D 最適計画

D 最適計画の紹介

従来の実験計画 (完全実施要因計画、一部実施要因計画、および 応答曲面計画) は、対象領域における因子への制約が比較的少ない、実験的設定の線形モデルの較正に適しています。しかし、モデルが必ず非線形である場合もあります。他のケースでは、ある処理 (因子水準の組み合わせ) は、測定に費用がかかったり、実行できないことがあります。"D 最適計画" は、従来の計画のこれらの制約に対処するモデルに固有の計画です。

D 最適計画は、反復探索アルゴリズムによって生成され、指定したモデルに対するパラメーター推定の共分散を最小化しようとします。これは、行列式 D = |XTX| を最大にすることと等価です。ここで、X は、計画空間 (行) における特定の処理において値を求めた、モデル項の計画行列 (列) です。従来の計画とは異なり、D 最適計画は、直交計画行列を必要としません。その結果、パラメーター推定は相関がある可能性があります。また、パラメーター推定はグローバルでなくローカルに D 最適である可能性があります。

D 最適計画を作成するための Statistics and Machine Learning Toolbox™ 関数はいくつかあります。

関数説明
candexch

指定したモデルと候補セットに対して、指定した回数の実行で、行交換アルゴリズムを使用して、D 最適計画を作成します。これは、rowexch によって使用されるアルゴリズムの 2 番目の成分です。

candgen

指定したモデルに対する候補セットを作成します。これは、rowexch によって使用されるアルゴリズムの最初の成分です。

cordexch

座標交換アルゴリズムを使用して、指定したモデルに対して指定した回数の実行で D 最適計画を作成します。

daugment

座標交換アルゴリズムを使用して、追加のモデル項を推定するための追加の実行で既存の D 最適計画を拡張します。

dcovary

座標交換アルゴリズムを使用して、固定共変量因子がある D 最適計画を作成します。

rowexch

座標交換アルゴリズムを使用して、指定したモデルに対して指定した回数の実行により D 最適計画を作成します。このアルゴリズムは、candgen の次に、candexch を呼び出します (候補セットを指定するために、別々に candexch を呼び出ます)。

メモ

関数 rsmdemo は、ユーザーまたは cordexch によって生成された D 最適計画によって指定された実験の設定に対して、シミュレートされたデータを作成します。これは、rstool インターフェイスを使用して、データへの応答曲面モデル近似を表示します。さらに、これは、nlintool インターフェイスを使用して、データへの非線形モデル近似を表示します。