In this manuscript, the impact of t

In this manuscript, the impact of the experimental design on the
estimation of cardinal model parameters is evaluated. In a first step,
the effect of temperature, pH and water activity is considered
separately, i.e., it is evaluated how the model describing the effect
of only one factor can be identified the most efficiently. Hereto, an
equidistant design is compared to a D-optimal (based) design (OED/
PE design) as proposed in Bernaerts et al. (2005). Based on real
experimental data and simulation studies, it was proven that the
OED/PE-inspired designs, which are based on the model’s sensitivity functions, generally yield much better results than typical
equidistant designs. By selecting the four experimental levels based
on the sensitivity functions, a more realistic description of the
behavior around optimal conditions is obtained.
In the second step, focus was on the efficient and accurate
estimation of the ten parameters of the extended cardinal model
that describes the effect of temperature, pH and water activity on
the microbial growth rate. In this step, equidistant level selection
was compared to an OED/PE-based experimental design. For both
approaches, a full factorial design and a Latin-square experimental
plan were constructed and evaluated. From the simulation case
studies presented here, it can be stated that the ten parameters of
the extended cardinal model can be equally well defined from an
equidistant design as from a D-optimal-based design. In addition,
reducing the experimental load from 64 to 12 experiments by
constructing a Latin-square design does not hamper the parameter
estimation procedure.
In a following study, we aim to evaluate how these observations
hold for real experimental data. Whereas the two case studies
shown here indicate that good parameter estimation can be expected for all designs, in reality, this might not be true. For instance,
D-optimal design might in reality yield less accurate results as the
selection of its experimental levels is highly defined by the a priori
estimation of the model parameters, which can be inaccurate.
Moreover, the definition of the experimental region considered
always emerges from the a priori knowledge, which might be
incomplete or incorrect. When preliminary information about the
studied strains is not at hand, the randomly chosen experimental
region can be an over- or underestimation of the actual growth
domain. In this case, accurate parameter identification can be
impossible due to a lack of information. Also, the reduction to 12
experiments significantly reduces the overall experimental information and renders the estimation procedure more sensitive
to (small) experimental or biological variability.

ผลลัพธ์ (ไทย) 2:

