मैं पैकेज AlgDesign का इस्तेमाल किया है आंशिक तथ्यात्मक डिजाइन उत्पन्न करने के लिए:
- समारोह
gen.factorial() का उपयोग कर पूर्ण तथ्यात्मक डिज़ाइन उत्पन्न करें।
- परिणाम
optFederov() पर पास करें - यह फेडरोव एल्गोरिदम का उपयोग करके इष्टतम आंशिक डिज़ाइन ढूंढने का प्रयास करेगा।
निम्नलिखित कोड को मेरे विंडोज लैपटॉप पर चलाने में लगभग 3 मिनट लगते हैं। उदाहरण के अनुसार, जैसा कि आपने निर्दिष्ट किया है, उदाहरण में 3, 4, 6 या 11 स्तरों के साथ 8 कारकों के साथ अनुमानित इष्टतम आंशिक फैक्टोरियल डिज़ाइन मिलता है।
ध्यान दें कि मैं optFederov(..., approximate=TRUE) का उपयोग करता हूं - यह एक अनुमानित समाधान पाता है। मेरी मशीन पर, जब मैं approximate=FALSE सेट करता हूं तो कोड चलाने के लिए बहुत लंबा समय लगता है और विंडोज एक स्ट्रॉप फेंकता है। आप विभिन्न सेटिंग्स के साथ प्रयोग करना चाह सकते हैं।
library(AlgDesign)
levels.design = c(3,4,6,11,3,4,6,11)
f.design <- gen.factorial(levels.design)
fract.design <- optFederov(
data=f.design,
nTrials=sum(levels.design),
approximate=TRUE)
और उत्पादन:
head(f.design)
X1 X2 X3 X4 X5 X6 X7 X8
1 -1 -3 -5 -5 -1 -3 -5 -5
2 0 -3 -5 -5 -1 -3 -5 -5
3 1 -3 -5 -5 -1 -3 -5 -5
4 -1 -1 -5 -5 -1 -3 -5 -5
5 0 -1 -5 -5 -1 -3 -5 -5
6 1 -1 -5 -5 -1 -3 -5 -5
fract.design
$D
[1] 6.813321
$A
[1] 0.375804
$Ge
[1] 0.998
$Dea
[1] 0.998
$design
Rep.. X1 X2 X3 X4 X5 X6 X7 X8
1 1 -1 -3 -5 -5 -1 -3 -5 -5
10 1 -1 3 -5 -5 -1 -3 -5 -5
...
626475 1 1 -3 -5 -5 1 3 5 5
627253 1 -1 -3 5 5 1 3 5 5
$rows
[1] 1 10 61 723 790 1596 2307 2314 2365 2374
[11] 2376 7129 7140 7198 7849 7911 7918 7920 8713 8724
[21] 9433 9504 48252 48301 48303 49105 49107 49114 49174 54660
[31] 54711 56233 56304 570241 570963 571834 571836 572556 578151 579015
[41] 617821 617823 619414 620127 620134 625618 626475 627253
इस उत्तर बहुत ही व्यावहारिक, आप धन्यवाद है। मैं इस उत्तर को पहले स्वीकार नहीं कर पाया था बी/सी मेरा मूल खाता मेरे Google खाते में लॉग इन करने के बाद पहुंच योग्य नहीं हो गया। समस्या अब हल हो गई है। –