Generalized additive models (GAM) a

Generalized additive models (GAM) and spline regression models add smaller basis splines together to make a larger spline that fits as closely as possible to the empirical data. Hence, the coefficients in the resulting spline regression model represent the degree of scaling applied to each basis spline [18]. This makes it difficult to interpret the resulting regression coefficients in terms of the observed data since they are calculated for several smaller splines that are scaled between each knot making up the curved line that is being modeled. In other words, the calculated spline coefficients are in fact scaling coefficients that do not necessarily reflect the bacterial growth rates. This is also true for linear b-splines (splines of polynomial degree = 1), as these splines consist of multiple lines joined together as curves. Thus, each basis spline, linear or non-linear, may have many derivatives for each knot since many lines/curves make up a basis spline. Luckily, statistical programs are available that can calculate the slope of the joint line segments, as opposed to the scaling coefficients, so that time consuming multiple linear regressions will not have to be performed. In the present work the bacterial growth curves were compared using a standard linear spline regression model of which the slope of the growth estimates could be obtained. The slopes were subsequently compared using t-distributions, which allowed us to check whether the growth rates, i.e. the calculated slopes of the different growth curves, increased or decreased when compared between the different strains. Although the t-distribution estimated the confidence intervals for the data used here adequately, other distributions or bootstrap re-sampling can be used instead, should the data demand it. This procedure makes it both easy and fast to compare many bacterial growth curves with statistical certainty.

ผลลัพธ์ (ไทย) 1:

ตั้งค่าทั่วไปรูปแบบ additive (GAM) และแบบจำลองถดถอยเหมือนเพิ่ม splines พื้นฐานขนาดเล็กเข้าด้วยกันจะทำให้เหมือนมีขนาดใหญ่ที่เหมาะกับอย่างใกล้ชิดที่สุดกับข้อมูลประจักษ์ ดังนั้น ค่าสัมประสิทธิ์ในแบบจำลองถดถอยเหมือนผลลัพธ์แสดงถึงระดับของการปรับใช้กับแต่ละเกณฑ์เหมือน [18] ซึ่งทำให้ยากต่อการแปลผลสัมประสิทธิ์ถดถอยในรูปแบบของข้อมูลที่สังเกตเนื่องจากมีคำนวณสำหรับ splines เล็กหลายที่ปรับระหว่างแต่ละปมสร้างเส้นโค้งที่มีการจำลอง ในคำอื่น ๆ สัมประสิทธิ์คำนวณเหมือนอยู่ในความเป็นจริงมาตราส่วนสัมประสิทธิ์ที่ไม่จำเป็นต้องสะท้อนถึงอัตราการเจริญเติบโตของแบคทีเรีย นี้เป็นจริงสำหรับอักษรไลเนียร์บี-splines (splines ปริญญาพหุนาม = 1), เป็น splines เหล่านี้ประกอบด้วยหลายบรรทัดเข้าด้วยกันเป็นเส้นโค้ง ดังนั้น เหมือนแต่ละพื้นฐาน เชิงเส้น หรือไม่เชิง เส้น อาจมีตราสารอนุพันธ์มากมายสำหรับแต่ละปมเนื่องจากสร้างบรรทัดโค้งมากเหมือนพื้นฐาน โชคดี โปรแกรมทางสถิติมีที่สามารถคำนวณความชันของการร่วมส่วนของเส้นตรง ตรงข้ามกับสัมประสิทธิ์มาตราส่วน เพื่อว่าเวลาใช้ regressions หลายเส้นจะไม่มีที่จะทำได้ ในงานแสดง เส้นโค้งการเจริญเติบโตของแบคทีเรียถูกเปรียบเทียบโดยใช้แบบจำลองถดถอยเชิงเส้นเหมือนมาตรฐานที่ความชันของการเจริญเติบโตประเมินอาจได้รับ ลาดได้มาเปรียบเทียบโดยใช้ t-กระจาย ซึ่งทำให้เราตรวจสอบว่า การเจริญเติบโตราคา เช่นลาดคำนวณของเส้นโค้งการเจริญเติบโตแตกต่างกัน เพิ่มขึ้น หรือลดลงเมื่อเปรียบเทียบระหว่างสายพันธุ์ที่แตกต่างกัน แม้ว่าการแจกแจง t ประมาณช่วงความเชื่อมั่นในข้อมูลที่นี่ใช้อย่างเพียงพอ การกระจายหรือการเริ่มต้นระบบใหม่ฝีมืออื่น ๆ สามารถใช้แทน ข้อมูลควรความจำ กระบวนการนี้ทำให้มันง่าย และรวดเร็วในการเปรียบเทียบเส้นโค้งการเจริญเติบโตของแบคทีเรียมากแน่นอนสถิติ

