, 10, 15, y 20.
Acerca de el respuesta variables, aquellos son levemente más directo
en el sentido eso nosotros solo tener dos de a ellos,
ambos nuestro continuo variables.
Cada de a ellos, como I era mencionado en el comienzo,
tenía a encontrarse cierto optimalidad límite, optimalidad criterios.
Para Año 1 tenía a ser arriba 17. Para Año 2 tenía a ser arriba 2.6.
Ahora nosotros tener en nuestro izquierda,
nuestro aporte variables eso nosotros necesidad a decidir cómo a maniobra y variar
en haciendo el receta.
En el bien lado,
nosotros tener el propiedades eso eran interesado en.
Qué nosotros decidido a hacer era
a proponer nuestro clientela a hacer diseñado experimento
en a forma eso nosotros quería ir afuera y hacer alguno de estos recetas,
hacer alguno de estos formulaciones y ser capaz, de el coleccionado datos,
después grabación el propiedades para [inaudible 00:06:32] ,
actual observado formulación,
a entender y inferir el relaciones Sometidos a
eso eran enlace el aporte variables.
Cómo nosotros eran haciendo nuestro receta y respuesta variables.
Cómo el propiedades de hecho eran ejecutando ellos mismos
para diferente combinaciones de el entradas.
Al final eso el objetivo de el proyecto era en hecho,
a cifra afuera si allá era un óptimo receta,
significado a receta eso cuyo propiedades
ambos de su respectivo optimalidad criterios.
Dado este estructura, dado este configuración,
ahora es bonito claro eso X 1 es yendo a ser a cuantitativo variable.
Pero cómo acerca de Factor A, B, y ¿DO?
Dado el hecho eso nosotros poder mezcla estos crudo materiales .
Son nosotros yendo a tratar a ellos como categórico o son nosotros yendo a tratar a ellos como ¿numérico?
En este escenario, porque el cliente era particularmente interesado en
observando el actuación de estos específico composiciones de el crudo materiales
para haciendo el varios Factores A, B, y DO,
nosotros decidido a acomodar su solicitudes y codificado a ellos como categórico variables
en a forma eso nosotros eran seguro eso aquellos específico composiciones
eran yendo a espectáculo arriba en el diseño de experimento.
De nuevo, categórico variables medio eso, y en este caso,
cada nivel de el categórico corresponder a a posible forma
de haciendo el ingrediente o factor.
Nosotros fin arriba con tres categórico variables
con dos, tres, y cuatro niveles respectivamente.
Ahora, vueltas afuera eso de hecho
este categórico codificación acercarse era también bonito útil en el discusión
de cómo nosotros buscado a especificar el estadístico modelo
eso, en principio, era supuesto a,
o en el menos ficticio a ser integral suficiente
a describir y captura el relación Sometidos a
entre el factores y el respuestas, el propiedades.
Para el cliente, era particularmente fácil
para teniendo este categórico codificación a identificar y especificar
qué tipo de interacción vueltas OMS ellos eran esperando a ver
en términos de explicando y ser importante en explicando el relaciones.
El final estadístico modelo
eso nosotros terminó arriba especificando el diseño de experimento,
compuesto de principal efectos, dos -forma interacciones, todo de a ellos,
cuadrático y cúbico términos para el continuación variable
con el suma de el interacción de el cuadrático con uno de el factores.
Ahora, de curso,
nosotros también tenía alguno restricción en el número de experimentos disponible.
Porque nosotros obviamente no tener infinito cantidad de recursos,
entonces nosotros poner a restricción de 51 corre,
y este es el GAMA eso JMP dio a nosotros
capaz a estimar el estadístico modelo nosotros justo especificado,
y también ser capaz a ser dentro el restricciones
eso en nuestro recursos.
Ahora con este, el solo cosa eso era izquierda a hacer
era ir y hacer este 51 formulaciones.
Imaginar eso eran súper rápido, y todo es magia,
y nosotros tener ya consiguió pistola
y hecho todo de nuestro relaciones coleccionado datos .
