regressiomalli oor Engels

regressiomalli

naamwoord

Vertalings in die woordeboek Fins - Engels

regression model

Vastetietojen ja regressiomallin välinen yhteensopivuuden aste on arvioitava joko graafisesti tai tilastollisesti.
Goodness of fit of the response data to the regression model should be assessed either graphically or statistically.

Soortgelyke frases

monen selittäjän regressiomalli
multiple regression model

voorbeelde

Jos kuitenkaan ei löydetä sopivaa regressiomallia (r2 < 0,9), olisi käytettävä NOEC/LOEC-menetelmää.
However, when no suitable regression model is found (r2 < 0,9) NOEC/LOEC should be used.

Data analysoidaan joko regressiomallilla, jolloin voidaan arvioida pitoisuus, joka aiheuttaa x prosentin suuruisen vaikutuksen (esimerkiksi EC50, EC25 ja EC10) tai tilastollisella hypoteesitestauksella, jolloin saadaan selville NOEC- (No Observed Effect Concentration eli pitoisuus, josta ei aiheudu vaikutuksia) ja LOEC-arvo (Lowest Observed Effect Concentration eli pienin havaittavan vaikutuksen aiheuttava pitoisuus).
These data are analysed either by using a regression model in order to estimate the concentration that would cause an effect of x % (e.g. EC50, EC25, and EC10), or by using statistical hypothesis testing to determine the No Observed Effect Concentration (NOEC) and the Lowest Observed Effect Concentration (LOEC).

Vastetietojen ja regressiomallin välinen yhteensopivuuden aste on arvioitava joko graafisesti tai tilastollisesti
Goodness of fit of the response data to the regression model should be assessed either graphically or statistically

Useita konsentraatioita käyttäneiden testien tulokset analysoidaan regressiomallia käyttäen ja ECx-arvot lasketaan (EC50, EC25 ja/tai EC10).
Results from tests with multiple concentrations are analysed using a regression model, and the ECx values are calculated (i.e. EC50, EC25 and/or EC10).

Useita konsentraatioita käyttäneiden testien tulokset analysoidaan regressiomallia käyttäen ja ECx-arvot lasketaan (EC50, EC25 ja/tai EC10).
Results from tests with a series of concentrations are analysed using a regression model, and the ECx values are calculated (i.e. EC50, EC25 and/or EC10).

Vaihtoehtoisesti vaikutukset voidaan arvioida käyttämällä regressiomallia sen pitoisuuden estimoimiseksi, joka aiheuttaisi tietyn prosentuaalisen vaikutuksen (ts.
Alternatively, they may be analysed using a regression model in order to estimate the concentration that would cause a given percentage effect (i.e.

EC#-estimaatit ja luottamusvälit voidaan saada myös käyttämällä lineaarista interpolointia bootstrap-menetelmän kanssa , jos käytettävissä olevat regressiomallit tai-menetelmät eivät sovellu kyseisten tietojen käsittelyyn
EC# estimates and confidence limits may also be obtained using linear interpolation with bootstrapping , if available regression models/methods are unsuitable for the data

EC50-estimaatit ja luottamusvälit voidaan saada myös käyttämällä lineaarista interpolointia bootstrap-menetelmän kanssa (13), jos käytettävissä olevat regressiomallit tai -menetelmät eivät sovellu kyseisten tietojen käsittelyyn.
EC50 estimates and confidence limits may also be obtained using linear interpolation with bootstrapping (13), if available regression models/methods are unsuitable for the data.

-pienin havaittavan vaikutuksen aiheuttava pitoisuus (LOEC) kunkin arvioidun vasteen yhteydessä ( = 0,05) tarvittaessa ECx kullekin arvioidulle vasteelle ja luottamusvälit (esim. 95 prosenttia) sekä kaavio sen laskentaan käytetystä sovitetusta mallista, pitoisuus-vastekäyrän kaltevuus, regressiomallin kaava, estimoidut malliparametrit ja niiden vakiovirheet
-Lowest observed effect concentration (LOEC) for each response assessed (at = 0.05); ECx for each response assessed, if applicable, and confidence intervals (e.g., 95%) and a graph of the fitted model used for its calculation, the slope of the concentration-response curve, the formula of the regression model, the estimated model parameters and their standard errors.

Vastetietojen ja regressiomallin välinen yhteensopivuuden aste on arvioitava joko graafisesti tai tilastollisesti.
Goodness of fit of the response data to the regression model should be assessed either graphically or statistically.

148 Komissio on riidanalaisen päätöksen 450–488 perustelukappaleessa esittänyt tulokset, jotka se sai tarkastelemalla hintoja Ryanairin ehdottaman poikkileikkausaineiston regressioanalyysin avulla (riidanalaisen päätöksen 7.4.3.1 osio), ja tulokset, jotka se sai käyttämällä etusijalle asettamaansa kiinteiden vaikutusten regressiomallia (riidanalaisen päätöksen 7.4.3.3 osio).
148 The Commission set out in recitals 450 to 488 of the contested decision the results of the price regression analysis which it undertook by using the cross-section regression technique proposed by Ryanair (section 7.4.3.1 of the contested decision) and those obtained by using the fixed-effects regression technique which it favoured (section 7.4.3.3).

Logistinen regressio (engl. logistic regression) on tilastollinen malli, joka on erityistyyppi tavanomaisesta regressiomallista.
Ordered probit, like ordered logit, is a particular method of ordinal regression.

