O critério D-ótimo minimiza o determinante da matriz de variância-covariância dos coeficientes de regressão. Você especifica o modelo e, em seguida, o Minitab seleciona os pontos do experimento que otimizam o critério D-ótimo de um conjunto de pontos candidatos. As linhas das colunas do experimento na worksheet contêm o conjunto de pontos candidatos no experimento. O processo de seleção consiste em duas etapas:
O Minitab seleciona os pontos candidatos no experimento definidos para obter o experimento inicial. Você pode escolher qual algoritmo será utilizado para selecionar esses pontos na subcaixa de diálogo Métodos. As opções incluem: seleção sequencial, a seleção aleatória ou uma combinação de seleção sequencial e aleatória. Por padrão, o Minitab seleciona todos os pontos sequencialmente. A seleção sequencial significa que todos os pontos no experimento inicial foram adicionados em uma ordem que forneceu o aumento máximo no critério D-ótimo. Se você repetir a seleção do experimento e os ensaios que se estiverem no conjunto candidato se apresentarem na mesma ordem, o algoritmo vai encontrar a mesma solução.
Os pontos de experimento candidato podem ser adicionados com a substituição ao experimento final durante o procedimento de otimização. Portanto, o experimento final pode conter pontos de experimento duplicados.
Em otimização numérica, há sempre o perigo de encontrar um ótimo local em vez de um ótimo global. Para evitar encontrar um ótimo local, você poderia realizar vários ensaios do procedimento de otimização a partir de diferentes experimentos iniciais. Apenas um estudo é possível se você gerar o experimento inicial pela seleção puramente sequencial ou se você especificar o experimento inicial com uma coluna indicadora.
Se você não quiser selecionar um modelo antecipadamente, uma boa estratégia é dispersar os pontos do experimento uniformemente sobre o espaço de experimento. Neste caso, o método baseado em distância fornece uma solução para a seleção dos pontos do experimento. O algoritmo ótimo com base em distância seleciona os pontos do experimento a partir de um conjunto candidato, de modo que os pontos são distribuídos uniformemente sobre o espaço do experimento.
O algoritmo para experimentos baseados em distância não usa um método de troca. O algoritmo também não replica pontos quando você seleciona um experimento ótimo.
O Minitab seleciona o ponto candidato com a maior distância euclidiana a partir da origem (experimento de superfície de resposta) ou o ponto que está mais próximo de um componente puro (experimento de mistura) como ponto inicial. Em seguida, o Minitab adiciona pontos de experimento adicionais de uma forma stepwise de modo que cada novo ponto esteja o mais longe possível dos pontos já selecionados para o experimento.
Você deve usar uma coluna indicadora para indicar quais pontos estão disponíveis para serem adicionados ao experimento original. Em seguida, o Minitab adiciona pontos de experimento adicionais de uma forma stepwise de modo que cada novo ponto esteja o mais longe possível dos pontos já selecionados para o experimento.