ผลลัพธ์ (ไทย) 2:

รุ่นทั่วไปสารเติมแต่ง (GAM) และรูปแบบการถดถอยเส้นโค้งเส้นโค้งเพิ่มพื้นฐานที่มีขนาดเล็กร่วมกันเพื่อให้เส้นโค้งขนาดใหญ่ที่เหมาะกับความใกล้เคียงมากที่สุดกับข้อมูลเชิงประจักษ์ ดังนั้นค่าสัมประสิทธิ์ในรูปแบบการถดถอยส่งผลให้เส้นโค้งแทนระดับของการปรับประยุกต์ใช้กับเส้นโค้งพื้นฐานแต่ละ [18] นี้จะทำให้มันยากที่จะตีความค่าสัมประสิทธิ์การถดถอยที่เกิดขึ้นในแง่ของข้อมูลที่สังเกตตั้งแต่พวกเขาจะคำนวณสำหรับร่องเล็ก ๆ อีกหลายที่มีการปรับสัดส่วนระหว่างปมแต่ละทำให้เส้นโค้งที่มีการสร้างแบบจำลอง ในคำอื่น ๆ ค่าสัมประสิทธิ์เส้นโค้งที่คำนวณได้ในความเป็นจริงการปรับค่าสัมประสิทธิ์ที่ไม่จำเป็นต้องสะท้อนให้เห็นถึงอัตราการเจริญเติบโตของแบคทีเรีย และนี่ก็เป็นจริงสำหรับเส้นโค้งขเชิงเส้น (เส้นโค้งการศึกษาระดับปริญญาพหุนาม = 1) เช่นเส้นโค้งเหล่านี้ประกอบด้วยหลายสายเข้าด้วยกันเป็นเส้นโค้ง ดังนั้นแต่ละเส้นโค้งพื้นฐานเชิงเส้นหรือไม่เชิงเส้นอาจจะมีสัญญาซื้อขายล่วงหน้าหลายปมแต่ละตั้งแต่หลายเส้น / เส้นโค้งเส้นโค้งทำขึ้นพื้นฐาน โชคดีที่โปรแกรมทางสถิติที่มีอยู่ที่สามารถคำนวณความลาดชันของกลุ่มสายร่วมกันเมื่อเทียบกับค่าสัมประสิทธิ์การปรับเพื่อให้เวลาที่ถดถอยเชิงเส้นหลายจะไม่ได้ที่จะดำเนินการ ในการทำงานปัจจุบันโค้งเจริญเติบโตของแบคทีเรียเปรียบเทียบโดยใช้แบบจำลองการถดถอยเชิงเส้นเส้นโค้งมาตรฐานที่ลาดเอียงของประมาณการการเจริญเติบโตอาจจะได้รับ เนินเขาถูกต่อมาเมื่อเทียบกับการใช้เสื้อกระจายซึ่งช่วยให้เราสามารถตรวจสอบว่าอัตราการเจริญเติบโตคือความลาดชันของเส้นโค้งคำนวณการเจริญเติบโตที่แตกต่างกันที่เพิ่มขึ้นหรือลดลงเมื่อเทียบระหว่างสายพันธุ์ แม้ว่าเสื้อกระจายประมาณช่วงความเชื่อมั่นสำหรับข้อมูลที่นำมาใช้ที่นี่อย่างเพียงพอแจกแจงอื่น ๆ หรือบูตใหม่สุ่มตัวอย่างสามารถใช้แทนข้อมูลที่ควรจะต้องการมัน ขั้นตอนนี้จะทำให้ทั้งง่ายและรวดเร็วในการเปรียบเทียบเส้นโค้งเจริญเติบโตของแบคทีเรียจำนวนมากที่มีความเชื่อมั่นทางสถิติ

