The first term on the right-hand si

The first term on the right-hand side of equation (9) is the
mean variance of Γ assuming the predicted response is
Y ab P  , , and the second term is the variance of the expected
Γ . Properly calculating var Γ
( ) is of critical importance in
constructing the confidence interval of the interaction
index. The bootstrap method is commonly used for this type
of calculation. First, a random sample of Y ab P  , is simulated
from a multivariate normal distribution with mean and
covariance matrix parameters calculated using equations
(6), (7), and (8). Conditional on Y ab P  , , response surface
parameters Γ in equation (3) and var | Γ ,  Y
 ( ) ab P in equation
(9) are calculated using the linear model method. These
steps are repeated for a number of times and then var Γ
( ) can be approximated by replacing expectation and variance
with sample mean and sample variance in equation (9).
var Γ
( ) roughly stabilizes after 50 iterations. Usually, the
difference of var Γ
( ) between 50 and 10,000 iterations is
within 15%, and the difference between 1000 and 10,000
repeats is within 5%. The 100(1 – α)% confidence interval
for interaction index I at any combination dose (a, b) can
then be calculated using the following formula:

ผลลัพธ์ (ไทย) 1:

เทอมแรกทางด้านขวามือของสมการที่ (9) คือการหมายถึง ผลต่างของΓโดยถือว่า เป็นการตอบสนองที่คาดการณ์Y ab P และระยะสองคือ ความแปรปรวนของความคาดΓ การคำนวณ var Γอย่างถูกต้อง()มีความสำคัญในสร้างช่วงความเชื่อมั่นของการโต้ตอบดัชนี วิธีการเริ่มต้นถูกใช้สำหรับชนิดนี้การคำนวณ ครั้งแรก จำลองตัวอย่างสุ่มของ Y ab P จากการแจกแบบหลายตัวแปรกับค่าเฉลี่ย และแปรปรวนเมทริกซ์พารามิเตอร์คำนวณโดยใช้สมการ(6), (7), และ (8) มีเงื่อนไขบน Y ab P ,, พื้นผิวตอบสนองΓพารามิเตอร์ในสมการ (3) และ var กรุนด์ฟอส Γ Yab () P ในสมการ(9) มีคำนวณโดยใช้วิธีการแบบจำลองเชิงเส้น เหล่านี้ขั้นตอนมีการทำซ้ำหลาย ๆ ครั้ง และจากนั้น var Γ()สามารถหาค่าประมาณได้ โดยการเปลี่ยนความคาดหวังและความแปรปรวนด้วยค่าเฉลี่ยตัวอย่างและตัวอย่างผลต่างในสมการ (9)var Γ()ประมาณรักษาหลังซ้ำ 50 มักจะ การความแตกต่างของ var Γ()ระหว่าง 50 และ 10,000 ซ้ำเป็นภายใน 15% และความแตกต่างระหว่าง 1000 และ 10000ทำซ้ำอยู่ 5% (1-α) 100% ช่วงความเชื่อมั่นสำหรับดัชนีการโต้ตอบ ที่มีปริมาณรวมกัน (a, b) สามารถจากนั้น จะคำนวณโดยใช้สูตรต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

ในระยะแรกที่ด้านขวามือของสมการ (9) เป็น
ความแปรปรวนเฉลี่ยของΓสมมติว่าการตอบสนองที่คาดการณ์ไว้คือ
Y AB P , และระยะที่สองคือความแปรปรวนของการคาดหวัง
Γ ต้องคำนวณ var Γ
() เป็นสิ่งที่สำคัญใน
การสร้างความเชื่อมั่นของการปฏิสัมพันธ์
ดัชนี วิธีการบูตเป็นที่นิยมใช้สำหรับประเภทนี้
ของการคำนวณ แรกตัวอย่างที่สุ่มจาก Y AB P , จำลอง
จากการกระจายปกติหลายตัวแปรที่มีค่าเฉลี่ยและ
ความแปรปรวนเมทริกซ์พารามิเตอร์คำนวณโดยใช้สมการ
(6) (7) และ (8) เงื่อนไขใน Y AB P , พื้นผิวตอบสนอง
พารามิเตอร์Γในสมการ (3) และ var | Γ? Y
? () AB P ในสมการ
(9) มีการคำนวณโดยใช้วิธีการรูปแบบเชิงเส้น เหล่านี้
ขั้นตอนซ้ำหลายครั้งแล้ว var Γ
() สามารถประมาณโดยการเปลี่ยนความคาดหวังและความแปรปรวน
มีตัวอย่างค่าเฉลี่ยและความแปรปรวนตัวอย่างในสมการ (9).
Γ var
() ประมาณ 50 หลังการรักษาซ้ำ โดยปกติแล้ว
ความแตกต่างของ var Γ
() ระหว่าง 50 และ 10,000 ซ้ำเป็น
ภายในวันที่ 15% และความแตกต่างระหว่าง 1,000 และ 10,000
ซ้ำอยู่ภายใน 5% 100 (1 - α) ช่วงความเชื่อมั่น%
สำหรับดัชนีปฏิสัมพันธ์ฉันที่ปริมาณรวมกันใด ๆ (A, B) จะ
ถูกคำนวณโดยใช้สูตรต่อไปนี้: