Designs ótimos são uma classe de planejamentos experimentais que são otimizados com base em algum critério estatístico. No planejamento de experimentos para estimativa de modelos estatísticos, designs ótimos permitem estimar parâmetros sem viés e com variância mínima. Um design não ótimo exige um número maior de execuções experimentais para estimar os parâmetros com a mesma precisão que um design ótimo. Em termos práticos, experimentos ótimos podem reduzir os custos da experimentação.
O Design D-Ótimo da Análise Conjunta é um planejamento baseado em D-Ótimalidade para a pergunta de Análise Conjunta (Escolha Discreta). Em geral, D-Ótimalidade é um conceito que utiliza um conjunto desejado de experimentos para otimizar ou investigar um objeto de estudo. Ela busca minimizar |(X'X)−1| ou, de forma equivalente, maximizar o determinante da matriz de informação X'X do planejamento.
Aqui você deve especificar quantas versões do design D-Ótimo deseja gerar. Se forem selecionadas várias versões, será gerado um design D-Ótimo amplo com número total de tarefas igual ao número de tarefas especificadas multiplicado pelo número de versões especificadas. Durante a pesquisa, cada respondente verá o número de tarefas definido na pergunta, mas essas tarefas serão escolhidas aleatoriamente a partir do design D-Ótimo amplo gerado anteriormente.