Ahora nosotros son en bien forma para
estimando el Gaussiano modelo eso nosotros especificado.
Estos son el resultados para el primera propiedad, Y 1.
Nosotros poder ver eso allá es a bonito bien adaptar entre predecir y actual valores.
A También, si nosotros mirar en el métrica, el reportando, el modelo resumen,
aquellos mirar bonito satisfactorio.
El mismo es verdadero si nosotros mirar en ahora en el segundo propiedad Año 2,
de nuevo, bonito bien adaptar.
Nosotros son feliz con nuestro modelos, y nosotros pensar nosotros hizo a bien trabajo
en capturando el relación.
Ahora recordar eso qué nosotros en realidad desear a descubrir es, en hecho,
allá es cualquier óptimo receta eso poder encontrarse ambos criterios para nuestro propiedades.
Cómo son nosotros yendo a hacer ¿este?
Cómo son nosotros yendo a establecer si semejante a óptimo receta existe o ¿no?
Bien, en JMP Pro 16, este es a súper fácil tarea,
porque nosotros poder simular miles de potencial alternativas recetas
por usando el Perfilador Característica opciones.
Para cada de estos hipotético recetas,
nosotros poder automáticamente tener en el mismo mesa
el previsto significar valor para el dos propiedades,
entonces eso él llega sobrenatural y súper fácil
a ver si allá es cualquier óptimo receta.
Justo a dar tú un idea cómo rápido eso es,
I desear a espectáculo tú vivir, cómo nosotros poder hacer este.
Este es mi GAMA categórico mesa, dónde I tener mi Factor A, B, y DO.
X1 es mi solo cuantitativo aporte variables.
I tener mi grabado valores para el dos propiedades, Año 1 y Año 2.
Imagínate ahora eso nosotros tener ya correr el modelo, estimado modelo
y salvado el predicción fórmulas para el dos variables aquí.
Nosotros poder ir aquí y destacar estos dos columnas.
Ir a gráfico, seleccionar Perfilador,
y entonces poner aquellos dos predicción fórmulas en el Y predicción fórmula caja
y hacer clic DE ACUERDO.
Este es el habitual forma nosotros conseguir a perfilador diálogo caja.
En hecho, nosotros poder , fácilmente jugar alrededor y cambio el varios,
pero niveles de el entradas en a forma eso nosotros poder de hecho ver
cómo este impactos nuestro predicciones para el dos propiedades.
Sin embargo, qué I desear a espectáculo tú hoy
es cómo nosotros poder de hecho preguntar, yendo a el rojo triángulo,
preguntar JMP a producción a aleatorio mesa, y nosotros poder hacer él como grande como nosotros como.
Soy yendo a comenzar con 30.000 filas, justo a comenzar,
Enfermo espectáculo tú, ver,
no En serio, tomó No tiempo para JMP a dar a nosotros este 30.000 filas
dónde cada mesa, dónde cada fila corresponde a a hipotético receta
eso nosotros no lo han hecho necesariamente visto en el GAMA.
Este es el fuerza de teniendo este característica en JMP,
eso nosotros poder explorar el aporte espacio en literalmente No tiempo.
Ahora, si nosotros son interesado en vidente
si allá es uno receta eso es óptimo,
entonces nosotros poder ir aquí, Gráfico Constructor,
y poner el profético valores para Año 1, profético valores para Año 2.
Y entonces justo a ayuda nuestro visualización,
Soy yendo a poner a vertical eje
en correspondencia de el óptimo límite para Año 2,
y asimismo horizontal línea calificación el óptimo límite para Año 1.
Este superior cuadrante denota el óptimo región,
porque ambos propiedades son satisfactorio el optimalidad criterios.
Desafortunadamente, eso nosotros poder ver de aquí
eso nosotros no encontrar cualquier receta eso es, en hecho,
capaz a satisfacer ambos el criterios.
Este es como, bueno, no muy bien noticias.
Ahora dejar a mí ir atrás a mi presentación muy rápido.
Nosotros poder ver, en hecho,
eso nosotros no tener cualquier propiedades línea este cuadrante
con el feliz verde sonriente.
