2.1. Census dataThe 2007 X-ray surv

2.1. Census data
The 2007 X-ray survey dataset contained the number of birds and number of holders in every sub-district(administrative level 3) of Thailand. More recent data were available, but 2007 was the last year when the distinctions were made among the 8 major classes of poultry. These included 3 types of chicken-broilers, layers, andThai indigenous chickens (native); and 5 types of ducks-meattyped (MTD), egg typed (ETD), Muscovy (MD), meat typed free-grazing ducks (MTFGD), and egg typed free-grazing ducks (ETFGD). In subsequent years, some of these categories were pooled. Data were available for a total of 7410 sub-districts with a median size of 16 km2. For each of these types, the respective number of holders was also known. Fig. 1 ofthe Supplementary information (SI) shows the relative composition of the chicken and duck sectors in 2007.Fig. 1 shows the spatial distributions of four of these categories.
2.2. Predictors
Predictor variables were chosen in order to include the most important anticipated predictors of poultry farming: (i) availability of cheap feed available throughoutthe year (cropping intensity and irrigated areas),(ii) access tomarkets (human population and travel time to main cities), and distribution of local producers/consumers(rural population). Furthermore, all variables were taken from global or regional datasets to ensure that the approach presented here could be replicated in other countries and the results compared.The variables investigated as predictors of intensification are listed in Table 1. The number of crops cultivated per year (Xiaoet al., 2006; Biradar and Xiao, 2011) was derived from remote sensing measurements and predicts the number of cropping cycles. The percentage of irrigated areas (Siebert et al., 2007) is based both on remote sensing and sub-national water statistics. The human population densities were derived from the Global Rural Urban Mapping Project (GRUMP) database (CIESIN et al., 2005). Estimated travel times (accessibility)to Bangkok and to the closest provincial capital were derived from friction surface produced by Nelson (2008). Preprocessing of the predictors involved: (i) re-sampling the irrigation database to 1 km resolution by nearest neighbour assignation, (ii) averaging each predictors by sub-district.
2.3. Disaggregating survey data
Exploratory analysis suggested that log 10 transformed numbers of birds per holder was the best variable to discriminate intensive from extensive production systems for each poultry type,since a clear bimodal distribution of the number of birds per holder was observed for the poultry types for which intensive production is most important (Fig. 2). Two distinct frequency distribution patterns were observed in the log 10 transformed numbers of birds per holder.First was a unimodal distribution with a peak of low numbers of birds per holder (e.g., MD and native). In this case, animals were categorised as being extensively produced without further analysis.This was supported by the observation that any increase in the number of birds per sub-district was in proportion to an increase in the number of holders (e.g., native chickens Fig. 2g, see also the regression line in Fig. 2 SI).Second was a bimodal distribution, shown by the 6 poultry types: broiler, layer, MTD, ETD, MTFGD, ETFGD (e.g., Fig. 2a and f). These poultry categories were disaggregated using four consecutive steps: (i) sub-districts with mixed production were separated from those dominated by either extensive or intensive farms, (ii) the groups dominated by one or other systems were used to estimate the average number of birds per holder in extensive (AE) and intensive (AI) systems, (iii) the AE and AI parameters were fed into linear equations to predictthe respective number of birds and owners in each (extensive and intensive) system in all sub-districts, and (iv) numerical adjustments were applied for impossible values (e.g.,negative numbers, non integer values). This procedure is detailed in Protocol S1.
Finally, all chickens and ducks categorised as extensive or intensive were aggregated into four categories: intensive chickens,extensive chickens, intensive ducks and extensive ducks.