ในต้นฉบับนี้ผลกระทบของการออกแบบการทดลองใน
การประมาณค่าพารามิเตอร์พระคาร์ดินัลรูปแบบได้รับการประเมิน ในขั้นตอนแรก Fi,
ผลของอุณหภูมิความเป็นกรดด่างและกิจกรรมทางน้ำได้รับการพิจารณา
แยกต่างหากคือมันได้รับการประเมินวิธีการรูปแบบการอธิบายผลกระทบ
เพียงปัจจัยหนึ่งที่สามารถเป็นสายการระบุ ed Fi EF ที่สุด ciently ท้าย,
การออกแบบระยะห่างเท่ากันเมื่อเทียบกับ D-ที่ดีที่สุด (ตาม) การออกแบบ (โออี /
ออกแบบ PE) ตามที่เสนอใน Bernaerts และคณะ (2005) บนพื้นฐานของจริง
ข้อมูลการทดลองและการศึกษาแบบจำลองมันก็พิสูจน์แล้วว่า
โออี / PE-แรงบันดาลใจการออกแบบซึ่งจะขึ้นอยู่กับฟังก์ชั่นความไวของแบบจำลองโดยทั่วไปให้ผลลัพธ์ที่ดีกว่าโดยทั่วไป
การออกแบบระยะเท่ากัน โดยการเลือกสี่ระดับการทดลองตาม
ฟังก์ชั่นความไว, คำอธิบายที่สมจริงมากขึ้นของ
พฤติกรรมรอบสภาวะที่เหมาะสมจะได้รับ.
ในขั้นตอนที่สองโฟกัสอยู่บนเพียงพอ EF fi และความถูกต้อง
ประมาณสิบพารามิเตอร์ของรูปแบบพระคาร์ดินัลขยาย
ที่อธิบาย ผลของอุณหภูมิความเป็นกรดด่างและกิจกรรมทางน้ำ
อัตราการเจริญเติบโตของจุลินทรีย์ ในขั้นตอนนี้ตัวเลือกระดับเท่ากัน
เมื่อเทียบกับโออี / PE ที่ใช้การออกแบบการทดลอง ทั้ง
แนวทางการออกแบบปัจจัยแบบเต็มและทดลองละตินตาราง
แผนถูกสร้างขึ้นและประเมินผล จากกรณีการจำลอง
การศึกษานำเสนอที่นี่ก็สามารถระบุว่าสิบพารามิเตอร์ของ
แบบจำลองพระคาร์ดินัลขยายสามารถ Fi de อย่างเท่าเทียมกันทั้ง ned จาก
การออกแบบเป็นระยะเท่ากันจากการออกแบบ D-ที่เหมาะสมตาม นอกจากนี้
การลดภาระการทดลอง 64-12 ทดลองโดย
การสร้างการออกแบบละตินตารางไม่ได้ขัดขวางพารามิเตอร์
ขั้นตอนการประมาณ.
ในการศึกษาต่อไปนี้เรามีจุดมุ่งหมายเพื่อประเมินวิธีการสังเกตเหล่านี้
ถือสำหรับข้อมูลการทดลองจริง ในขณะที่ทั้งสองกรณีศึกษา
ที่แสดงที่นี่แสดงให้เห็นว่าการประมาณค่าพารามิเตอร์ที่ดีสามารถคาดหวังสำหรับการออกแบบทั้งหมดในความเป็นจริงนี้อาจจะไม่เป็นจริง ยกตัวอย่างเช่น
การออกแบบ D-ที่ดีที่สุดอาจจะให้ผลผลิตเป็นจริงผลลัพธ์ที่ถูกต้องน้อยเป็น
ตัวเลือกของระดับการทดลองของมันคือไฟ de สูง ned โดยเบื้องต้น
ประมาณค่าพารามิเตอร์แบบซึ่งอาจจะไม่ถูกต้อง.
นอกจากนี้ nition Fi ของภูมิภาคทดลองถือว่า
เสมอโผล่ออกมา จากความรู้เบื้องต้นซึ่งอาจจะ
ไม่สมบูรณ์หรือไม่ถูกต้อง เมื่อได้รับข้อมูลเบื้องต้นเกี่ยวกับ
สายพันธุ์การศึกษาไม่ได้อยู่ที่มือการทดลองสุ่มเลือก
ภูมิภาคสามารถเกินไปหรือเบาของการเจริญเติบโตที่เกิดขึ้นจริง
โดเมน ในกรณีนี้ถูกต้องพารามิเตอร์ไอออนบวกการระบุสายสามารถเป็น
ไปไม่ได้ที่เกิดจากการขาดข้อมูล นอกจากนี้การลดลงถึง 12
การทดลองอย่างมีนัยสำคัญจะช่วยลด Fi ข้อมูลการทดลองโดยรวมและทำให้ขั้นตอนการประมาณค่าความไว
ที่จะ (เล็ก) ความแปรปรวนหรือการทดลองทางชีวภาพ

ผลลัพธ์ (ไทย) 3:

ในต้นฉบับนี้ ผลกระทบของการออกแบบการทดลองในการประมาณค่าพารามิเตอร์ของตัวแบบ
พระราชาคณะประเมิน จึงตัดสินใจเดินทางไปในขั้นตอน
ผลของอุณหภูมิ พีเอช และ กิจกรรม น้ำถือว่า
แยกกัน คือ มีการประเมินว่าแบบจำลองอธิบายผล
เพียงปัจจัยหนึ่งสามารถ identi จึงเอ็ดที่สุด EF จึง ciently . ท้าย ,
การออกแบบที่เท่ากันเมื่อเปรียบเทียบกับ d-optimal ( ตาม ) ออกแบบ ( OED /
ออกแบบ PE ) ตามที่เสนอใน bernaerts et al . ( 2005 ) จากการทดลองจริง
และการจำลองการศึกษา มันถูกพิสูจน์แล้วว่า
OED / PE แรงบันดาลใจจากการออกแบบ ซึ่งจะขึ้นอยู่กับหน้าที่ความไวของรุ่น มักให้ผลดีกว่าแบบเท่ากันทั่วไป