Qué hacer nosotros hacer en este ¿punto?
Hacer nosotros dar ¿arriba? De curso no.
Qué nosotros poder hacer es, en hecho, ir atrás a el comienzo de el problema
y intentar a ver si nosotros poder cambiar cualquier de nuestro inicial opciones
eso nosotros hecho por primera vez en que se acerca el problema.
En particular, tú podría ser recordando eso nosotros eran indeciso
si nosotros quería tratar el Factor A, B, y C
como categórico o como numérico.
Entonces lejos nosotros tener tratado a ellos como categórico.
Entonces lejos, factor A como ser a categórico variable, con dos niveles,
cualquiera solo usando A1 o solo usando A2.
Sin embargo, porque en hecho, el cliente eran abierto
a mezcla el crudo materiales a hacer Factor A.
Entonces eso era un opción.
Entonces qué nosotros poder pensar de
es sustituyendo este Factor A con variable
eso ahora I llamar Contenido A1, cual es a cuantitativo variable,
cual representa cómo mucho de A1 Soy yendo a poner
en el mezcla de A1 y A2 para haciendo Factor A.
El traducción,
el conversión entre categórico niveles y numérico valores,
es casi inmediato .
Si Soy solo usando A1, Soy yendo a usar 100% de A1 en mi mezcla.
entonces I poder código A1 Contenido a ser igual a uno.
En el opuesto lado, si Soy solo usando A2,
este medio eso I tener cero A1 Contenido en mi mezcla,
y por lo tanto A1 Contenido es yendo a ser igual a cero.
Tú podría tener adivinó eso implícitamente,
nosotros son también definiendo A2 Contenido a ser igual a 1 - A1 Contenido.
Pero nosotros no en realidad necesidad eso
porque nosotros son solo mirando en dos mezcla variables.
Por qué son nosotros haciendo ¿este?
Bien, el ventaja es claro .
Con Factor A,
nosotros eran constreñido en mirando en cualquiera A1 Contenido a ser igual a cero o uno.
Ahora eso eran en vista de continuación codificación,
el A1 Contenido poder llevar cualquier valor entre cero y uno.
Este, de curso,
representa un enorme saltar en el flexibilidad de nuestro modelo
y un infinito en el sentido eso ahora nosotros son abierto
a literalmente infinito más mezclas y infinito más maneras de haciendo Factor A.
Asimismo, Factor B es categórico con tres niveles.
Entonces lejos es estado este forma,
codificado solo B1, solo B2 o 50-50 mezcla.
Pero siguiente el similar lógica,
nosotros poder ahora introducir y B1 Contenido, continuo variable.
A ganar, el conversión es yendo a ser exactamente el mismo.
50-50 mezcla de B 1 y B 2 voluntad ser convertido en 0.5
porque Soy usando 50 % de B 1 y 50 % de B 2.
De nuevo, B 2 Contenido es 1 - B 1 Contenido.
A ganar, el ventaja es eso eran no atado a saltar de cero a 0.5,
o a cero a uno necesariamente,
pero nosotros poder explorar el entero espectro de valores
de cero a uno.
Factor C es probable más engaños,
porque nosotros hacer tener tres posible crudo materiales a mezcla arriba.
A t este escenario,
nosotros necesidad a introducir no justo uno, pero de hecho tres continuo variables
eso además ser continuo, tener también el mezcla restricciones.
Significado en todo veces, ellos necesidad a ser algo a uno.
Pero el conversión
entre el niveles de Factor C y el tres nuevo mezcla variables
Sigue exactamente el mismo lógica.
Eso es súper fácil.
Este es justo a visualización de cómo nosotros hacer el conversión de el niveles.
Este es cómo el GAMA agujas eso nosotros ya tener el datos en.
Nosotros no necesidad cualquier cosa demás.
Son asiento dentro el continuo codificación espacio.
Ahora, el solo más
involucrado pasos en paso de el categórico codificación
a usar a continuo codificación es cómo, en hecho,
nosotros convertir este el estadístico modelo
eso nosotros usar a diseño el experimento y entonces a analizar el datos.
