你好。
我是
這裡
到
演講
今天
關於
這
至關重要的
步
0
的 設計 的 實驗。
真的 這 主意 的 這 是 到 拿 滿的 優勢
的 這 財富 的 不同的 工具 那 是 在下面 這 美國能源部 平台 在 跳轉。
患病的 走 透過 什麼 我們 應該 是 思維 關於
在 那些 早期的 階段 的 一個 實驗。
如果 你 看 在 這 美國能源部 平台 列表，
什麼 你會 看 是 那 有 a 很多 的 不同的 選擇。
之內 每個 選擇， 有 許多 更多的 選擇。
之內 一些 的 那些， 有 嵌套 可能性。
如果 你是 一個 專家 在 設計 的 實驗，
這 財富 的 可能性 真的 感覺 喜歡 這樣的 a 精彩的 放 的 工具。
I 愛 全部 的 這 選項 那 是 可用的 在 跳轉 那 允許 我
到 創造 這 設計 那 I 真的 想 為了 a 特別的 實驗。
但 如果 你是 只是 得到 開始， 然後 I 思考 這 放 的 可能性
能 感覺 a 小的 位元 令人生畏 和 有時 a 位元 壓倒。
它 可能 是 a 小的 位元 喜歡 去
到 a 新的 種類 的 餐廳 那 你已經 絕不 到過 到 前。
某人 誰是 a 經驗豐富的 遊客 到 那些 種類 的 餐廳，
喜歡 全部 這 可能性 和 這 財富 的 選項 在 a 大的 菜單。
但 如果 你是 那裡 為了 這 第一的 時間，
它 會 是 好的 如果 某人 引導 你 到 這 正確的 放 選擇
所以 那 你 可以 製作 a 好的 決定
為了 那 第一的 訪問 和 有 它 是 成功的。
這是 什麼 我是 規劃 在 說 關於 今天。
第一的， I 思考 這 鑰匙 到 a 好的 實驗 結果 是 到 真的 有
a 清除 感覺 的 什麼 這 目標 的 這 實驗 是。
患病的 演講 透過 一些 不同的 可能性 的 常見的 目標
為了 實驗 那 真的 幫助 我們 磨練 在 在 什麼 是 嘗試 到 完成
和 什麼 將要 表明 a 成功 為了 那 實驗。
然後 患病的 做 a 快的 走- 透過 的 一些
的 這 更多的 常見的 選擇 的 設計 的 實驗 選擇 在 跳轉，
和 然後 患病的 返回 到 如何 做 我們 相互影響 和 那些 對話 盒子 那 我們 得到
什麼時候 我們已經 選擇 a 設計 為了 什麼 因素 到 選擇， 這 回覆
和 這 關係 之間 這 輸入 和 這 輸出。
那是 在哪裡 是 領導 透過 全部 的 這，
和 I 將要 說 那 這 第一的 和 這 第三 步驟 真的 需要
a 巨大的 數量 的 主題 事 專業知識。
如果 你是 去 到 是 成功的 設計 一個 實驗，
你 真的 需要 到 知道 作為 很多 作為 可能的
關於 這 框架 在下面 哪個 你是 正在做 那 設計。
我們 想 進入 事實 包含 主題 事 專業知識 無論 可能的
到 製作 當然 那 是 在 事實 環境 向上 這 實驗 到 這 最好的 的 我們的 能力。
什麼 是 我們 嘗試 到 做？
我已經 上市 這裡 六 常見的 實驗 目標。
I 思考 那 種類 的 給出 你，
a 清單 如果 你 喜歡 的 不同的 選項 的 事物
那 你 可能 是 思維 的 完成 和 你的 實驗。
我們 可能 開始 和 a 飛行員 學習，
所以 是 只是 有興趣的 在 製作 當然
那 是 去 到 得到 數據 的 充足的 品質
為了 這 實驗 和 回答 這 問題 那 我們 想 到 有。
我們 可能 是 有興趣的 在 勘探 或者 篩選。
我們 有 a 長的 清單 的 因素，
和 我們 想要 數位 出去 哪個 一 似乎
到 製作 a 不同之處 為了 我們的 回應 的 興趣，
和 哪個 一 不 似乎 特別 重要的。
我們 也 可能 想 到 做 一些 造型。
實際上 形式化 那 關係 那 是 看到
之間 輸入 和 回覆 和 捕獲 它 在 a 功能 形式。
有時 我們 不 得到 這 等級
的 精確 那 我們 需要， 和 所以 我們 需要 到 做 模型 精煉，
和 所以 那 可能 是 a 第二 實驗。
然後 一次 我們 有 a 模型， 我們 想 到 使用 那 到 實際上 最佳化.
如何 做 我們 得到 我們的 系統 到 執行 到 這 最好的 的 它是 能力 為了 我們的 需求。
然後 最後， 有 a 確認 實驗
在哪裡 我們 製作 那 過渡
從 這 受控 設計 的 實驗 環境
那 是 常 正在做 我們的 初步的 數據 收藏 在
到 生產， 和 製作 當然 我們 能 翻譯
什麼 我們已經 見過 在 首先 實驗 進入 a 生產 環境。
你 能 看 從 這 進展 那 我已經 概述 這裡，
那 我們 可能 實際上 有 a 系列 的 小的 實驗 那 我們 想要 連接。
我們 可能 開始 離開 和 a 飛行員 學習 到 得到 這 數據 品質 正確的，
然後 出色地 數位 出去 哪個 因素 是 重要的， 然後 出色地 想要 模型 那些，
然後 出色地 想要 使用 那 模型 到 最佳化,
和 然後 最後 翻譯 那些 結果
進入 這 最終的 執行 在 生產。
我們 能 思考 的 這 依序
或者 為了 一個 個人 實驗 只是 鏟球 一 的 這些 目標。
現在 我們 有 一些 框架 為了 什麼
這 目標 的 這 實驗 是 和 如何 到 思考 關於 那，
出色地 現在 過渡 到 尋找
在 什麼 一些 的 這 常見的 選擇 是 在 跳轉
和 如何 他們 連接 和 不同的 目標。
患病的 打開 向上 這 美國能源部 標籤 在 JMP 中， 和 你 能 看 那 我們已經 得到
這 清單 的 可能性 這裡 在哪裡 我們已經 得到 這 嵌套 選項
塞住 下 一些 的 這 主要的 選單 專案 那 我們 有 這裡。
這 演講 是 僅有的 一半 小時， 和 所以 I 慣於 是 有能力的 到 覆蓋 全部 的 這 標籤。
我已經 給定 a 簡短的 描述 的 一些
的 這 標籤 那 I 慣於 有 時間 到 演講 關於。
設計 診斷 是 全部 關於 擁有 a 設計 或者 或許 一些 設計
和 比較 和 理解 這 表現。
樣本 尺寸 探險家 是 全部 關於 如何 大的
應該 這 實驗 是 和 一些 工具 到 評價 那。
消費者 研究 和 可靠性 設計 是 真的 種類 的 專門 個。
我是 環境 那些 一邊
為了 你 到 做 a 小的 研究 在 你的 自己的 關於 那。
在 消費者 研究， 是 通常 詢問 問題
的 消費者， 關於 什麼 他們的 優先事項 是， 什麼 特徵 他們 喜歡。
那 傾向 到 是 a 比較 之間 二 選項
和 如何 他們 價值 那些 選擇。
可靠性 是 全部 關於 如何 長的 我們的 產品 將要 最後的。
那是 a 小的 位元 不同的
比 事物 那 患病的 演講 關於 在 這 休息 的 這 講話。
患病的 開始 離開 和 一些 的 C 古典的 設計
或者 這 一般的 設計 那 我們 有 那 有 到過 發達。
然後 患病的 結束 和 一些 的 這 跳轉 具體的 工具
那 是 很多 更多的 靈活的 和 適應性強 到 a 更廣泛 範圍 的 情況。
患病的 開始 和 那 底部 部分 的 這 選項卡。
這裡 我們 是 在 跳轉 在 這 美國能源部 標籤， 和 我是 去 開始 和 古典。
你會 看 那 我是 鏟球 這