To assess the added value of using bimodal distributions for broilers, layers, MTD, ETD, MTFGD and ETFGD compared to a simple unimodal distribution, we used the difference in the Akaike Information Criterion (AIC):
AIC = 2k − 2 LogLik
where k is the number of parameters and LogLik the natural logarithm of the likelihood of the model used to fit the data. Both unimodal and bimodal models were fitted using maximum likelihood estimation. The difference in AIC (AIC in Table 2) was defined as follows:
Positive values indicate that bimodal fitting performed better then unimodal fitting as regards the relative number of parameters

ผลลัพธ์ (ไทย) 1:

2.1 การสำมะโนข้อมูลชุดข้อมูลการสำรวจการเอ็กซ์เรย์ 2007 ประกอบด้วยจำนวนนกและจำนวนผู้ถือในทุกตำบล (บริหารระดับ 3) ของประเทศไทย ข้อมูลล่าสุดมี แต่ 2007 เป็นปีสุดท้ายที่เมื่อข้อแตกต่างที่เกิดขึ้นระหว่าง 8 วิชาที่สำคัญของสัตว์ปีก เหล่านี้รวม 3 ชนิดของไก่ เนื้อไก่ ชั้น (ดั้งเดิม), ไก่พื้นเมือง andThai และไข่เป็ด-meattyped (MTD), ชนิด 5 พิมพ์ (ETD), Muscovy (MD) เนื้อพิมพ์ฟรี-grazing เป็ด (MTFGD), และไข่พิมพ์ฟรี-grazing เป็ด (ETFGD) ในปีต่อมา บางประเภทเหล่านี้ได้ถูกทางถูกพู ข้อมูลสำหรับจำนวน 7410 ย่อย ๆ 16 km2 ขนาดมัธยฐานได้ สำหรับแต่ละชนิด จำนวนผู้เกี่ยวข้องถูกเรียกอีกอย่างหนึ่ง 1 fig. ข้อมูลเสริม (ซี) แสดงญาติส่วนประกอบของไก่และเป็ดภาคใน 2007.Fig. 1 แสดงการกระจายพื้นที่ของ 4 ประเภทเหล่านี้2.2. predictorsตัวแปรจำนวนประตูที่ถูกเลือกเพื่อรวม predictors คาดว่าสำคัญที่สุดของสัตว์ปีกที่เลี้ยง: (i) ความประหยัดอาหารว่าง throughoutthe ปี (ครอบความเข้ม และ areas),(ii) ยามเข้า tomarkets (มนุษย์ประชากรเดินทางเวลาและการเมืองหลัก), และการกระจายของผู้ผลิตท้องถิ่น consumers(rural population) นอกจากนี้ ตัวแปรทั้งหมดที่ถ่ายจากส่วนกลาง หรือภูมิภาค datasets เพื่อให้แน่ใจว่า วิธีที่นำเสนอสามารถจำลองแบบในประเทศและผลการเปรียบเทียบตัวแปรตรวจสอบเป็น predictors ของแรงอยู่ในตารางที่ 1 จำนวนพืช cultivated ต่อปี (Xiaoet al., 2006 Biradar และเสี่ยว 2011) รับมาจากระยะไกลการตรวจวัด และทำนายจำนวนรอบครอบ เปอร์เซ็นต์ของพื้นที่ยาม (Siebert et al., 2007) อยู่ทั้งแชมพูและน้ำย่อยแห่งชาติสถิติ ความหนาแน่นประชากรมนุษย์ได้มาจากฐานข้อมูลส่วนกลางชนบทเมืองแม็ปโครงการ (GRUMP) (CIESIN et al., 2005) เดินทางโดยประมาณเวลา (ถึง) กรุงเทพมหานคร และจังหวัดใกล้เคียงที่สุดทุนได้มาจากแรงเสียดทานพื้นผิวผลิต โดยเนลสัน (2008) ประมวลผลเบื้องต้นของ predictors ที่เกี่ยวข้อง: (i) อีกครั้งการสุ่มตัวอย่างฐานข้อมูลชลประทานความละเอียด 1 กม. โดย neighbour assignation สุด (ii) predictors แต่ละตำบลโดยหาค่าเฉลี่ย2.3. disaggregating ข้อมูลสำรวจExploratory analysis suggested that log 10 transformed numbers of birds per holder was the best variable to discriminate intensive from extensive production systems for each poultry type,since a clear bimodal distribution of the number of birds per holder was observed for the poultry types for which intensive production is most important (Fig. 2). Two distinct frequency distribution patterns were observed in the log 10 transformed numbers of birds per holder.First was a unimodal distribution with a peak of low numbers of birds per holder (e.g., MD and native). In this case, animals were categorised as being extensively produced without further analysis.This was supported by the observation that any increase in the number of birds per sub-district was in proportion to an increase in the number of holders (e.g., native chickens Fig. 2g, see also the regression line in Fig. 2 SI).Second was a bimodal distribution, shown by the 6 poultry types: broiler, layer, MTD, ETD, MTFGD, ETFGD (e.g., Fig. 2a and f). These poultry categories were disaggregated using four consecutive steps: (i) sub-districts with mixed production were separated from those dominated by either extensive or intensive farms, (ii) the groups dominated by one or other systems were used to estimate the average number of birds per holder in extensive (AE) and intensive (AI) systems, (iii) the AE and AI parameters were fed into linear equations to predictthe respective number of birds and owners in each (extensive and intensive) system in all sub-districts, and (iv) numerical adjustments were applied for impossible values (e.g.,negative numbers, non integer values). This procedure is detailed in Protocol S1.สุดท้าย ไก่และเป็ดที่จัดให้เป็นการกว้างขวาง หรือเร่งรัดทั้งหมดถูกรวมเป็นสี่ประเภท: ไก่เร่งรัด ไก่อย่างละเอียด คอร์เป็ด และเป็ดอย่างละเอียดการประเมินมูลค่าเพิ่มของการใช้การกระจาย bimodal สำหรับไก่เนื้อ ชั้น MTD, ETD, MTFGD และ ETFGD เมื่อเทียบกับการกระจายง่าย unimodal เราใช้ความแตกต่างในเกณฑ์ข้อมูล Akaike (AIC):AIC = 2 k − 2 LogLikโดยที่ k คือ จำนวนพารามิเตอร์และ LogLik ลอการิทึมธรรมชาติของความเป็นไปได้ของแบบจำลองที่ใช้ให้พอดีกับข้อมูล Unimodal และแบบ bimodal ถูกตกแต่งโดยใช้การประเมินความเป็นไปได้สูงสุด ความแตกต่างของ AIC (AIC ในตารางที่ 2) กำหนดไว้ดังนี้:ค่าบวกบ่งชี้ว่า bimodal กระชับทำดีแล้ว unimodal เหมาะสมตามจำนวนของพารามิเตอร์ที่เกี่ยวข้อง

ผลลัพธ์ (ไทย) 2:

2.1 ข้อมูลการสำรวจสำมะโนประชากร
2007 ชุดข้อมูลที่สำรวจ X-ray ที่มีจำนวนของนกและจำนวนของผู้ถือในทุกตำบล (ระดับบริหาร 3) แห่งประเทศไทย ข้อมูลล่าสุดอื่น ๆ ที่มีอยู่ แต่ปี 2007 เป็นปีที่ผ่านมาเมื่อความแตกต่างที่ถูกสร้างขึ้นในหมู่ 8 ชั้นเรียนที่สำคัญของสัตว์ปีก เหล่านี้รวมถึง 3 ประเภทไก่ไก่, ชั้น, andThai ไก่พื้นเมือง (พื้นเมือง); และ 5 ประเภทของเป็ด-meattyped (MTD) ไข่พิมพ์ (ETD), มัสโกวี (MD) เนื้อเป็ดพิมพ์ฟรีแทะเล็ม (MTFGD) และไข่เป็ดพิมพ์ฟรีแทะเล็ม (ETFGD) ในปีต่อ ๆ มาบางส่วนของประเภทเหล่านี้ถูกรวบรวม ข้อมูลที่มีอยู่รวมเป็น 7410 ตำบลที่มีขนาดเฉลี่ยของ 16 กิโลเมตร 2 สำหรับแต่ละประเภทนี้จำนวนตามลำดับของผู้ถือยังเป็นที่รู้จัก มะเดื่อ 1 ofthe ข้อมูลเสริม (SI) แสดงให้เห็นองค์ประกอบญาติของภาคไก่และเป็ดใน 2007.Fig 1 แสดงการกระจายเชิงพื้นที่ของสี่ประเภทเหล่านี้.
