Environmental and Ecological Statistics

Benchmark dose estimation is widely used in various regulatory and industrial settings to estimate acceptable exposure levels to hazardous or toxic agents by predefining a level of excess risk (US EPA in Benchmark dose technical guidance document. Technical Report #EPA/100/R-12/001. U.S. Environmental Protection Agency, Washington, DC, 2012). Although benchmark dose estimation is a popular method for identifying exposure levels of agents, there are some limitations and cautions on use of this methodology. One such concern is choice of the underlying risk model. Recently, advances have been made using Bayesian model averaging to improve benchmark dose estimation in the face of model uncertainty. Herein we employ the strategies of Bayesian model averaging to build model averaged estimates for the benchmark dose. The methodology is demonstrated via a simulation study and with real data.

Bài báo này nhằm cung cấp hướng dẫn về việc sử dụng hai phương pháp phân tích dữ liệu khám phá, cụ thể là STATICO và COSTATIS. Cả hai kỹ thuật đã được áp dụng trong lĩnh vực phân tích dữ liệu sinh thái, và chúng tôi trình bày một khảo sát nhanh về tài liệu sinh thái liên quan đến các phương pháp phân tích ba chiều. Tại đây, chúng tôi muốn chia sẻ một số kịch bản tính toán và hiển thị đồ họa nâng cao để giúp các nhà sinh thái học sử dụng các phương pháp này. Chúng tôi sẽ nhắc lại những nguyên tắc chính của hai phương pháp này để phân tích mối quan hệ giữa cấu trúc của hai chuỗi bảng dữ liệu. Trong bối cảnh sinh thái, hai chuỗi này có thể là (1) một chuỗi bảng dữ liệu về loài và (2) một chuỗi bảng dữ liệu về các tham số môi trường. Một ví dụ chi tiết với kích thước thực tế được trình bày để cho thấy cách thức mà chiến lược này có thể được thực hiện bằng các gói ade4 và adegraphics cho R. Ví dụ này liên quan đến sinh thái của động vật không xương sống nước thuộc bộ Heteroptera trong lưu vực Medjerda (Tunisia). Chúng tôi cho thấy cách mà các kết quả của hai phương pháp này có thể được sử dụng để giải thích mối quan hệ giữa sự phân bố của các loài Heteroptera nước và các tham số môi trường. Nhiều kịch bản R để thực hiện các phép tính và vẽ đồ thị phù hợp được tái hiện và giải thích trong văn bản cũng như trong năm phụ lục.

Response surface methodology, often supported by factorial designs, is the classical experimental approach that is widely accepted for detecting and characterizing interactions among chemicals in a mixture. In an effort to reduce the experimental effort as the number of compounds under study is increased, ray designs have been proposed to study combinations of chemicals. When interest is restricted to relevant mixing ratios, we are only interested in making inference along the specific rays of interest, as opposed to methods which use designs that require more experimental effort to support the estimation of a response surface over a broader experimental region. Methods have been developed for the test of additivity along multiple fixed-ratio rays. Of primary importance is the detection of interactions with reasonable power. The objective of this paper is to address power and sample size issues related to the hypothesis of no interaction.

In this article we consider asymptotic properties of the Horvitz-Thompson and Hansen-Hurwitz types of estimators under the adaptive cluster sampling variants obtained by selecting the initial sample by simple random sampling without replacement and by unequal probability sampling with replacement. We develop an asymptotic framework, which basically assumes that the number of units in the initial sample, as well as the number of units and networks in the population tend to infinity, but that the network sizes are bounded. Using this framework we prove that under each of the two variants of adaptive sampling above mentioned, both the Horvitz-Thompson and Hansen-Hurwitz types of estimators are design-consistent and asymptotically normally distributed. In addition we show that the ordinary estimators of their variances are also design-consistent estimators.