在 a 小的 位元 不同的 命令 比 這 清單 是 呈現 經過 跳轉。
I 思考 那些 一 是 呈現 經過 跳轉
在 他們的 命令 的 受歡迎程度， 和 我是 選擇 到 處理 他們
更多的 從 原則 關於 如何 他們 是 發達。
在 古典 設計， a 滿的 階乘 設計
是 尋找 在 全部 組合 的 全部 因素 在 全部 水平。
那 作品 很好
如果 我們 有 a 較小 數位 的 因素，
但 它 能 在 事實 得到 a 小的 位元 出去 的 控制
如果 我們 有 a 大的 數位 的 因素， 但 它是 探索
這 全部的 放 的 可能性 非常 廣泛地。
這 下一個 一 那 患病的 演講 關於 是 a 兩級篩選 設計，
和 本質上， 什麼 那是 正在做 是 它是 選擇
a 子集 的 這 二 階乘 可能性，
和 它是 a 策略 子集
那 允許 我們 到 探索 這 空間， 但 保持 這 設計 尺寸 更多的 可管理的。
你會 注意 那 那些 第一的 二 可能性
我已經 顯示 在 二 級別， 和 那是 典型的 為了 篩檢 設計。
通常， 我們 只是 想要 得到 a 簡單的 圖片
的 什麼是 正在發生 之間 這 輸入 和 這 回應。
什麼時候 我們 想要 開始 造型，
然後 a 回覆 表面 設計 通常 允許 為了 探索 曲率。
什麼時候 是 造型， 三個級別 或者 有時 更多的 比 三 等級
能 是 a 好的 方式 到 理解 曲率 和 也 理解 互動 之間
這 因素 和 如何 他們 影響 這 回覆.
好吧。 T 帽子 三 的 這 專案 在下面 這 經典的 選項卡。
這 其他 一 是 混合物 設計。
通常 在 全部 這 其他 可能性，
什麼 我們 有 是 那 我們 能 各不相同
這 個人 因素 分別地 從 每個 其他。
但 在 a 混合物 設計 在哪裡 是 說 關於 這 作品
或者 這 部分 的 這 原料， 他們是 相互依存。
如果 I 增加 這 數量 的 一 成分，
它 大概 減少 這 部分
的 這 其他 原料 那 是 在 那 全面的 混合物。
一點 的 a 專門 一
什麼時候 是 尋找 在 放置 一起 原料
進入 一個 全面的 混合物。
田口陣列， 我已經 上市 這裡 作為 a 種類 的 最佳化,
和 這 最佳化 那 他們是 有興趣的 在
是 製作 我們的 過程 強壯的。
通常 什麼時候 是 在 a 生產 環境， 我們 可能 有 噪音 因素。
這些 是 在 事實， 因素 那 我們 能 控制
在 我們的 實驗
但 什麼時候 我們 得到 到 生產， 是 不是 有能力的 到 控制 他們。
然後 我們 有 a 放 的 因素
那 我們 能 控制 兩個都 在 這 實驗 和 在 生產。
這 目標 的 田口陣列 是 到 看 為了 a 組合
的 這 可控制 因素 那 獲取 我們 好的 穩定的 可預測
表現 穿過 這 範圍 的 這 噪音 因素。
你 能 看 C1 這裡 有 a 漂亮的 水平的 線
哪個 方法 它 沒有 事 哪個 等級 我們 是 在
為了 這 噪音 因素， 出色地 得到 a 漂亮的 持續的 回覆.