โดยการเลือกจากสี่ระดับ
ทดลองในความไวฟังก์ชัน รายละเอียดที่สมจริงมากขึ้นของพฤติกรรมอยู่สภาวะที่เหมาะสมจะได้รับ
ในขั้นตอนที่สอง , โฟกัสอยู่ในตัวจึง cient และถูกต้อง
การประมาณค่าพารามิเตอร์ของแบบจำลอง
10 ขยายคาร์ดินัลที่อธิบายผลของอุณหภูมิ พีเอช และน้ำกิจกรรม
อัตราการเจริญเติบโตของจุลินทรีย์ ในขั้นตอนนี้ให้เลือกระดับ
เท่ากันคือเทียบกับ OED / PE แบบทดลองใช้ ทั้ง
วิธีการเต็มรูปแบบและการออกแบบการทดลองแบบจัตุรัสละติน
วางแผนได้สร้างและประเมิน จากการจำลองกรณี
การศึกษาแสดงที่นี่สามารถระบุพารามิเตอร์ 10
ขยายคาร์ดินัลแบบจำลองสามารถเท่าเทียมกันดี เด จึงลงจาก
ออกแบบเท่ากันจากการออกแบบ d-optimal-based . นอกจากนี้
การลดภาระจากการทดลอง 64 12 +
5 แบบจัตุรัสละตินไม่ขัดขวางพารามิเตอร์ค่า

ขั้นตอนในการศึกษาต่อไป เราจุดมุ่งหมายเพื่อประเมินวิธีสังเกต
เหล่านี้ถือสำหรับข้อมูลที่แท้จริง ส่วนสองกรณีศึกษา
แสดงที่นี่แสดงที่ดีของการประมาณค่าพารามิเตอร์สามารถคาดหวังสำหรับการออกแบบทั้งหมด ในความเป็นจริง นี้อาจไม่เป็นจริงตัวอย่างเช่น
ออกแบบ d-optimal อาจในความเป็นจริงความถูกต้องน้อยกว่าผลผลิตผลลัพธ์
เลือกระดับของการทดลอง จึงขอเดอเน็ดโดย priori
การประมาณค่าพารามิเตอร์ของตัวแบบ ซึ่งอาจจะไม่ถูกต้อง .
นอกจากนี้ เดอ จึง nition ของนักเรียนเขตถือว่า
มักจะโผล่ออกมาจากระหว่างความรู้ ซึ่ง อาจจะ
ไม่สมบูรณ์หรือไม่ถูกต้องเมื่อข้อมูลเบื้องต้นเกี่ยวกับ
ศึกษาสายพันธุ์ไม่ใช่มือ เลือกแบบสุ่มทดลอง
ภูมิภาคสามารถเกินหรือประเมินค่าต่ำกว่าของโดเมนการเจริญเติบโต
ที่แท้จริง ในกรณีนี้ ถูกต้อง พารามิเตอร์การ identi จึงสามารถ
เป็นไปไม่ได้เนื่องจากขาดข้อมูล นอกจากนี้ การลดลง 12
การทดลอง signi จึงลดลงอย่างมีนัยสําคัญเมื่อลดข้อมูลการทดลองโดยรวมและแสดงขั้นตอนการประมาณค่าความอ่อนไหว
( เล็ก ) การทดลองทางชีวภาพ

หรือความแปรปรวน