To analyze the relationship between

To analyze the relationship between ambient temperature and brain
maintenance cost,we used the data on Earth global surface temperature
(Ts) for the last 3.2 myand the data on brain maintenance cost, estimated
as explained above (Online Table 1). For each fossil, we estimated Ts
for their specific date by interpolation. We prefer to work with point
temperature estimations – instead of pooled data for 0.1 or 0.2my intervals,
as usually done – because artificial selection experiments show
that some internal organs can noticeably increase their size after a few
generations of intense selection (Konarzewski and Ksiazek, 2012). We
evaluated the relationship between brain maintenance cost and Ts
through standard least-squares regression techniques, using body
mass (mb) and fossil age (FA) as covariates (Online Table 1). Then, we
estimated the goodness of fit (r2) of the seven the possible models
(i.e., combinations of Ts, mb, and FA as independent variables), and
used the Bayesian Information Criterion (BIC) to compare among
them. Specifically, a model was selected as a “good model” if its BIC
value did not differ from the overall best model BIC value – which represents,
by definition, the lowest BIC value – in more than 2.3 units
(Raftery et al., 1997). All these conventional analyses were conducted
in R, using functions in “base” and “stats” packages (R Development
Core Team, 2008).

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ความสัมพันธ์ระหว่างอุณหภูมิและสมองต้นทุน การบำรุงรักษาเราใช้ข้อมูลบนโลกอุณหภูมิพื้นผิวโลก(Ts) สำหรับ myand ล่าสุด 3.2 การข้อมูลต้นทุนการบำรุงรักษาสมอง ประเมินตามที่อธิบายไว้ข้างต้น (ออนไลน์ตาราง 1) สำหรับแต่ละเพลิงฟอสซิล เราประเมิน Tsสำหรับวันเฉพาะโดยแทรกแทรง เราต้องทำงานกับจุดอุณหภูมิประมาณ – แทนที่จะรวมข้อมูลในช่วง 0.1 หรือ 0.2myเป็นปกติทำ – เลือกประดิษฐ์ทดลองดูว่า อวัยวะภายในบางอย่างสามารถเพิ่มขนาดของพวกเขาอย่างเห็นได้ชัดหลังจากกี่รุ่นเลือกรุนแรง (Konarzewski และ Ksiazek, 2012) เราประเมินความสัมพันธ์ระหว่างต้นทุนการบำรุงรักษาสมองและ Tsผ่านเทคนิคการถดถอยกำลังสองน้อยสุดมาตรฐาน การใช้ร่างกายโดยรวม (mb) และฟอสซิลอายุ (FA) เป็น covariates (ออนไลน์ตาราง 1) จากนั้น เราประเมินความกตัญญูพอดี (r2) ของเซเว่นแบบจำลองได้(เช่น ชุดของ Ts, mb และ FA เป็นตัวแปรอิสระ), และใช้ทฤษฎีข้อมูลเกณฑ์ (BIC) เพื่อเปรียบเทียบระหว่างพวกเขา โดยเฉพาะ แบบเลือกเป็น "รุ่นดี" ถ้าเป็น BICค่าไม่แตกต่างจากสุดรุ่น BIC ค่า – ซึ่งแทน ไม่โดยข้อกำหนด ค่าต่ำสุด BIC – หน่วยกว่า 2.3(Raftery et al., 1997) ได้ดำเนินการวิเคราะห์ทั่วไปเหล่านี้ใน R ใช้ฟังก์ชันในแพคเกจ "ฐาน" และ "สถิติ" (R พัฒนาหลักทีม 2008)

ผลลัพธ์ (ไทย) 3:

เพื่อวิเคราะห์ความสัมพันธ์ระหว่างอุณหภูมิ และต้นทุนการบำรุงรักษาสมอง
เราใช้ข้อมูลบนผิวโลก อุณหภูมิของโลก
( TS ) สำหรับช่วง 3.2 myand ข้อมูลต้นทุนการบำรุงรักษาสมองประมาณ
ตามที่อธิบายไว้ข้างต้น ( ตารางที่ออนไลน์ ( 1 ) สำหรับแต่ละฟอสซิล เราประเมิน TS
สำหรับวันที่ที่เฉพาะเจาะจงของพวกเขาโดยการประมาณค่าในช่วง เราชอบทำงานกับจุด
การแทนข้อมูลอุณหภูมิ–รวม 0.1 หรือ 0.2my ช่วงเวลา
เป็นมักจะทำ ) เพราะการทดลองการคัดเลือกเทียม โชว์
ว่าอวัยวะภายในชัดสามารถเพิ่มขนาดของพวกเขาหลังจากไม่กี่
รุ่นเข้มข้น ( และเลือก konarzewski ksiazek , 2012 ) เรา
ประเมินความสัมพันธ์ระหว่างต้นทุนการบำรุงรักษาสมองและ TS
ผ่านมาตรฐานเทคนิควิธีการใช้มวลร่างกาย
( MB ) และซากฟอสซิลอายุ ( FA ) ความรู้ ( ตารางที่ออนไลน์ ( 1 ) แล้วเรา
ประเมินความสอดคล้อง ( R2 ) ของเจ็ด
รุ่นไปได้ ( เช่น การรวมกันของ TS , MB , และเอฟเอ เป็นตัวแปรอิสระ และใช้เกณฑ์สารสนเทศ
ส์ ( BIC ) เปรียบเทียบระหว่าง
. โดยเฉพาะรูปแบบคือเลือกเป็น " นางแบบ " ดีถ้าค่า BIC
ของมันไม่ได้แตกต่างจากโดยรวมที่ดีที่สุดแบบจำลองบิกค่า ) ซึ่งหมายถึง ,
นิยาม ต่ำสุดค่า BIC สำหรับมากกว่า 2.3 หน่วย
( raftery et al . , 1997 ) การวิเคราะห์แบบทดสอบเหล่านี้ทั้งหมด
R โดยใช้ฟังก์ชัน " ฐาน " และ " สถิติ " แพคเกจ ( R
หลักพัฒนาทีม , 2008 )