ผลลัพธ์ (ไทย) 3:

โมเดลแบบทั่วไป ( gam ) และการถดถอยแบบเพิ่มเส้นโค้งเส้นโค้งพื้นฐานขนาดเล็กเข้าด้วยกันเพื่อให้เส้นโค้งขนาดใหญ่ที่เหมาะมากที่สุดกับข้อมูลเชิงประจักษ์ ดังนั้น ค่าสัมประสิทธิ์ในแบบจำลองการถดถอยส่งผลให้มีประสิทธิภาพของการใช้แต่ละระดับพื้นฐานสลัก [ 18 ]นี้ทำให้ยากที่จะตีความสัมประสิทธิ์ถดถอยที่เกิดขึ้นในแง่ของข้อมูลเนื่องจากพวกเขาจะคำนวณสำหรับเส้นโค้งที่ปรับขนาดเล็กหลายระหว่างแต่ละปมการสร้างเส้นโค้งที่ถูกออกแบบ . ในคำอื่น ๆการคำนวณหาสัมประสิทธิ์ในความเป็นจริงการปรับค่าสัมประสิทธิ์ที่ไม่ได้สะท้อนให้เห็นถึงอัตราการเจริญเติบโตของเชื้อแบคทีเรียนี้ยังเป็นจริงสำหรับ b-splines เชิงเส้น ( ร่องของพหุนามองศา = 1 ) เป็นเส้นโค้งเหล่านี้ประกอบด้วยหลายเส้นติดกัน เป็นเส้นโค้ง ดังนั้น ในแต่ละฐานเส้นโค้งเชิงเส้นหรือเส้นอาจมีอนุพันธ์หลายสำหรับแต่ละปมตั้งแต่สาย / มีเส้นโค้งแต่งหน้าพื้นฐาน Spline โชคดีที่โปรแกรมสำเร็จรูปพร้อมใช้งานที่สามารถคำนวณค่าความชันของเส้นร่วมกลุ่มเมื่อเทียบกับการปรับค่า ดังนั้นเวลาใช้สมการถดถอยเชิงเส้นหลาย จะไม่ต้องถูกดำเนินการ ในงานปัจจุบันเส้นโค้งการเติบโตของแบคทีเรีย โดยเปรียบเทียบกับการใช้แบบจำลองถดถอยเชิงเส้นตรงเส้นโค้งมาตรฐานซึ่งความลาดชันของการประมาณการจะได้รับ ลาด จัดการใช้ t-distributions เปรียบเทียบ ,ซึ่งช่วยให้เราเพื่อตรวจสอบว่าอัตราการเติบโต คือ ค่าความชันของเส้นโค้งการเจริญเติบโตที่แตกต่างกันเพิ่มขึ้นหรือลดลงเมื่อเปรียบเทียบระหว่างสายพันธุ์ที่แตกต่างกัน แม้ว่าทีประมาณช่วงความเชื่อมั่นสำหรับการใช้ข้อมูลมาอย่างเพียงพอ การแจกแจงอื่น ๆ หรือบูทอีกครั้ง ) สามารถใช้แทน ควรนำข้อมูลความต้องการมันขั้นตอนนี้ทำให้มันทั้งง่ายและรวดเร็วในการเปรียบเทียบเส้นโค้งการเติบโตของแบคทีเรียหลายด้วยความเชื่อมั่นทางสถิติ