There exist several extensions to O

There exist several extensions to OLS based methods such as generalized linear regression models (GLM) [12], Gompertz based models and others [13] that can be used to analyze and compare bacterial growth and similar types of studies. A recent approach used a non-parametric mixed effects-model based regression with random effects to handle the dependence between each consecutive point found in growth curve data [10]. The regression model was further improved by bootstrapping the regression coefficients so that a prediction band could be obtained for the modeled growth curve. We also demonstrate the use of GAM regression, which is an extension to spline regression, to model bacterial growth in one of the E. coli strains. GAMs are almost as easy to set up as standard linear regression models, but the use of splines makes GAMs better at modeling longitudinal data. Not only can a confidence interval be obtained for the whole curve, but we also show that derivatives, with confidence intervals, of the fitted curves can be easily computed, revealing more information with respect to how growth changes at each time point.

ผลลัพธ์ (ไทย) 1:

มีส่วนขยายหลายวิธี OLS ที่ใช้เช่นแบบจำลองถดถอยเชิงเส้นเมจแบบทั่วไป (GLM) [12], Gompertz ตามรูปแบบและอื่น ๆ [13] ที่สามารถใช้เพื่อวิเคราะห์ และเปรียบเทียบการเจริญเติบโตของแบคทีเรียและศึกษาชนิดที่คล้ายกัน วิธีล่าสุดกันไม่ใช่พาราเมตริกผสมถดถอยตามลักษณะพิเศษของแบบจำลองกับผลการสุ่มการจัดการพึ่งพาระหว่างแต่ละจุดต่อเนื่องที่พบข้อมูลเส้นโค้งการเจริญเติบโต [10] แบบจำลองถดถอยถูกเพิ่มเติมขึ้น โดย bootstrapping สัมประสิทธิ์ถดถอยเพื่อให้สามารถดึงวงการคาดเดาสำหรับเส้นโค้งการเจริญเติบโตสร้างแบบจำลอง นอกจากนี้เรายังสาธิตใช้แกมถดถอย ซึ่งเป็นส่วนขยายจะถดถอยเหมือน การเจริญเติบโตแบคทีเรียรุ่นหนึ่งของสายพันธุ์ E. coli GAMs เกือบจะง่ายต่อการตั้งค่าเป็นแบบจำลองถดถอยเชิงเส้นมาตรฐาน แต่ใช้ splines GAMs ดีที่ข้อมูลระยะยาวการสร้างโมเดล ไม่เพียงแต่สามารถช่วงความเชื่อมั่นได้รับสำหรับเส้นโค้งทั้งหมด แต่เรายังแสดงว่า ตราสารอนุพันธ์ มีความมั่นใจช่วง เส้นโค้งผ่อนสามารถถูกได้คำนวณ การเปิดเผยข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเปลี่ยนแปลงเติบโตในแต่ละจุดเวลา

ผลลัพธ์ (ไทย) 2:

มีอยู่หลายส่วนขยาย OLS วิธีการเช่นรุ่นทั่วไปถดถอยเชิงเส้น (GLM) [12], Gompertz ตามรุ่นและอื่น ๆ [13] ที่สามารถใช้ในการวิเคราะห์และเปรียบเทียบการเจริญเติบโตของเชื้อแบคทีเรียและมีลักษณะคล้ายคลึงกันของการศึกษา วิธีการใช้ที่ผ่านมาที่ไม่ผสมพาราผลตามแบบการถดถอยที่มีผลกระทบแบบสุ่มในการจัดการกับการพึ่งพาอาศัยกันระหว่างแต่ละจุดติดต่อกันที่พบในข้อมูลเส้นโค้งการเจริญเติบโต [10] รูปแบบการถดถอยได้รับการปรับปรุงต่อไปโดย bootstrapping ค่าสัมประสิทธิ์การถดถอยเพื่อให้วงทำนายอาจจะได้รับสำหรับการเจริญเติบโตแบบจำลองโค้ง นอกจากนี้เรายังแสดงให้เห็นถึงการใช้งานของการถดถอย GAM ซึ่งเป็นส่วนขยายไปยัง spline ถดถอยเป็นรูปแบบการเจริญเติบโตของเชื้อแบคทีเรียในหนึ่งในสายพันธุ์อีโคไล Gams เกือบจะเป็นเรื่องง่ายที่จะตั้งขึ้นเป็นมาตรฐานรูปแบบการถดถอยเชิงเส้น แต่การใช้เส้นโค้งทำให้ Gams ที่ดีกว่าในการสร้างแบบจำลองข้อมูลยาว ไม่เพียง แต่ช่วงความเชื่อมั่นสามารถรับได้ทั้งเส้นโค้ง แต่เรายังแสดงให้เห็นว่าสัญญาซื้อขายล่วงหน้าที่มีช่วงความเชื่อมั่นของเส้นโค้งที่ติดตั้งสามารถคำนวณได้อย่างง่ายดายเปิดเผยข้อมูลเพิ่มเติมเกี่ยวกับการเจริญเติบโตของการเปลี่ยนแปลงในแต่ละจุดเวลา

ผลลัพธ์ (ไทย) 3:

มีอยู่หลายวิธี เช่น ใช้วิธีการขยายตัวแบบการถดถอยเชิงเส้น ( glm ) [ 12 ] ๆตามรูปแบบและอื่น ๆ [ 13 ] ที่สามารถใช้วิเคราะห์และเปรียบเทียบการเติบโตของแบคทีเรีย และลักษณะของการศึกษาวิธีล่าสุดที่ใช้ไม่ใช่พาราผสมผลแบบพหุคูณตามผลแบบสุ่มเพื่อจัดการกับการพึ่งพาระหว่างกัน ติดต่อกัน จุดพบในการเจริญเติบโตโค้งข้อมูล [ 10 ] ตัวแบบการถดถอยเพิ่มเติมปรับปรุง bootstrapping ที่สัมประสิทธิ์ถดถอยเพื่อการทำนายวงอาจจะได้รับสำหรับแบบจำลองการเจริญเติบโตของเส้นโค้ง นอกจากนี้เรายังแสดงให้เห็นถึงการใช้เกมการถดถอยซึ่งเป็นส่วนขยายเพื่อหาสมการถดถอย แบบจำลองการเติบโตของแบคทีเรียในหนึ่งของ E . coli สายพันธุ์ Gams เกือบจะง่ายที่จะตั้งเป็นมาตรฐานการถดถอยเชิงเส้นแบบ แต่การใช้วิธีการทำให้ gams ดีกว่าแบบจำลองข้อมูลระยะยาว ไม่เพียง แต่สามารถมีความเชื่อมั่นได้ในโค้งทั้งหมด แต่เราก็แสดงให้เห็นว่า อนุพันธ์ กับช่วงความมั่นใจของเข็มขัดโค้ง สามารถคำนวณได้เปิดเผยข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเปลี่ยนแปลงในแต่ละจุดเวลา