2.2 พยากรณ์
ตัวแปรทำนายที่ได้รับเลือกในการที่จะรวมถึงการพยากรณ์คาดการณ์ไว้ที่สำคัญที่สุดของการเลี้ยงสัตว์ปีก (i) ความพร้อมของฟีราคาถูกปี throughoutthe (ความเข้มของการปลูกพืชและพื้นที่ชลประทาน), (ii) การเข้าถึง tomarkets (ประชากรมนุษย์และเวลาในการเดินทางไปยังเมืองหลัก ) และการกระจายตัวของผู้ผลิตในท้องถิ่น / ผู้บริโภค (ประชากรในชนบท) นอกจากนี้ตัวแปรทั้งหมดถูกนำมาจากชุดข้อมูลในระดับโลกหรือระดับภูมิภาคเพื่อให้แน่ใจว่าวิธีการที่นำเสนอนี้จะได้รับการจำลองแบบในประเทศอื่น ๆ และผลการตรวจสอบตัวแปร compared.The พยากรณ์ของแรงมีการระบุไว้ในตารางที่ 1 จำนวนของพืชที่ปลูกต่อปี ( Xiaoet อัล, 2006. Biradar และเสี่ยว, 2011) ได้มาจากการวัดระยะไกลและคาดการณ์ว่าจำนวนรอบของการปลูกพืช ร้อยละของพื้นที่ชลประทาน (เบิร์ท et al., 2007) จะขึ้นทั้งในระยะไกลและสถิติน้ำย่อยแห่งชาติ ความหนาแน่นของประชากรมนุษย์ได้รับจากโครงการจัดทำแผนที่ในเมืองและชนบททั่วโลก (Grump) ฐานข้อมูล (CIESIN et al., 2005) เวลาในการเดินทางประมาณ (เข้าถึง) ที่กรุงเทพฯและเมืองหลวงของจังหวัดที่อยู่ใกล้ที่สุดได้มาจากพื้นผิวแรงเสียดทานที่ผลิตโดยเนลสัน (2008) กระบวนการเตรียมการผลิตของการพยากรณ์ที่เกี่ยวข้อง:. (i) อีกครั้งสุ่มตัวอย่างฐานข้อมูลการชลประทานถึง 1 กม. ความละเอียดโดยเพื่อนบ้านที่ใกล้ที่สุดนัด, (ii) ค่าเฉลี่ยการพยากรณ์แต่ละอำเภอย่อย
2.3 ข้อมูลจากการสำรวจแยกการ
วิเคราะห์สำรวจชี้ให้เห็นว่าการเข้าสู่ระบบ 10 เปลี่ยนหมายเลขของนกต่อผู้ถือเป็นตัวแปรที่ดีที่สุดที่จะเห็นความแตกต่างอย่างเข้มข้นจากระบบการผลิตที่หลากหลายสำหรับแต่ละประเภทสัตว์ปีกตั้งแต่การกระจาย bimodal ที่ชัดเจนของจำนวนของนกต่อผู้ถือเป็นข้อสังเกตสำหรับประเภทสัตว์ปีกสำหรับ ซึ่งการผลิตอย่างเข้มข้นเป็นสิ่งที่สำคัญมากที่สุด (รูปที่ 2). สองรูปแบบการกระจายความถี่ที่แตกต่างกันถูกตั้งข้อสังเกตในบันทึกของ 10 เปลี่ยนหมายเลขของนกต่อ holder.First เป็นกระจาย unimodal กับจุดสูงสุดของตัวเลขที่ต่ำของนกต่อผู้ถือ (เช่น MD และชาวพื้นเมือง) ในกรณีนี้สัตว์ที่ถูกแบ่งออกเป็นการผลิตอย่างกว้างขวางโดยไม่ต้อง analysis.This เพิ่มเติมได้รับการสนับสนุนโดยการสังเกตว่าการเพิ่มขึ้นในจำนวนของนกต่อตำบลที่อยู่ในสัดส่วนที่เพิ่มขึ้นในจำนวนของผู้ถือ (เช่นไก่พื้นเมืองรูป . 