Table 2Comparison of predictive mod

Table 2
Comparison of predictive models for explaining the number of eggs per fish for wild Atlantic salmon collected around Ireland. GLM (generalized linear models) with a negative binomial distribution and a log link were used. Akaiki’s information criterion (AIC) is given to indicate goodness of fit. The predictive power of the model is indicated by the explained deviance. Insignificant variables which can be dropped without losing explanatory power are indicated in the “Drop1” row (Venables and Ripley, 2002).

ผลลัพธ์ (ไทย) 1:

ตารางที่ 2เปรียบเทียบแบบจำลองคาดการณ์สำหรับอธิบายจำนวนไข่ต่อ fish สำหรับปลาแซลมอนแอตแลนติกป่ารวบรวมทั่วประเทศไอร์แลนด์ ใช้ GLM (เมจแบบทั่วไปแบบจำลองเชิงเส้น) กับการแจกแจงแบบทวินามลบลิงค์ล็อก เกณฑ์ข้อมูลของ Akaiki (AIC) ให้ระบุความกตัญญู fit พลังงานคาดการณ์ของแบบจำลองที่แสดง โดย explained deviance ตัวแปร Insignificant ซึ่งสามารถลดลงได้โดยไม่สูญเสียพลังงานที่อธิบายจะแสดงในแถว "Drop1" (Venables และริบ 2002)

ผลลัพธ์ (ไทย) 2:

ตารางที่ 2
การเปรียบเทียบรูปแบบการพยากรณ์สำหรับการอธิบายจำนวนไข่ต่อสายดวลจุดโทษสำหรับปลาแซลมอนแอตแลนติกป่าเก็บรอบไอร์แลนด์ GLM (แบบจำลองเชิงเส้นทั่วไป) มีการกระจายทวินามเชิงลบและการเชื่อมโยงเข้าสู่ระบบถูกนำมาใช้ เกณฑ์ข้อมูล Akaiki ของ (AIC) จะได้รับการบ่งบอกถึงความดีของเสื้อสาย อำนาจในการพยากรณ์ของรูปแบบจะแสดงโดยอันซ์อธิบาย ไฟ Insigni ตัวแปรลาดเทซึ่งสามารถลดลงได้โดยไม่ต้องสูญเสียอำนาจอธิบายที่ระบุไว้ใน "Drop1" แถว (Venables และริบลีย์, 2002)

ผลลัพธ์ (ไทย) 3:

ตารางที่ 2 การเปรียบเทียบแบบจำลองทำนาย
อธิบายจำนวนไข่ต่อจึง SH ป่าปลาแซลมอนแอตแลนติกเก็บทั่วไอร์แลนด์ glm ( แบบเชิงเส้นทั่วไปด้วยการแจกแจงทวินามลบลิงค์เข้าสู่ระบบและใช้ akaiki ข้อมูลเกณฑ์ ( AIC ) จะได้รับการบ่งชี้ความดีจึงที อำนาจพยากรณ์ของแบบจำลองจะแสดงได้เบี่ยงเบนinsigni จึงไม่สามารถตัวแปรซึ่งสามารถลดลงโดยไม่สูญเสียความสามารถที่จะแสดงใน " drop1 " แถว ( เวนาเบล และ ริปลีย์ , 2002 ) .