Cómo son nosotros yendo a hacer ¿este?
Bien, el más fácil forma es a justo hacer él en muchos pequeño pasos.
Qué eran yendo a hacer es comenzar con nuestro principal efectos modelo,
a pequeño por pequeño en el diferente factores.
Nosotros comenzar con Factor A, cual tenía solo dos niveles.
Ahora en el continuo codificación, qué eran yendo a poner es A1 Contenido.
Eran solo yendo a poner el lineal término de este A1 Contenido.
En hecho, nosotros solo tenía uno coeficiente para Factor A en el categoría codificación modelo.
Asimismo, ahora eran yendo a tener uno soltero coeficiente para A1 contenido.
Ahora si tú no creer a mí, este, es un equivalente modelo.
Soy yendo a espectáculo tú a pareja de ejemplos.
Imagina que nosotros desear a cifra afuera
el impacto de usando solo A2 para haciendo Factor A,
entonces eso medio eso A1 contenido es cero. Bien.
De el categórico codificación modelo,
eran yendo a justo mirar en el interceptar término,
porque este extra término se refiere a cuando nosotros usar A1.
En este otro lado,
para continuo codificación modelo,
eran yendo a poner el interceptar, de curso,
y entonces el A1 Contenido coeficiente, pero ahora nosotros voluntad multiplicar él por cero
porque A1 Contenido es cero.
No incluso haciendo cualquier matemáticas,
tú poder en realidad ver eso estos dos números son exactamente el mismo.
Similarmente, si nosotros desear a ver , qué el impacto de usando solo A1
ahora en este tiempo, A1 contenido es yendo a ser igual a uno.
Ahora para categórico,
Soy yendo a suma arriba el interceptar término más el Factor A coeficiente acuerdo
contabilidad para el diferencia y el niveles de el factor.
En este otro lado sin embargo,
nosotros son yendo a siempre incluir el interceptar.
A t este punto, Bueno multiplicar el A1 Contenido coeficiente por uno
porque el contenido es uno.
De nuevo, no incluso cualquier matemáticas,
el dos números aquí son el mismo como el dos números aquí.
Exactamente equivalente.
Ahora con Factor B, nosotros tenía tres niveles.
Cómo son nosotros yendo a hacer ¿eso?
Bien, porque él tiene tres niveles, ahora nosotros no poder justo agregar el lineal término,
pero nosotros también necesidad a agregar el cuadrático término.
Nosotros tenía dos coeficientes antes, y eran yendo a tener dos coeficientes
También ahora con el continuo codificación.
A ganar, si tú no creer a mí, este es un equivalente modelo,
podemos trabajar afuera en el menos uno ejemplo, cual obras exactamente como antes y.
Si I solo tener B2, B 1 Contenido en cero,
medio eso dos coeficientes son yendo a tener cero peso
en computación el impacto.
Por lo tanto el dos números son solo justo dos eso son, en hecho el mismo.
Soy no yendo a ir en este de nuevo,
solo B 1 es equivalente a Contenido B1 igual a uno.
El mayoría interesante es,
este eso en el menos requiere tú a hacer alguno suma.
Dónde B 1 Contenido es yendo a ser 0.5, porque nosotros son en vista de 50-50 mezcla.
Tú poder verificar fácilmente
eso estos dos números aquí sumado arriba
son equivalente a este otro lado de el ecuación
dónde nosotros poner 0.5 y 0.5 al cuadrado,
porque ahora nuestro B 1 Contenido es igual a 0.5.
Ahora para Factor DO, nosotros tenía cuatro niveles.
Nosotros particularmente recordar, nosotros tenía tres posible crudo materiales.
Nosotros tenía a introducir tres mezcla variables.
Cada tiempo nosotros hacer tener a trato con mezcla variables cosas,
es levemente complicado
porque ellos convertirse perfectamente limpiador con cualquier constante término.