2g เห็นเส้นถดถอยในรูปที่ 2 SI) เป็น .Second กระจาย bimodal แสดงโดย 6 ประเภทสัตว์ปีก.. ไก่เนื้อชั้น MTD, ETD, MTFGD, ETFGD (เช่นรูปที่ 2a และฉ) ประเภทสัตว์ปีกเหล่านี้ถูกแยกโดยใช้ขั้นตอนที่สี่ติดต่อกัน (i) ตำบลที่มีการผลิตผสมถูกแยกออกจากผู้ที่ถูกครอบงำโดยทั้งฟาร์มกว้างขวางหรือเข้มข้น (ii) กลุ่มครอบงำโดยหนึ่งหรือระบบอื่น ๆ ที่ถูกนำมาใช้ในการประมาณค่าเฉลี่ยของจำนวน นกต่อผู้ถือในกว้างขวาง (AE) และเข้มข้น (AI) ระบบ (iii) พารามิเตอร์ AE และ AI ได้รับการเลี้ยงดูเป็นสมการเชิงเส้นที่จะ predictthe จำนวนตามลำดับของนกและเจ้าของในแต่ละ (กว้างขวางและเข้มข้น) ระบบในทุกตำบล, และ (iv) การปรับตัวเลขถูกนำไปใช้สำหรับค่าเป็นไปไม่ได้ (เช่นหมายเลขลบค่าจำนวนเต็มไม่) ขั้นตอนนี้เป็นรายละเอียดในพิธีสาร S1.
สุดท้ายไก่และเป็ดแบ่งเป็นกว้างขวางหรือเข้มข้นถูกรวมเป็นสี่ประเภท:. ไก่เข้มข้นไก่กว้างขวางเป็ดเข้มข้นและเป็ดกว้างขวาง
เพื่อประเมินมูลค่าเพิ่มของการใช้การกระจาย bimodal สำหรับไก่เนื้อชั้น , MTD, ETD, MTFGD และ ETFGD เมื่อเทียบกับการกระจาย unimodal ง่ายเราใช้ความแตกต่างในข้อมูล Akaike เกณฑ์ (AIC):
AIC = 2k - 2 LogLik
ที่ k คือจำนวนของค่าพารามิเตอร์และ LogLik ลอการิทึมธรรมชาติของความเป็น รูปแบบการใช้งานให้เหมาะสมกับข้อมูล ทั้งสองรุ่น unimodal และ bimodal กำลังพอดีโดยใช้การประมาณค่าความน่าจะเป็นสูงสุด ความแตกต่างใน AIC (AIC ในตารางที่ 2) ได้รับการกำหนดไว้ดังนี้:
ค่าบวกแสดงให้เห็นว่าเหมาะสม bimodal ดำเนินการที่ดีกว่าแล้วเหมาะสม unimodal เป็น regards จำนวนญาติของพารามิเตอร์

ผลลัพธ์ (ไทย) 3:

2.1 . ข้อมูลการสำรวจสำมะโนประชากร การสำรวจเอกซเรย์
