Gauss過程 IMSE最適計画
Gauss過程IMSE最適計画は、得られたデータに対してGauss過程モデルをあてはめるのに適した計画です。Gauss過程モデルは、滑らかな曲面に従っているデータに対して、よく使われているモデルです。Gauss過程IMSE最適計画は、Gauss過程モデルの平均2乗誤差（MSE; Mean Squared Error）を実験領域で積分した値を最小化します。JMPのGauss過程IMSE最適計画では、クリギングモデルに似た相関構造をもつモデルを仮定します。Jones and Johnson（2009）を参照してください。
共分散パラメータベクトル
Gauss過程IMSE最適計画は、特定の相関構造をもつGauss過程モデルを仮定します。その相関構造は、共分散パラメータベクトルによって定義されます。JMPのGauss過程IMSE最適計画での相関構造では、1因子gごとにθの値があります。このθは、0のとき相関が1となり、あてはめた曲面がその因子の方向について平面となります。θが増加するに従って、相関は減少し、曲面がその因子の方向で大きく変化するようになります。
「共分散パラメータベクトル」アウトラインで、「θ」の下に、事前にわかっている曲面情報に基いて、θの値を入力してください。
Gauss過程IMSE最適計画とラテン超方格計画の比較
Gauss過程IMSE最適計画は、ラテン超方格計画の代わりとなる計画です。Gauss過程IMSE最適計画をラテン超方格計画（図21.20）と比較してみましょう。図21.22は、Gauss過程 IMSE最適計画を描いた散布図です。こちらの計画の方が、因子領域全体に均一に散らばっていることがわかります。
図21.22 ラテン超方格計画とGauss過程 IMSE最適計画を比較
メモ: ここで紹介しているラテン超方格計画とGauss過程 IMSE最適計画は、100個のランダム開始点を使って作成したものです。