En puesta el C 1, C 2, y C 3,
el suma de a ellos elimina o requiere a nosotros a borrar el constante término.
Pero otro que eso, todo Sigue bonito mucho el mismo.
Nosotros tenía tres coeficientes aquí,
y eran aún yendo a tener tres coeficiente aquí
porque nosotros tener cuatro, pero nosotros son conseguir deshacerse de el interceptar.
Entonces aún el mismo balance.
A ganar, Soy no yendo a ir a través de todo de el ejemplos,
pero estás más que bienvenido a mirar en el diapositivas desconectado
y controlar eso aquellos son, en hecho, da tú siempre el mismo respuestas.
Estos son todo el ejemplos.
Ahora con entonces mucho trabajar, nosotros tener encontró el conversión de el principal efectos.
Cómo nosotros de hecho convertir cada separado factores
en usando el nuevo continuo ¿variables?
Ahora nuestro original modelo, aunque, incluido más que justo principal efectos.
En hecho, nosotros tenía el dos -forma interacciones.
Ahora el idea aquí es eso cada tiempo Factor A aparece,
Soy yendo a sustituto con eso A1 Contenido.
Cada tiempo Factor B aparece,
Soy yendo a sustituto él
con el dos B1 Contenido y B 1 Contenido al cuadrado.
Asimismo para Factor DO,
Soy yendo a sustituto él con el cuatro términos eso Yo tengo poner aquí.
El mismo sostiene cuando Soy interactuando con X 1,
y todo es muy mucho en el mismo sabor,
lógicamente Sigue el mismo esquema.
El solo precaución eso tú desear a ser consciente de
y ser particularmente atento acerca de
es eso cada tiempo tú interactuar un tres mezcla variables,
dónde aquellos son su tres mezcla variables,
aquellos principal efectos eso tú originalmente tenía ahora necesidad a ser excluidos de el modelo,
de lo contrario, el modelo no ser factible.
Eso es el solo precaución eso tú necesidad a ser cuidadoso acerca de.
Otro que eso, eran listo a ir.
Nosotros tenemos consiguió nuestro equivalente continuo modelo.
Ahora qué nosotros poder hacer es, en hecho, de nuevo, verificar eso todo es aún mismo.
I conseguir exactamente el mismo predicciones,
cualquiera usando el categórico codificación o yendo y usando el continuo codificación.
Ahora tú podría preguntar mí mismo, por qué son tú yendo en entonces mucho problema
y yendo, haciendo entonces mucho desorden si cosas son exactamente ¿lo mismo?
Bien, el ventaja es inmediato a ver,
y tú poder en realidad agradecer él si tú comenzar mirando en el perfiladores.
Este es el perfiladores, cómo él aspecto, cuando tú usar el categórico codificación .
Tú tener a saltar entre el diferente niveles.
Tú no tener el más débil idea qué poder suceder en entre.
Con el continuo codificación en el otro mano,
eso es exactamente qué tú poder hacer.
Tú poder explorar forma más de el diferente posible maneras
de haciendo el varios ingredientes Factor A, B, y C
en a forma eso antes él era justo afuera de límites.
En técnico términos, medio eso nosotros tener forma más fuerza de interpolación.
Este no venir gratis, de curso.
Qué tú pagar, el precio de es en hecho,
eso tú son implícitamente haciendo alguno suposiciones.
El suposiciones saludos el forma eso el varios nuevo continuo variables
eso nosotros tener introducido son relacionado a el respuestas.
En a forma, nosotros son implícitamente arrogante eso
el relaciones entre A 1 Contenido y nuestro propiedades es lineal.
El relación entre B1 C tienda de campaña es cuadrático y entonces adelante.
Si tú pensar eso aquellos suposiciones no en realidad sostener en su caso,
entonces de curso, el entero procedimiento es cuestionable.
Tú no desear a buscar este.
Pero si tú no tener cualquier razón por qué tú no lo haría creer este,
o en el menos por qué tú no lo haría en el menos explorar este posibilidad,
entonces, ahora nosotros poder ir atrás y hacer el mismo ejercicio
y explorar de nuevo el aporte espacio, pero con forma más flexibilidad.
