针对非正态响应的部分因子试验,当筛选试验所涉及的因子数目较大时,提出了基于广义线性模型(generalized linear models,GLM)的贝叶斯变量与模型选择方法.首先,针对模型参数的不确定性,选择了经验贝叶斯先验.其次,在广义线性模型的线性...针对非正态响应的部分因子试验,当筛选试验所涉及的因子数目较大时,提出了基于广义线性模型(generalized linear models,GLM)的贝叶斯变量与模型选择方法.首先,针对模型参数的不确定性,选择了经验贝叶斯先验.其次,在广义线性模型的线性预测器中对每个变量设置了二元变量指示器,并建立起变量指示器与模型指示器之间的转换关系.然后,利用变量指示器与模型指示器的后验概率来识别显著性因子与选择最佳模型.最后,以实际的工业案例说明此方法能够有效地识别非正态响应部分因子试验的显著性因子.展开更多
文摘将克隆自卡波霉素产生菌的4"-O-异戊酰基转移酶基因整合到螺旋霉素产生菌S trep tomy ces sp iramy ceticus F-21的染色体上,构建成一株稳定的生物工程菌W SJ-1-195,它产生的一组以4"-O-异戊酰螺旋霉素为主要成分的多组分基因工程新型抗生素命名为必特螺旋霉素。针对目前没有适合必特螺旋霉素产生菌的合成培养基,所以本文顺序通过部分因子析因设计法、最速上升实验、中心组合实验,并利用统计学软件SA S V 8对实验数据进行分析,确定了必特螺旋霉素合成培养基的组成,为以后对必特螺旋霉素生理生化特性的研究提供基础。经过优化后必特螺旋霉素的发酵效价从173μg/m l提高到1880μg/m l。
文摘针对非正态响应的部分因子试验,当筛选试验所涉及的因子数目较大时,提出了基于广义线性模型(generalized linear models,GLM)的贝叶斯变量与模型选择方法.首先,针对模型参数的不确定性,选择了经验贝叶斯先验.其次,在广义线性模型的线性预测器中对每个变量设置了二元变量指示器,并建立起变量指示器与模型指示器之间的转换关系.然后,利用变量指示器与模型指示器的后验概率来识别显著性因子与选择最佳模型.最后,以实际的工业案例说明此方法能够有效地识别非正态响应部分因子试验的显著性因子.
