Monte Carlo simulation was applied

Monte Carlo simulation was applied to evaluate the uncertainties
in the dietary exposure and risk estimation. The simulations
were run for 10,000 iterations to ensure the stability of
results with each input values randomly selected from their
respective probability distributions. Sensitivity analysis was used to
determine the extent of the influence of each input parameter on
the estimated results. We evaluated the sensitivity by calculating
Spearman's rank correlation coefficients between each input and
output values and then squaring the output variance and normalizing
to 100%. The Monte Carlo simulation and sensitivity analysis
were implemented using MATLAB 7.10.0.499 (R2010a).

ผลลัพธ์ (ไทย) 1:

ใช้ในการประเมินความไม่แน่นอนที่จำลอง Carlo มอนในอาหารความเสี่ยงและความเสี่ยงประเมิน แบบจำลองถูกเรียกใช้ซ้ำ 10000 ให้ความมั่นคงของผลลัพธ์แต่ละค่าที่สุ่มเลือกจากการป้อนข้อมูลของพวกเขาการกระจายความน่าเป็นที่เกี่ยวข้อง การวิเคราะห์ความไวถูกใช้กำหนดขอบเขตของอิทธิพลของแต่ละพารามิเตอร์ที่ป้อนเข้าในผลการประเมิน เราประเมินระดับความสำคัญ โดยการคำนวณของ spearman อันดับความสัมพันธ์สัมประสิทธิ์ระหว่างแต่ละอินพุท และแสดงผลค่าแล้ว squaring ต่างผลลัพธ์ และ normalizing100% การวิเคราะห์ความไวและการจำลอง Carlo มอนได้ดำเนินการโดยใช้ MATLAB 7.10.0.499 (R2010a)

ผลลัพธ์ (ไทย) 2:

การจำลอง Monte Carlo
ถูกนำมาใช้ในการประเมินความไม่แน่นอนในการเปิดรับการบริโภคอาหารและการประมาณค่าความเสี่ยง จำลองวิ่ง 10,000 ซ้ำเพื่อให้มั่นใจเสถียรภาพของผลกับแต่ละค่าที่ป้อนเข้าสุ่มเลือกจากพวกเขาแจกแจงความน่าจะเกี่ยวข้อง การวิเคราะห์ความไวถูกใช้ในการกำหนดขอบเขตของอิทธิพลของแต่ละพารามิเตอร์การป้อนข้อมูลเกี่ยวกับผลการประมาณการ เราประเมินไวโดยการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์อันดับของสเปียร์แมนระหว่างกันเข้าและค่าการส่งออกแล้วsquaring แปรปรวนออกและ normalizing ถึง 100% การจำลอง Monte Carlo และการวิเคราะห์ความไวได้รับการดำเนินการโดยใช้ MATLAB 7.10.0.499 (R2010a)

ผลลัพธ์ (ไทย) 3:

การจำลองมอนติคาร์โลถูกนำมาใช้เพื่อประเมินความไม่แน่นอน
ในการอาหารและการประเมินความเสี่ยง จำลอง
) วิ่ง 10 , 000 ซ้ำเพื่อให้มั่นใจเสถียรภาพของ
ผลลัพธ์กับปัจจัยแต่ละค่าสุ่มจากการแจกแจงความน่าจะเป็นของตน

การวิเคราะห์ความไวใช้
กำหนดขอบเขตของอิทธิพลของปัจจัยแต่ละตัวบน
ประมาณการผล เราประเมินความไวโดยการคำนวณ
คนยศสัมประสิทธิ์สหสัมพันธ์ระหว่างอินพุตและเอาต์พุตแต่ละ
ค่าแล้วยกออก แปรปรวนและ normalizing
100% มอนติคาร์โลและ
การวิเคราะห์ความอ่อนไหว ได้ดําเนินการโดยใช้ 7.10.0.499 ( r2010a )