The analysis of threshold effect using Empower Stats software / 中华流行病学杂志

In many studies about biomedical research factors influence on the outcome variable,it has no influence or has a positive effect within a certain range.Exceeding a certain threshold value,the size of the effect and/or orientation will change,which called threshold effect.Whether there are threshold effects in the analysis of factors (x) on the outcome variable (y),it can be observed through a smooth curve fitting to see whether there is a piecewise linear relationship.And then using segmented regression model,LRT test and Bootstrap resampling method to analyze the threshold effect.Empower Stats software developed by American X & Y Solutions Inc has a threshold effect analysis module.You can input the threshold value at a given threshold segmentation simulated data.You may not input the threshold,but determined the optimal threshold analog data by the software automatically,and calculated the threshold confidence intervals.

Número de anos para a estimação da média decendial de duração diária do brilho solar no Rio Grande do Sul / Number of years to estimate the ten-day average of daily sunshine duration in Rio Grande do Sul State, Brazil

O objetivo deste trabalho foi determinar o tamanho de amostra (número de anos) para a estimação da média decendial de duração diária de brilho solar em 30 locais do Rio Grande do Sul. Com os dados de duração de brilho solar do período de 1960 a 2007, formaram-se 1.080 séries temporais (30 locais x 36 decêndios) de média decendial de duração diária de brilho solar. Testou-se a aleatoriedade e a normalidade dos dados, de cada série temporal, por meio dos testes de sequência (run test) e de Lilliefors, respectivamente. Para cada decêndio e local, foi determinado o tamanho de amostra por meio de reamostragem bootstrap, com reposição de 3.000 amostras. Vinte e cinco anos de observações são suficientes para a estimação da média decendial de duração diária de brilho solar, com amplitude do intervalo de confiança de bootstrap de 95% igual a 2,00 horas dia-1.

The objective of this research was to determine the sample size (number of years) to estimate the ten-day average of daily sunshine duration in 30 locations of the Rio Grande do Sul State, Brazil. With sunshine data duration of the period from 1960 to 2007, 1,080 time series (30 locations x 36 ten-days) of ten-day of daily sunshine duration average were formed. The aleatory and normality, in each time series, was verified through the run test and Lilliefors test, respectively. For each ten-day and locality, it was determined the sample size using bootstrap resampling with replacement of 3,000 samples. Twenty-five years of data are enough to predict the ten-day average of daily sunshine duration, with amplitude of bootstrap confidence interval of 95%, equal to 2.00 hour day-1.

Tamanhos de parcela e de ensaio de uniformidade em nabo forrageiro / Plot sizes and uniformity assays in turnip

Os objetivos deste trabalho foram determinar o tamanho ótimo de parcela e o tamanho de ensaio de uniformidade para a estimação do tamanho ótimo de parcela, a fim de avaliar a massa verde de nabo forrageiro (Raphanus sativus L.). Foram usados os dados de massa verde de 3.456 unidades experimentais básicas de 0,5m x 0,5m (0,25m²) e planejados 46 tamanhos de ensaio de uniformidade. O tamanho ótimo de parcela foi determinado por meio do método da curvatura máxima do modelo do coeficiente de variação. O tamanho de ensaio de uniformidade foi determinado a partir de bootstrap, com reposição de 2.000 amostras de cada tamanho de ensaio planejado. O tamanho ótimo de parcela para avaliar a massa verde de nabo forrageiro é de 4,82 unidades experimentais básicas de 0,25m² (1,20m²). Ensaios de uniformidade com 225 unidades experimentais básicas de 0,25m² (56,25m²) são suficientes para a estimação do tamanho ótimo de parcela, para uma amplitude do intervalo de confiança de bootstrap de 95 por cento, igual a uma unidade experimental básica.

The objectives of this research was to determine the optimum plot size and uniformity assay size for estimating the optimum plot size to evaluate the fresh weight of turnip (Raphanus sativus L.). Data were used from the fresh weight of 3,456 basic experimental units of 0.5m x 0.5m (0.25m²) and 46 uniformity assays sizes were planned. The optimum plot size was determined by the method of maximum curvature of the coefficient of variation model. The uniformity assay size, based on bootstrap with replacement of 2,000 samples, of each planned uniformity assay size, was determined. The optimum plot size to evaluate the fresh weight of turnip is the basic experimental units 4.82 (1.20m²). Uniformity assays with 225 basic experimental units (56.25m²) are sufficient to estimate the optimum plot size, in the bootstrap confidence interval of 95 percent, equal to one basic experimental unit.