Nämä tiedot analysoidaan regressiomallilla, jolla arvioidaan pitoisuus, joka aiheuttaa X prosentin laskun kuoriutumisessa tai toukkien eloonjäännissä tai painossa (esim.
These data are analysed either by using a regression model in order to estimate the concentration that would cause × % reduction in emergence or larval survival or growth (e.g.

156 Komissio on ensiksi katsonut, että kiinteiden vaikutusten regressiomallin avulla ei saatu luotettavia arvioita Aer Lingusin läsnäolon mahdollisista vaikutuksista Ryanairin hintoihin.
156 First of all, the Commission considered that the fixed-effects regression did not provide reliable estimations of the possible impact of Aer Lingus’s presence on Ryanair’s fares.

EC50-estimaatit ja luottamusvälit saadaan myös käyttämällä lineaarista interpolointia bootstrap-menetelmän kanssa (20), jos käytettävissä olevat regressiomallit tai -menetelmät eivät sovellu kyseisten tietojen käsittelyyn.
EC50 estimates and confidence limits may also be obtained using linear interpolation with bootstrapping (20), if available regression models/methods are unsuitable for the data.

Nämä tiedot analysoidaan regressiomallilla, jolla arvioidaan pitoisuus, joka aiheuttaa X prosentin laskun kuoriutumisessa, toukkien eloonjäännissä tai painossa (esim.
These data are analysed either by using a regression model in order to estimate the concentration that would cause x % reduction in emergence, larvae survival or growth (e.g.

Testikemikaalille altistuneiden lierojen lisääntymiskykyä verrataan kontrollieläinten vastaavaan tulokseen, jotta voidaan määrittää i) pitoisuus, josta ei aiheudu vaikutuksia (no observed effect concentration, NOEC) ja/tai ii) ECx (esimerkiksi EC10 ja EC50) käyttämällä regressiomallia, jonka avulla arvioidaan pitoisuus, joka vähentää lisääntymiskykyä x prosenttia.
The reproductive output of the worms exposed to the test chemical is compared to that of the control(s) in order to determine the (i) no observed effect concentration (NOEC) and/or (ii) ECx (e.g. EC10, EC50) by using a regression model to estimate the concentration that would cause a x % reduction in reproductive output.

Vaikka regressiomallien käyttö voi olla teknisesti paras tapa arvioida MTC-arvo, olemassa olevista välitöntä myrkyllisyyttä koskevista tiedoista voidaan johtaa siitä käyttökelpoinen arvio käyttämällä kolmasosaa (1/3) välittömästä LC50-arvosta.
Although the use of regression models may be the most technically sound approach to estimating the MTC, a useful approximation of the MTC can be derived from existing acute data by using 1/3 of the acute LC50 value.

Kaikki tiedot analysoidaan joko regressiomallilla sen pitoisuuden arvioimiseksi, joka aiheuttaa x prosentin vähennyksen kyseisessä ominaisuudessa, tai käyttämällä hypoteesitestausta, jotta saadaan määritettyä pitoisuus, josta ei aiheudu vaikutuksia (NOEC).
All data are analysed either by a regression model to estimate the concentration that would cause X % reduction in the relevant endpoint, or by using hypothesis testing to determine a No Observed Effect Concentration (NOEC).

Genotyypin ennustavuutta koskeva regressiomalli (suhteutettuna alkutilanteen plasman HIV-# RNA: n [ vRNA: n ], CD#+-solujen määrän, aikaisempien antiretroviraalisten lääkkeiden lukumäärän ja lääkityksen keston mukaan), osoitti, että kun potilaalla on kolme tai useampia NRTI-resistenssiin liittyviä mutaatioita, tähän liittyi heikentynyt vaste viikon # kohdalla (p = #, #) tai keskimäärin viikon # kohdalla neljä tai useampia mutaatioita (p ≤
Logistic regression modelling of the predictive value for genotype (adjusted for baseline plasma HIV-# RNA [ vRNA ], CD#+ cell count, number and duration of prior antiretroviral therapies) showed that the presence of # or more NRTI resistance-associated mutations was associated with reduced response at Week # (p=#) or # or more mutations at median Week # (p

Jos enemmän kuin kaksi datapistettä on käyrän lineaarisessa osassa ja jos suurin tehokkuus voidaan laskea — kuten on odotettavissa joissakin toisissa testiajoissa, jotka suoritetaan käyttäen puolen login pitoisuusvälejä — todellisten pitoisuuksien laskentaan olisi käytettävä probitti- tai logittimallia taikka muuta asiaankuuluvaa regressiomallia (kuten EC50 ja EC20).
If more than two data points lie on the linear portion of the curve and where maximum efficacies can be calculated — as is anticipated for some of the 2nd runs that are conducted using a semi-log spacing of exposure concentrations — a probit, logit or other appropriate regression model should be utilised to calculate effective concentrations (e.g. EC50 and EC20).

EC50-estimaatit ja luottamusvälit voidaan saada myös käyttämällä lineaarista interpolointia bootstrap-menetelmän kanssa (17), jos käytettävissä olevat regressiomallit tai -menetelmät eivät sovellu kyseisten tietojen käsittelyyn.
EC50 estimates and confidence limits may also be obtained using linear interpolation with bootstrapping (17), if available regression models/methods are unsuitable for the data.