A stochastic simulation model was d

A stochastic simulation model was developed to assess the risk of H5N1 spreading along the market chain through
the movement of live poultry. The model was written in MapBasic (Pitney Bowes MapInfo) and operates in MapInfo
(MapInfo Professional Version 11.5, Pitney Bowes MapInfo). To quantify risk, the program uses Monte Carlo
methods to sample probability distributions to set a number of input parameters. For each iteration the model
randomly draws numbers from the input distributions and over multiple iterations a distribution of output values is
produced that reflects both chance and uncertainty (Horst et al., 1999).

ผลลัพธ์ (ไทย) 1:

แบบจำลองแบบเฟ้นสุ่มถูกพัฒนาขึ้นเพื่อประเมินความเสี่ยงของการแพร่กระจาย H5N1 ตลอดห่วงโซ่การตลาดผ่านการเคลื่อนไหวของสัตว์ปีกสด รูปแบบที่เขียนใน MapBasic (Pitney พระยา MapInfo) และใน MapInfo(MapInfo Professional รุ่น 11.5, Pitney พระยา MapInfo) วัดปริมาณความเสี่ยง โปรแกรมใช้ Monte Carloวิธีการกระจายความน่าเป็นตัวอย่างการตั้งค่าหมายเลขของพารามิเตอร์ป้อนเข้า สำหรับการเกิดซ้ำแต่ละแบบวาดแบบสุ่มตัวเลข จากการกระจายสัญญาณ และเป็นการกระจายผลลัพธ์ซ้ำหลายผลิตที่สะท้อนให้เห็นถึงโอกาสและความไม่แน่นอน (ฉันฆ่าคนร้อยเอ็ด al., 1999)

ผลลัพธ์ (ไทย) 2:

แบบจำลองสุ่มได้รับการพัฒนาในการประเมินความเสี่ยงของการแพร่กระจายสายพันธุ์ H5N1 ตามห่วงโซ่ตลาดผ่าน
การเคลื่อนไหวของสัตว์ที่มีชีวิต รูปแบบการเขียน MapBasic (Pitney Bowes MapInfo) และการดำเนินงานใน MapInfo
(MapInfo รุ่นมืออาชีพ 11.5 Pitney Bowes MapInfo) ปริมาณความเสี่ยงโปรแกรมใช้ Monte Carlo
วิธีการที่จะลิ้มลองแจกแจงความน่าจะเพื่อกำหนดจำนวนของพารามิเตอร์การป้อนข้อมูล สำหรับแต่ละซ้ำแบบ
สุ่มดึงตัวเลขจากการกระจายการป้อนข้อมูลซ้ำไปซ้ำมาหลายกระจายของค่าการส่งออกมีการ
ผลิตที่สะท้อนให้เห็นถึงทั้งโอกาสและความไม่แน่นอน (Horst et al., 1999)

ผลลัพธ์ (ไทย) 3:

a แบบจำลองสุ่มถูกพัฒนาขึ้นเพื่อประเมินความเสี่ยงของไข้หวัดนกแพร่กระจายไปตามห่วงโซ่ตลาดผ่าน
การเคลื่อนไหวของสัตว์ปีกมีชีวิต แบบที่ถูกเขียนใน mapbasic ( Pitney Bowes mapinfo ) และประกอบธุรกิจใน mapinfo
( mapinfo มืออาชีพรุ่น 11.5 , Pitney Bowes mapinfo ) ที่มีความเสี่ยง โปรแกรมใช้ Monte Carlo
วิธีการตัวอย่างการแจกแจงความน่าจะเป็นการตั้งค่าจำนวนของพารามิเตอร์การป้อนข้อมูล สำหรับแต่ละการสุ่มตัวเลขแบบ
วาดจากข้อมูลการกระจายไปหลายรอบและกระจายผลผลิตผลิตที่สะท้อนให้เห็นถึงค่านิยม
ทั้งโอกาสและความไม่แน่นอน ( Horst et al . , 1999 )