d- 最优增强
dCE2 = daugment(DCE,mruns)
[dCE2,X] = daugment(DCE,mruns)
[dCE2,X] = daugment(DCE,mruns,模型
)
[dCE2,X] = daugment(...,参数1
,VAL1
,参数2
,VAL2
,...)
dCE2 = daugment(DCE,mruns)
使用坐标交换算法d-optimally加mruns
运行到现有的实验设计DCE
用于线性相加模型。
[dCE2,X] = daugment(DCE,mruns)
也返回设计矩阵X
与增强的设计有关。
[dCE2,X] = daugment(DCE,mruns,
使用中指定的线性回归模型模型
)模型
。模型
是以下之一:
“线性”
- 常量和线性项。这是默认的。
'相互作用'
- 常量,线性的,并且交互项
“二次”
- 常量,线性,互动和平方项
'purequadratic'
- 常量,线性和平方项
的列的顺序X
对于一个完整的二次模型ñ条件是:
常数项
为了1,2线性项,...,ñ
为了相互作用项(1,2),(1,3),...,(1,ñ),(2,3),...,(ñ- 1,ñ)
为了1,2平方项,...ñ
其他车型使用这些术语的一个子集,以相同的顺序。
或者,模型
可以指定任意阶多项式项的矩阵。在这种情况下,模型
应该为每个因素一列一列模型中的每个术语。在任何行中的条目模型
对于在列的因素权力。例如,如果一个模型具有因素X1
,X2
和X3
,然后行[0 1 2]
在模型
指定术语(X1 ^ 0)*(X2 ^ 1)*(X3。^ 2)
。在全零的行模型
指定的常数项,其可以被省略。
[dCE2,X] = daugment(...,
指定为设计附加参数/值对。有效参数和它们的值列在下表所示。参数1
,VAL1
,参数2
,VAL2
,...)
参数 | 值 |
---|---|
“界限” |
下限和上限对于每个因子,指定为 |
“绝对” |
分类预测的指标。 |
'显示' |
或 |
'excludefun' |
句柄功能排除不良运行。如果函数F,它必须支持的语法万博1manbetxb=F(小号),其中小号是治疗与基质 |
'在里面' |
初步设计为 |
“水平” |
每个因子的水平数的载体。 |
'MAXITER' |
最大迭代次数。默认值是 |
“选项” |
该值是包含选项指定是否计算并行多次尝试,并指定如何生成用于尝试起始点时使用的随机数的结构。创建的选项结构
|
“尝试” |
的次数来尝试生成一个新的起点的设计。该算法采用随机分,每尝试,可能除了第一。默认值是 |
该daugment
功能增强使用坐标交换算法的现有设计;该'开始'
的参数candexch
功能提供了利用行交换算法相同的功能。
以下八经营的设计是足够的估计在四因素模型主要影响:
dCEmain = cordexch(4,8)= dCEmain 1 -1 -1 1 -1 -1 1 1 -1 1 -1 1 1 1 1 -1 1 1 1 1 -1 1 -1 -1 1 -1 -1 -1 -1 -1 1 -1
为了估计模型的六个交互项,增加八个额外的运行设计:
dCEinteraction = daugment(dCEmain,8, '相互作用')dCEinteraction = 1 -1 -1 1 -1 -1 1 1 -1 1 -1 1 1 1 1 -1 1 1 1 1 -1 1 -1 -1 1 -1 -1 -1 -1 -1 1 -1 -1 1 1 1 -1 -1 -1 -1 1 -1 1 -1 1 1 -1 1 -1 1 1 -1 1 1 -1 -1 1 -1 1 1 1 1 1 -1
增强的设计是全因子,与前八行原八点运行。