De nuevo, Vamos ver si nosotros poder encontrar eso un óptimo receta
con este nuevo continuo mezcla codificación.
Cómo eran yendo a ¿hacer? Bien, exactamente mismo maneras.
Voy a usar el JMP perfilador característica
y usar el simulación y ver si nosotros poder encontrar cualquier cosa.
Ahora dejar a mí ir aquí.
Este es mi GAMA continuo mesa.
Continuo, porque ahora tú poder ver eso
estos son todo codificado como continuo variables .
Ellos tener el azul triángulo próximo a ellos mismos .
El C 1, C 2, C 3 son también estos estrellas,
indicando eso ellos son codificado como mezcla variables en JMP.
Ahora imaginar eso de nuevo,
nosotros tener ya equipado nuestro modelo con el adaptar modelo plataforma.
Nosotros salvado nuestro predicción fórmulas ahora con el continuo codificación.
Qué eran yendo a hacer mismo cosa,
Gráfico Perfilador, seleccionar aquellos, y aquí nosotros ir.
Aquí es nuestro predicción perfilador.
Ahora nosotros poder jugar forma más con el perfilador y ver todo diferente combinaciones
sin teniendo a saltar entre diferente opciones.
Ahora, una vez de nuevo, rojo triángulo, producción aleatorio mesa.
Justo para haciendo cosas justo, Soy yendo a preguntar 3.000 filas.
De nuevo, No tiempo, literalmente parpadear de un ojo.
JMP da tú 3.000 fila mesas
dónde ahora Cada receta es otra vez, lo siento.
Cada fila es de nuevo, a potencial hipotético receta
eso nosotros no lo han hecho en realidad visto, necesariamente visto en nuestro GAMA
pero él aún factible,
porque él aún saludos el restricción eso nosotros tenía en el comienzo.
Una vez de nuevo,
a cifra afuera si algo bien es acontecimiento,
o en el menos si dentro este 30.000 formulación,
nosotros hacer encontrar algo eso es óptimo.
Soy yendo a construir el mismo gráfico.
Ahora tú poder ver eso nuestro agujas son todo dispersar y son no alineado ya no.
De nuevo, adecuado el eje justo a ayuda nuestro visualización.
Este es el lindo cosa.
Con este forma de codificación y mirando en más de el aporte espacio,
nosotros hacer encontrar pocos formulaciones eso parecer a ser prometedor.
De curso, nosotros necesidad a mantener en mente eso este nuestro profético valores.
Todo es aún confiando en nuestro datos, en nuestro estadístico modelo análisis,
pero es aún más prometedor que antes.
Nosotros hacer encontrar algo en el óptimo región definido por estos dos eje.
Rápidamente, yendo atrás a mi presentación,
I desear a dibujar a final conclusión aquí,
cual es, en hecho, eso, usando el categórico codificación,
nosotros no pude encontrar cualquier receta eso en el menos en el profético lado,
podría, en hecho, encontrarse ambos el optimalidad criterios.
Bien, una vez nosotros doblar a,
calculando afuera cómo a código estos diferente categórico variables
en continuo y mezcla variables
y explotar el JMP fuerza de donación a nosotros miles y miles de formulaciones,
nosotros hacer encontrar a pocos eso en hecho encontrarse el especificaciones.
Nosotros eran feliz eso en el menos nosotros podría ir atrás a nuestro clientela decir,
mirar, en cambio de donación arriba en su proyecto,
intentar a hacer estos formulaciones y ver cómo, en hecho,
si el actual propiedades hacer encontrarse su criterios o no,
pero en el menos él da a nosotros alguno instrucciones de mejora dónde a ir.
Con este, Identificación como a fin mi presentación.
Agradecer mi colega, Xinjie Tong
y todo de mi colaboradores en Dow Químico.
Agradecer tú, todo de tú para mirando mi presentación.
Enfermo ser más que feliz
a respuesta cualquier preguntas tú podría tener en este punto.
Agradecer tú.