2007 ข้อมูลที่มีอยู่จำนวนของนก และจำนวนผู้ถือทุกตำบล ( การบริหารระดับ 3 ) ของประเทศไทย ข้อมูลล่าสุดที่มีอยู่ แต่ปี 2007 เป็นปีสุดท้ายเมื่อความแตกต่างเกิดขึ้นในหมู่ 8 วิชาหลักของสัตว์ปีก เหล่านี้รวม 3 ประเภทไก่เนื้อ ชั้น และไก่พื้นเมือง ( Native )และ 5 ประเภทของเป็ด meattyped ( MTD ) ไข่ พิมพ์ ( etd ) , เป็ดเทศ ( MD ) , เนื้อพิมพ์ฟรีหญ้าเป็ด ( mtfgd ) และไข่พิมพ์ฟรีหญ้าเป็ด ( etfgd ) ใน ปีต่อมา บางส่วนของประเภทเหล่านี้ถูกรวม . ข้อมูลที่มีอยู่สำหรับทั้งหมดของ 7410 ย่อยเขตที่มีขนาดเฉลี่ยของ 16 ตารางกิโลเมตร . สำหรับแต่ละประเภทเหล่านี้ หมายเลข ที่เกี่ยวข้องของผู้ถือก็ยังรู้จัก ภาพประกอบ1 ตามข้อมูลเพิ่มเติม ( SI ) แสดงความสัมพันธ์องค์ประกอบของไก่และเป็ดในภาค 2007.fig 1 แสดงการกระจายเชิงพื้นที่ของทั้งสี่ประเภทเหล่านี้ .
2.2 .
ทำนายพยากรณ์ตัวแปรเลือกเพื่อรวมที่สำคัญที่สุดที่คาดทำนายฟาร์มสัตว์ปีก( 1 ) ความพร้อมของแต่ละปี ( การปลูกพืชอาหารสัตว์ที่มีราคาถูก ความเข้มและพื้นที่เขตชลประทาน ) ( 2 ) ( tomarkets เข้าถึงประชากรมนุษย์และใช้เวลาเดินทางไปยังเมืองหลัก ) และการกระจายของผู้ผลิตท้องถิ่น / ผู้บริโภค ( ประชากรในชนบท ) นอกจากนี้ตัวแปรทั้งหมดถ่ายจากโลกหรือข้อมูลในภูมิภาคเพื่อให้มั่นใจว่าวิธีการที่นำเสนอนี้สามารถนำในประเทศอื่น ๆและผลเปรียบเทียบ ตัวแปรที่ศึกษาคือแรงอยู่ในตารางที่ 1 จำนวนของพืชที่ปลูกต่อปี ( xiaoet al . , 2006 ; biradar และเสี่ยว2011 ) ที่ได้มาจากดาวเทียมวัดและคาดการณ์จำนวนการปลูกพืชรอบ เปอร์เซ็นต์ของพื้นที่เขตชลประทาน ( เบิร์ท et al . , 2007 ) ถูกใช้ทั้งในการรับรู้จากระยะไกลและข้อมูลน้ำแห่งชาติซบ ประชากรมนุษย์มีความหนาแน่นที่ได้มาจากโครงการ Global ชนบทเมืองแผนที่ ( Grump ) ฐานข้อมูล ( ciesin et al . , 2005 )โดยประมาณเดินทางครั้ง ( เข้าถึง ) และทุนจังหวัดใกล้กรุงเทพฯ มาจากแรงเสียดทานพื้นผิวที่ผลิตโดยเนลสัน ( 2008 ) การเตรียมของตัวแปรที่เกี่ยวข้อง : ( ฉัน ) อีกตัวอย่างฐานข้อมูลชลประทาน 1 กม. ความละเอียดที่กำหนดโดยเพื่อนบ้าน ( 2 ) เฉลี่ยแต่ละตัวโดยต. .