那些 是 這 古典 選項。
這 下一個 的 這 專案 在 這 跳轉 設計 標籤
那 患病的 演講 關於 是 權威 篩檢 設計。
這些 是 專門 設計 那 是 發達 在 跳轉，
和 他們 是 a 混合 的 一個 勘探 或者 篩檢 設計，
所以 a 重點 在 a 很多 的 二- 等級 因素 級別，
和 造型。
你 能 看 和 這 藍色的 點，
我們 有 一些 第三 級別， 所以 a 中間 價值 為了 這 因素
那 允許 我們 到 得到 一些 曲率 估計的 作為 出色地。
它是 a 好的 袖珍的 設計
那是 主要 關於 勘探 和 篩檢，
但 它 做 給 我們 這 選項
為了 一個 全部 在 一 機會 到 做 一些 造型 作為 出色地。
那是 非常 受歡迎的 在 a 很多 的 不同的 設計 場景。
這 下一個 標籤 是 特別的 目的， 和 你 能 看 有 相當 a 長的 清單
的 可能性 那裡，
和 患病的 打 一些 的 這 更多的 受歡迎的 一
那 I 思考 展示 向上 在 a 很多 的 專門 情況。
覆蓋物 大批 是 常 用過的 什麼時候 是 嘗試 到 做 測試 的 軟體.
A 很多 的 次 什麼 原因 問題
在 軟體 是 什麼時候 我們 有 這 組合 的 因素。
這 是 a 漂亮的 小的 設計
那是 典型的 為了 覆蓋 數組， 所以 十三 跑步，
和 是 嘗試 到 理解 事物 關於 10 不同的 因素。
什麼是 好的 關於 這些 覆蓋 陣列 是 那 它 給出 我們 a 方式
到 看 全部 可能性 的， 在 這 案件， 三 不同的 因素。
如果 I 拿 二 等級 的 每個 因素， a 零 和 a 一，
有 八 不同的 組合 為了 如何 I 能 結合 那些 三 因素。
全部 零， 全部 個， 和 然後 a 混合物 的 零 和 個。
我已經 突出顯示 那些 有八個 不同的 底線，
什麼是 真的 好的 關於 這些 覆蓋 陣列
是 任何 三 因素 I 選擇，
I 將要 是 有能力的 到 尋找 全部 八 的 那些 組合。
有 10 選擇 三 不同的 組合 的 那些 3 因素
那 I 可能 是 有興趣的 在，
和 全部 的 他們 有 全部 的 那些 可能性 代表。
那是 a 非常 小的 設計
那 允許 我們 不是 所以 很多 估計， 但 到 查看 可能性 為了 問題
那 我們 可能 遇到 特別 在 軟體.
下一個， a 非常 重要的 類別 的 空間 填充 設計。
比較的 到 這 其他選擇 那 我已經 談論 關於，
哪個 是 模型- 基於，
這 一 只是 說， I 或許 不 知道 什麼 到 預計 在 我的 輸入 空間。
讓 我 給 甚至 覆蓋範圍 自始至終
這 空間 那 我已經 聲明 和 只是 看 什麼 發生。
你 能 看 那 I 有 許多 更多的 等級 的 每個 的 這 因素。
有 a 很多 的 專門 選擇 在 這裡， 但 他們 全部 有 這 相同的 感覺
的 好的， 甚至 覆蓋範圍 自始至終 這 輸入 臉。
I 思考 這些 是 常 用過的
在 電腦 實驗 或者 在 身體的 實驗
在哪裡 是 只是 不是 當然 什麼 這 回覆 將要 看 喜歡。
患病的 演講 a 小的 位元 更多的 關於 那
什麼時候 我們 得到 到 這 決定 製作 部分 在 步 3 的 這 講話。
下一個 是 主動脈瓣置換術 設計 或者 a 測量尺寸 系統 分析，
和 這 通常 是 聯繫 和 這 飛行員 學習。
前 I 潛水 在 和 真的 開始
到 模型 事物 或者 做 一些 篩檢， 它是 有幫助的 到 理解 一些 基礎知識
關於 這 過程 和 這 品質 的 這 數據 那 我是 得到。
這裡， I 能 種類 的 劃分 這 變異性 那 我是 看到
