D-固定协变量优化设计
dCV=DCOVERY(nfactors,固定)
[dCV,X]=dcovarie(nfactors,固定)
[dCV,X]=dcovarie(nfactors,固定,模型
)
[dCV,X]=涂抹(。。。,参数1
,瓦尔1
,参数2
,瓦尔2
,...)
dCV=DCOVERY(nfactors,固定)
使用坐标交换算法生成D-一类线性可加模型的优化设计nfactors
因子,受模型中包含固定协变量因子的约束固定的
. 设计中的运行数是设计中的行数固定的
.设计dCV
增加固定的
带有用于处理模型术语的初始列。
[dCV,X]=dcovarie(nfactors,固定)
还返回设计矩阵X
与设计相关联。
[dCV,X]=dcovarie(nfactors,固定,
使用中指定的线性回归模型模型
)模型
.模型
是以下内容之一:
“线性”
-常量和线性项。这是默认值。
“互动”
-常数项、线性项和交互项
“二次”
-常数项、线性项、相互作用项和平方项
“纯二次型”
-常数项、线性项和平方项
列的顺序X
对于一个完全二次模型N条款如下:
常数项
顺序为1,2,…,的线性项。。。,N
按(1,2),(1,3),…,(1,N), (2, 3), ..., (N– 1,N)
顺序为1,2,…,的平方项。。。,N
其他模型以相同的顺序使用这些术语的子集。
或者,模型
可以是指定任意阶多项式项的矩阵。在这种情况下,模型
模型中每个因子应有一列,每个术语应有一行。表中任意一行中的条目模型
是列中因子的幂。例如,如果模型具有因子X1
,X2
和X3
,然后是一排[0 1 2]
在里面模型
指定术语(X1.^0.*(X2.^1.*(X3.^2)
.中的一行全零模型
指定可以忽略的常量项。
[dCV,X]=涂抹(。。。,
指定设计的其他参数/值对。下表列出了有效参数及其值。参数1
,瓦尔1
,参数2
,瓦尔2
,...)
参数 | 价值 |
---|---|
“界限” |
每个因子的上下限,指定为 |
“绝对的” |
分类预测指标。 |
“显示” |
任何一个 |
“独享乐趣” |
排除不需要的运行的函数的句柄。如果函数是F,它必须支持语法金宝appB=F(s),在哪里s是一个矩阵的治疗 |
“初始化” |
初始设计作为 |
“级别” |
每个因素的级别数向量。 |
“maxiter” |
最大迭代次数。默认值为 |
“选项” |
该值是一个包含选项的结构,这些选项指定是否并行计算多个尝试,并指定在生成尝试的起点时如何使用随机数。使用创建选项结构
|
“尝试” |
尝试从新起点生成设计的次数。该算法在每次尝试中使用随机点,第一次可能除外。默认值是 |
假设您需要一个设计来估计三因素线性加性模型中的参数,在不同的时间必然发生八次运行。如果过程经历时间线性漂移,您可能希望将运行时间作为变量包含在模型中。按照以下方式生成设计:
时间=linspace(-1,1,8)';[dCV1,X]=dcovarie(3,时间,“线性”)dCV1=-1.0000-1.0000-1.0000-1.0000-1.0000-1.0000-0.7143-1.0000-1.0000-1.0000-0.4286-1.0000-1.0000-1.0000-1.0000-0.1429-1.0000-1.0000-0.1429-1.0000-1.0000-1.0000-1.0000-0.4286-1.0000-1.0000-1.0000-1.0000-1.0000-1.0000-1.0000-1.0000 -0.4286 1.0000 1.0000 -1.0000 1.0000 -0.1429 1.0000 1.0000 1.0000 -1.0000 0.1429 1.0000 -1.0000 1.0000 -1.0000 0.4286 1.0000 1.0000 1.0000 1.0000 0.7143 1.0000 -1.0000 -1.0000 1.0000 1.0000
列向量时间
是一个固定因子,标准化为±1.
。固定系数中的行数指定设计中的运行数。生成的设计dCV
每次为三个受控模型因子提供因子设置。
下面的示例使用杜姆瓦尔
函数将八次运行的实验分为大小为2的4个块,用于估计具有两个因子的线性相加模型:
固定=dummyvar([1 2 3 4]);dCV2=DCOVERY(2,固定(:,1:3),‘线性’)dCV2=110-1-110-101-101-101-101-01-01-01-01-01-01-01-01-01-01
前两列dCV2
包含两个因素的设置;最后三列是四个块的伪变量编码。