베이지안 D-최적 기준은 사전 분포와 관련한 다항 로짓 모형에서 모수 추정량 최대 가능도의 정보 행렬 행렬식에 대한 로그 기대값입니다. 선택 설계 플랫폼은 사전 확률 분포를 나타내는 모수 벡터 표본에 의해 이 기대를 최대화합니다. 자세한 내용은 Kessels et al. (2011)에서 확인하십시오.
부분 프로파일 설계의 경우 JMP는 다음과 같은 2단계 설계 알고리즘을 사용합니다.
1. 각 선택 집합의 상수 속성은 속성 균형 방식을 사용하여 결정됩니다.
2. 비상수 속성의 수준은 베이지안 D-최적을 사용하여 결정됩니다.
속성 균형은 알고리즘이 전체 설계에서 각 속성이 상수로 고정되는 횟수의 균형을 맞추려고 시도하는 것을 의미합니다. 둘 이상의 속성이 상수로 고정되면 알고리즘은 설계에서 상수로 고정된 속성 쌍의 발생이 균형을 이루도록 합니다.
비상수 속성의 수준은 베이지안 D-최적 기준을 최적화하도록 결정됩니다. 랜덤 시작 설계가 발견됩니다. 그러면 좌표 교환 알고리즘을 사용하여 비상수 속성의 수준이 생성되고 베이지안 D-최적 기준이 최적화될 때까지 평가됩니다. 다변량 정규 사전 분포에 대한 적분을 포함하는 계산은 Gotwalt et al. (2009)에 설명된 구적법을 사용합니다.
참고: 베이지안 D-최적 기준으로 인해 일부 비상수 속성의 수준이 동일한 선택 집합이 생성될 수 있습니다. 프로파일 내에서 비상수 수준을 변경하여 모든 프로파일의 확률이 매우 높거나 낮은 무정보적 선택 집합이 생성되는 경우가 여기에 해당합니다.