在 這 回應 和 屬性 它 到 這 操作員，
這 測量 裝置, 或者 這 量具， 和 這 部分 他們自己。
種類 的 理解 這 分解 的 什麼是 貢獻 到 什麼 我是 看到。
那是 非常 有幫助的 前 I 發射 進入 a 更多的 詳細的 學習。
最後， G 群組 正交 極佳的 飽和 設計
是 在 事實， 真的 袖珍的 設計。
在 這 例子， 在哪裡 你 有 六 跑步，
和 是 嘗試 到 理解 什麼是 正在發生 和 七 不同的 因素。
那 可能 似乎 a 小的 位元 神奇，
但 它是 a 非常 挑釁的 篩檢 工具 那 允許 我們 到 理解
什麼是 正在發生 和 a 很多 的 因素 在 a 非常 小的 實驗。
它是 重要的 和 這些 設計 到 不是 有 a 很多 的 因素。
如果 全部 七 因素 是 正在做 某物，
和 I 僅有的 有 六 跑步， 患病的 結尾 向上 相當 使困惑 在 這 結尾。
但 如果 I 思考 二 或者 三 的 他們 可能 是 積極的，
這 可能 是 a 非常 高效率的 方式
到 探索 什麼是 去 在 沒有 開支 也 許多 資源。
那些 是 這 開始 這裡 一 那 我已經 談論 透過 a 小的 位元.
現在 我是 去 結束 和 這些 精彩的 工具 在 跳轉
那 是 更多的 一般的 和 更多的 靈活的 為了 不同的 場景。
風俗 設計， I 思考 是 只是 一個 驚人的 工具 為了 它是 靈活性。
什麼是 真的 好的 在 風俗 設計
是 那 I 有 這 財富 的 不同的 可能性
為了 這 種類 的 因素 那 I 能 包括。
連續的 因素， 或許 患病的 添加 在，
離散的 數位 個， 和 然後 也 分類 因素。
I 有 a 很多 的 不同的 選擇 所以 I 能 放 一起 這 件，
和 如果 我是 不是 當然 什麼 這 設計 應該 看 喜歡
在 那 底部 部分 的 這 列表，
這 給出 跳轉 一些 控制 到 幫助 指導 我 到 a 不錯的選擇。
在 這 下一個 頁， I 有 這 選項 關於
無論 我是 只是 有興趣的 在 主 E 效果，
無論 I 想要 添加 一些 二 因素 互動，
和 無論 I 想 到 建造 a 響應 S 表面 模型，
所以 更多的 這 造型 目標 的 這 實驗。
這 是 種類 的 一個 簡單的 方式 到 建造 a 設計，
和 I 有 靈活性 這裡 到 指定 任何 設計 尺寸
我覺得 會 是 有幫助的 和 是 之內 我的 預算 到 製作 a 設計
和 這 專業知識 的 這 跳轉 設計 團隊
是 去 指導 我 到 a 明智的 選擇。
這 是 a 偉大的 方式 如果 你是 不是 當然 關於 如何 到 繼續，
但 你是 仍然 製作 一些 鑰匙 決策
關於 什麼 這 目標 的 這 實驗 應該 看 喜歡。
下一個， 這 增強 選項卡。
如果 你 思考 後退 到 什麼 我已經 談論 關於 為了 這 實驗 目標，
你 看 那 有 這 聯繫 之間 這 階段。
或許 我已經 完畢 一些 探索 或者 篩檢，
和 然後 ID 喜歡 到 過渡 到 造型。
出色地， 這 允許 我 到 拿 一個 實驗
那 我已經 已經 跑步 和 集 數據 為了，
和 然後 連接 它 到 這 增強 D 設計， 分配 這 角色 的 什麼是 a 回覆
和 什麼是 這 因素， 和 然後 添加 在 一些 額外的 運行。
有 一些 專門 一 這裡，
但 如果 I 選擇 這 增強 部分，
那 允許 我 到 指定 a 新的 放 的 因素，
也許 a 子集 的 什麼 I 有 或者 一個 額外的 因素
和 然後 也 什麼 模型 I 會 現在 喜歡 到 設計 為了。
這 是 a 靈活的 工具 為了 連接 一些 套 的 數據 一起。
