HerdPlus公用事业

HerdPlus：SeH用于优化采样策略

测试灵敏度

测试特异性

最大群体敏感度

最低群体特异性

动物水平设计流行：

计算每个畜群大小的1 / N

使用指定的比例

动物水平设计流行值

群级设计流行

测试的目标猪群数量

针对优化策略的目标系统灵敏度

精确（有效数字）

元模拟的数量

10 100 1000

每个元模拟的迭代次数

100 1000 10000

下载示例数据

提交

计算优化的样本大小和切割点以及结果 指定的群体敏感性（SeH）和群体特异性（SpH） 畜群规模，测试灵敏度，测试特异性和设计流行度列表。 动物水平的设计流行度可以指定为固定比例，或相当于每个动物一只动物。 样本大小和切点受到约束，以提供小于或等于的SeH 指定的最大值和SpH大于指定的最小值。 样本大小也被限制为不超过指定的大小 对应于每个畜群大小的值.

还运行元模拟，使用优化的SeH和SpH 群体大小，计算需要进行测试的畜群数量 指定的目标系统灵敏度（SSe）。 SSe实现了和动物的数量 从群体中随机选择的特定数量的群体进行测试 也计算.

输入包括:

• 测试灵敏度和特异性;
• 最大期望SeH和最小SpH;
• 设定流行度的模式，可以是指定值，也可以是群体大小的比例;
• 动物水平设计流行（仅在选择指定设计流行度的选项时才需要）;
• 群级设计流行;
• 从人口中测试的目标畜群数量;
• 人口测试方案的目标系统灵敏度（SSe）;
• 每次模拟的迭代次数和人口测试的元模拟的模拟次数;
• 期望的结果精度（小数点后显示的位数）; 和
• 粘贴数据包括群体大小和相应的最大样本大小的列以及群体中每个群体大小的计数或相对频率。 在数据中包含一行列标题.

注意:大量的元模拟通常只提供最小的 额外的好处，如果与大量迭代结合使用，可能会导致系统崩溃。 最多100个元模拟通常是充足的.

使用HerdPlus方法（Greiner 2006？）计算结果并包括:

• 每个指定畜群大小的优化样本大小和切割点以及相应的SeH和SpH值表;
• SeH和SpH值的图表用于优化样本大小和针对群体大小的切点;
• 元模拟结果汇总表，包括达到目标SSe所需的畜群数量的中位数和第5/95百分位数，以及在优化方案下测试的特定数量的畜群所测试的动物的SSe和数量; 和
• 元模拟的详细结果.

承认

由Matthias Greiner和Evan Sergeant开发