2.3 disaggregating การสำรวจ
การวิเคราะห์เชิงสำรวจ พบว่า ตัวเลขของนกล็อก 10 แปลงต่อผู้ถือคือตัวแปรที่ดีที่สุดในการเลือกปฏิบัติอย่างเข้มข้นจากระบบการผลิตกว้างขวางสำหรับแต่ละประเภทสัตว์ปีก เนื่องจากการกระจายไบโมดอลชัดเจนของจำนวนของนก ต่อผู้ถือเป็นสังเกตสำหรับประเภทสัตว์ปีกที่ผลิตอย่างเข้มข้น เป็นสิ่งสำคัญที่สุด ( รูปที่ 2 )การแจกแจงความถี่แตกต่างกันสองรูปแบบที่พบในบันทึกที่ 10 แปลง จำนวนนก ต่อเจ้าของ แรกคือการ unimodal ด้วยยอดตัวเลขที่ต่ำของนก ต่อผู้ถือ ( เช่น , MD และพื้นเมือง ) ในกรณีนี้ สัตว์ถูก categorised เป็นอย่างกว้างขวางผลิตโดยการวิเคราะห์ต่อไปนี้ได้รับการสนับสนุนโดยการสังเกตว่า การเพิ่มจำนวนของนก ต่อ ตำบลใด ในสัดส่วนที่เพิ่มขึ้นของจำนวนผู้ถือ ( เช่น ไก่พื้นเมือง รูปที่ 2 G , นอกจากนี้ยังเห็นเส้นถดถอยในรูปที่ 2 จังหวัด ) ประการที่สอง คือ การกระจายไบโมดอล แสดงโดย 6 ประเภทสัตว์ปีกไก่เนื้อ , ชั้น , MTD etd mtfgd etfgd , , ( เช่นรูปที่ 2A และ F )ประเภทสัตว์ปีกเหล่านี้ disaggregated โดยใช้ขั้นตอนที่สี่ติดต่อกัน : ( ฉัน ) แขวงเขตกับการผลิตผสมแยกจากผู้ถูกปกครองโดยให้กว้างขวาง หรือเข้มฟาร์ม ( 2 ) กลุ่มควบคุมโดยหนึ่งหรืออื่น ๆ ระบบที่ใช้ในการประมาณปริมาณของนก ต่อผู้ถือในที่กว้างขวาง ( เอ ) และมาก ( AI ) ระบบ( 3 ) เอและ AI ตัวแปรป้อนเข้าสมการเพื่อทำนายหมายเลขที่เกี่ยวข้องของนก และเจ้าของในแต่ละ ( อย่างละเอียดและเข้มข้น ) ระบบในเขตย่อยทั้งหมด และ ( 4 ) การปรับค่าเชิงตัวเลขที่ใช้ไม่ได้ ( เช่น ลบตัวเลขที่ไม่ใช่จำนวนเต็มค่า ) ขั้นตอนนี้เป็นขั้นตอนรายละเอียดใน S1 .
ในที่สุดทั้งไก่และเป็ดตามกว้างขวาง หรือเข้มข้นถูกรวมเป็นสี่ประเภท : เข้มข้น ไก่ เป็ด และเป็ดไก่อย่างละเอียด เข้มข้น พร้อมด้วย
ประเมินมูลค่าเพิ่มของการใช้ไบโมดอลในไก่กระทง , ชั้น , MTD etd mtfgd etfgd , และเมื่อเทียบกับการกระจาย unimodal ง่ายๆที่เราใช้ความแตกต่างในเกณฑ์ข้อมูล เคราะห์ :
( AIC )AIC = 2 K − 2 loglik
โดยที่ k คือจำนวนของพารามิเตอร์และ loglik ลอการิทึมธรรมชาติของความน่าจะเป็นของแบบจำลองที่ใช้ให้เหมาะสมกับข้อมูล นางแบบทั้ง unimodal ไบโมดอลถูกติดตั้งและใช้ประมาณความควรจะเป็นสูงสุด ความแตกต่างของ AIC ( AIC ใน ตารางที่ 2 ) มีดังนี้ :
ค่าเป็นบวกแสดงว่าไบโมดอลกระชับการดีขึ้นแล้ว unimodal เหมาะสมเกี่ยวกับจำนวนของพารามิเตอร์
สัมพัทธ์