最後， 簡單的 美國能源部 是 a 偉大的 方式 到 得到 開始 為了 你的 非常 第一的 實驗。
它 允許 你 到 建造 依序
和 它 指南 你 透過 這 七 不同的 步驟
的 這 全部的 實驗。
它會 允許 我們 到 設計 和 定義，
和 所以 那是 計算 出去 什麼 這 因素 是，
什麼 這 等級 是，
他們的 一般的 自然， 然後 我們 能 選擇 什麼 種類 的 模型
使 這 最多 感覺 為了 什麼 是 嘗試 到 完成，
然後 進步 全部 這 方式 到 實際上 跑步 這 實驗， 進入 這 數據，
正在做 這 分析 和 然後 產生 結果。
這 是 a 精彩的 進展 那 散步 你 全部 這 方式 透過
什麼 是 I 嘗試 到 做？
到 擁有 一些 最終的 結果 到 是 有能力的 到 看 在。
什麼 I 將要 說 是 那 這 是 設計 為了 a 模型- 基於 方法。
什麼 你會 看 是 那 全部 的 這些
看 喜歡 他們是 去 到 選擇 a 多項式 形式 的 這 模型。
那 需求 到 製作 感覺 作為 a 開始 觀點。
但 如果 那 做 製作 感覺 和 它 做 在 a 很多 的 情況，
然後 這 是 a 精彩的 選項。
只是 到 結束 事物 向上 這裡， 什麼 是 一些 的 這 其他 鑰匙 問題
現在 那 I 有 a 目標 I 知道 a 特別的 選擇 那 I 想 到 使用 在 跳轉，
什麼 是 一些 的 這 其他 鑰匙 問題 前 I 實際上 產生 那 設計？
整個 類別 是 關於 這 因素。
我們 需要 到 使用 我們的 主題 事 專業知識
到 數位 出去 哪個 因素 我們 應該 是 尋找 在。
如果 我們 有 也 長的 的 a 洗衣店 清單 的 因素，
然後 這 實驗 一定 需求
到 是 相當 大的 在 命令 到 理解 全部 的 他們。
那是 去 有 一個 影響 在 如何 昂貴的 我們的 實驗 將要 是。
如果 我們 有 也 很少 因素，
然後 我們 跑步 這 可能性 的 遺失的 某物 重要的。
什麼 類型 是 他們 去 到 是？
我們 需要 到 思考 關於 得到 這 正確的 子集。
作為 I 顯示 你 在 C 嘴 設計， 我們 有 相當 a 寬的 種類 的 不同的
類型 的 角色 為了 這 不同的 因素 那 是 尋找 在。
那是 其他 放 的 選擇。
如何 很多 能 我們 操縱 這 因素？
是 他們 自然 分類， 或者 是 他們 連續的？
然後 我們 需要 到 思考 關於 這 範圍 或者 這 價值觀 為了 每個 的 那些。
讓我們 去 到 美國能源部 和 風俗 設計。
那我就 只是 開始 離開
和 患病的 有 三 不同的 連續的 因素。
什麼 你 能 看 是 I 能 給 a 姓名
到 每個 的 這 因素， 但 I 也 得到 到 宣告 這 範圍
那 I 想 到 實驗 在 為了 每個 的 那些 因素。
A s 你 能 想像，
這 有 a 批判的 角色 在 這 空間 那 我是 實際上 去 到 探索。
I 需要 到 磨練 在 在 什麼是 可能的
和 什麼 我是 有興趣的 在 到 得到 那些 範圍 正確的。
如果 I 製作 這 範圍 也 大的，
然後 I 可能 實際上 有 a 很多 去 在 穿過 這 範圍 的 這 輸入
和 I 可能 不是 是 有能力的 到 完全 捕獲 什麼是 去 在。
如果 I 製作 這 範圍 也 小的， 然後 I 可能 錯過 這 目標 地點
和 I 可能 得到 a 扭曲 看法 的 這 重要性 的 那 因素。
這裡， 這 輸入 實際上 有 a 很多 去 在 為了 那 回覆,
但 如果 I 樣本 在 a 非常 狹窄的 範圍， 它 看起來 喜歡 它是 不是 正在做 任何事物。
