JMP a une longue expérience dans l'ajout de méthodes utiles pour faciliter le travail des scientifiques, des ingénieurs, des chercheurs et des analystes. Qu'est-ce qui inspire l'ajout de ces nouvelles méthodes ? Souvent, il y a une histoire derrière l'inspiration pour inclure de nouvelles méthodes, et dans le cas des conceptions A-optimales, cela commence par la thèse d'un doctorant nommé Jon Stallings , qui est maintenant professeur adjoint de statistiques à la North Carolina State University.
Notre propre Bradley Jones , Chercheur émérite au JMP division, a siégé au comité de thèse de Jon, dont la thèse, Optimalité pondérée générale des expériences conçues, inclut le cas d'utilisation motivant pour ajouter des critères d'optimalité A aux fonctionnalités de conception personnalisées dans JMP.
Jon a partagé ses réflexions sur l'inclusion des conceptions d'optimalité A dans JMP 14 :
« Dire qu'une conception est optimale peut être très trompeur pour les praticiens. Il est important que les praticiens comprennent qu'une conception est jugée optimale par rapport à une mesure sommaire des performances d'analyse de cette conception. Le résumé s'accompagne d'une perte d'informations sur les performances de cette conception et les praticiens doivent être conscients de la relation entre le critère d'optimalité et leurs objectifs d'analyse. Le critère D est de loin le critère le plus populaire et fonctionne très bien pour les plans de surface de réponse qui mettent autant l'accent sur l'estimation des effets principaux et des interactions. Si l'on voulait mettre davantage l'accent sur l'estimation de certains effets par rapport à d'autres, le critère D ne serait pas approprié. L'inclusion de critères pondérés A dans JMP 14 donne aux praticiens plus de flexibilité dans la sélection de la conception et leur permet d'adapter une conception à leurs objectifs spécifiques. La puissante plate-forme de conception personnalisée de JMP permet aux praticiens de générer et de comparer rapidement des conceptions concurrentes selon ces critères et de s'impliquer davantage dans la sélection des conceptions.
Comme l'explique Brad, « les conceptions A-optimales et D-optimales sont similaires, mais les conceptions A-optimales permettent de mettre un accent différent sur des groupes de paramètres grâce à la pondération et les critères d'optimalité sont faciles à comprendre. Selon la situation, vous voudrez peut-être mettre davantage l'accent sur les effets principaux, ou les effets de second ordre et les conceptions A-optimales pondérées vous donnent la flexibilité de le faire.
Dans cet exemple comparant les conceptions A-optimale et D-optimale, la conception A-optimale a des propriétés plus souhaitables. La conception D-optimale a des structures de corrélation plus désordonnées et les diagnostics de conception pour la conception A-optimale sont bien meilleurs.
Il s'agit d'un exemple simple, mais il exprime le potentiel des conceptions A-optimales pour vous donner la flexibilité de mettre l'accent sur certains effets par rapport à d'autres et de créer une conception qui peut mieux répondre à vos besoins.
Les critères d'a-optimalité sont un domaine de recherche relativement nouveau dans conception d'expériences , et nous sommes ravis de l'inclure dans JMP 14. Vous pouvez vous attendre à des articles de blog plus détaillés sur les nouvelles fonctionnalités du DOE plus tard dans l'année.