最後， 如果 我是 在 這 錯誤的 地點， I 可能 錯過 一些 特徵
和 不是 是 有能力的 到 最佳化 這 過程 為了 什麼 我是 正在做。
再次， 這 選擇 的 哪個 因素 和 這 範圍，
依賴 a 很多 在 擁有 一些 基本的 理解
關於 什麼 是 嘗試 到 做 和 在哪裡 我們 需要 到 探索。
這 下一個 片 到 演講 關於 是
這 關係 之間 輸入 和 回應。
I 將要 說 那 一 的 這 常見的 錯誤
那 I 常 看 是 那 我們 跑步 一個 實驗，
和 然後 後 這 事實， 人們 意識到， 哦， 我們 應該 有 集 這。
在 教科書， a 很多 的 次，
它 看起來 喜歡 有 a 單身的 回覆 那 是 有興趣的 在
和 我們 跑步 這 實驗 到 只是 收集 為了 那 回覆.
在 實踐， I 思考 最多 實驗 有 多種的 回應
和 所以 這 是 a 鑰匙 決定， 是 到 製作 當然
前 我們 收集 那 第一的 數據 觀點
那 我們 實際上 包括 這 正確的 放 的 回應
所以 那 我們 能 回答 全部 的 這 問題 從 那 一 實驗。
然後 我們 需要 到 思考 關於 什麼 我們 知道 關於 這 關係。
是 它 可能 到 是 光滑的？
是 它 去 是 連續的 在 這 範圍 那 我們已經 選擇了嗎？
如何 複雜的 是 我們 期待 它 到 是？
A 二 的 這些 有 一個 影響 在 這 設計 那 是 去 到 有。
A 夫妻 的 常見的 錯誤 關於 這 關係 是，
一， 存在 a 小的 也 自信的，
所以 我們 認為 那 我們 知道 也 很多 關於 什麼是 去 發生，
和 然後 不 建造 在 一些 保護 反對 驚喜。
然後 也 如果 我們 有 多種的 回覆
不是 設計 為了 這 最多 複雜的 關係。
如果 一 的 他們 是 有興趣的 在 主 E 效果
和 這 其他 一 我們 思考 那裡 可能 是 曲率，
我們 需要 到 建造 這 設計 所以 那 它 能 估計 這 曲率
因為 那是 這 更多的 複雜的 關係。
A 第一的 鑰匙 決定 那 I 思考
是 a 小的 位元 隱 在 跳轉 是 那 我們 有 到 決定 之間 模型- 基於，
和 那是 通常 明智的 如果 是 自信的
那 我們的 回應 將要 是 光滑的 和 連續的，
和 那 是 不是 調查 也 大的 的 a 地區，
或者 應該 我們 做 空間 填充？
空間 填充 能 是 a 好的 安全 網 如果 是 不是 當然 什麼 到 預計，
如果 是 探索 a 大的 地區，
或者 如果 我們 想要 保護 反對 驚喜。
我是 指向 這裡 在 這 最後的 滑動。
I 有 更多的 細節 關於 那 到 a 紙
那 I 寫道 和 a 同事， 陸陸博士
在 這 大學 的 南 佛羅裡達，
在哪裡 我們 演講 關於 這 意義
的 那 第一的 叉 在 這 路， 如何 做 我們 選擇 之間 模型- 基於
和 空間 填充， 和 什麼 是 這 反響？
然後 最後， 我們 需要 到 思考 a 小的 位元 關於 限制。
我們的 輸入 地區，
如果 我們已經 聲明 一些 範圍 為了 這 不同的 輸入，
那 自然 似乎 喜歡 它是 a 方塊 或者 a 長方形。
但 在 那 地區，
那裡 可能 是 一些 份量 在哪裡 我們 不能
得到 a 回覆 或者 我們 只是 不 關心 關於 什麼 這 回應 看 喜歡。
想像 如果 I 是 正在做 一個 實驗 關於 烘焙 和 我是 變化 這 時間
那 這 餅乾 是 在 這 烤箱 和 這 溫度 的 這 烤箱。
I 可能 知道 那 這 最酷 溫度
為了 這 最短 數量 的 時間 慣於 生產 a 烤 餅乾.
它會 仍然 是 生的， 或者 它 可能 是 這 最熱門 溫度
為了 這 最長 時間 將要 煮過頭 這 餅乾.
I 想 到 種類 的 劈 離開 區域
的 那 空間 那 不是 的 興趣 或者 慣於 給 我 a 合理的 事物。
在 跳轉， 有 簡單的 方法 到 指定 約束
到 製作 這 形狀 的 那 地區 匹配 什麼 你 想。
這 最後的 事物 是 全部 關於 預算，
如何 大的 應該 我的 實驗 是， 和 那是 a 功能 的 這 時間
那 I 有 可用的 和 這 成本 的 這 實驗。
在 跳轉， 我們 跳 到 這裡。
或許 I 指定 a 回覆 表面 模型，
你會 看 那 有 a 新的 特徵 稱為 設計 探索者，
哪個 什麼時候 I 啟用設定 那，
它 允許 我 和 a 單身的 點選 的 a 按鈕 到 產生 多種的 設計。
I 能 最佳化 為了 好的 估計， 所以 D 或者 致 最優性，
或者 好的 預言 的 這 回應 和 輸入輸出 最優性。
I 能 各不相同 這 尺寸 的 這 實驗 和 中心 點 和 重複。
如果 I 點選 產生 全部 設計， 它 將要 產生 a 打 或者 所以 設計，
哪個 然後 I 能 比較 和 考慮
和 數位 出去 哪個 一 使 這 最多 感覺。
I 思考 理解 這 預算， 思維 的 那 作為 a 約束，
是 一個 重要的 考慮 那 我們 需要 到 有。
到 裹 事物 向上， 只是 a 很少 有幫助的 資源。
這 第一的 一 是 a 跳轉 網路 頁
那 會談 在 a 小的 更多的 細節 關於 這 不同的 種類 的 設計。
它 填充 在 a 很多 的 這 細節 那 I 不是 有能力的 到 演講 關於 今天
關於 那些 個人 選擇 在 這 美國能源部 選項卡。
這 模型-B 阿塞德 相對 太空-F 填充 , 那是 這 紙 I 引用 早些時候，
在哪裡 我們 需要 到 理解
這 意義 的 選擇 a 模型- 基於 設計
或者 正在做 空間- 填充， 哪個 是 a 小的 更多的 一般的
和 a 小的 更具保護性 如果 我們 是 期待 一些 驚喜。
然後 這 最後的 二 事物 是， 兩個白色 文件 那 I 寫道，
這 第一的 一 會談 關於 如何 你 能 使用 設計 探險家
到 考慮 不同的 設計 尺寸
和 不同的 最優性 標準 和 然後 選擇 之間
這 不同的 選擇 經過 尋找 在 這 比較 設計 選項 在 跳轉。
然後 最後， 一切 我已經 談論 關於 這裡
是 受扶養人 在 主題 事 專業知識。
這 為什麼 和 如何 的 詢問 好的 問題，
給 一些 策略 為了 如何 到 相互影響 和 我們的 主題 事 專家
到 是 有能力的 到 目標 那些 對話 和 製作 他們 作為 有成效 作為 可能的。
I 希望 這 有 到過 有幫助的，
並且將會 幫助 你 有 a 成功的 第一的 實驗 使用 跳轉 軟體.
謝謝。
