วัตถุประสงค์ของการศึกษาครั้งนี้ คือ

วัตถุประสงค์ของการศึกษาครั้งนี้ คือสร้างตัวแบบการพยากรณ์จำนวนผู้ป่วยด้วยโรคไข้รากสาดน้อยในประเทศไทย โดยใช้ข้อมูลจากเว็บไซต์ของสำนักระบาดวิทยา ตั้งแต่เดือนมกราคม 2552 ถึงเดือนสิงหาคม 2558 จำนวน 80 ค่า วิธีที่ใช้สร้างตัวแบบดังกล่างคือวิธีบอกซ์-เจนกินส์ และใช้เกณฑ์รากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ยที่ต่ำที่สุด เกณฑ์ค่าร้อยละของค่าคลาดเคลื่อนเฉลี่ย และเกณฑ์ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย วัดความแม่นยำของการพยากรณ์ ในการศึกษาครั้งนี้พบว่าตัวแบบที่เหมาะสมสำหรับการพยากรณ์จำนวนผู้ป่วยด้วยโรคไข้รากสาดน้อยในประเทศไทยคือตัวแบบ

ผลลัพธ์ (อังกฤษ) 1:

The purpose of this study is to create a model to predict the number of patients with fever in the country Thailand raksat. Using the information from the Web site of the Office of epidemiology varies from January to August, 2558 80 2552 up how to create a do-bok klang is kin and Jane use square root of the average squared deviation. The criteria values, tolerance values, average, percentage, and average absolute error value measurement criteria, the accuracy of the forecast. In the study, it was found that the appropriate model for the prediction of the number of patients with fever in the country, Thailand is a little raksat designs.

ผลลัพธ์ (อังกฤษ) 2:

The purpose of this study Is to build a model to predict the number of patients with typhoid fever in Thailand. Using data from the Bureau of Epidemiology. From January 2552 to August 2558, 80 months of the method used to create the model of how such basic Box - Jenkins. And are based on the square root of the mean square error of the lowest. The percentage of the average error. And average absolute error criteria Accuracy of forecast In this study found a suitable model for forecasting the number of patients with typhoid fever in the body.

ผลลัพธ์ (อังกฤษ) 3:

The purpose of this study. Is a model forecasting the number of patients with paratyphoid fever in Using data from the site of the epidemiology, from January to August 2558 80 2552 number value.And the square root of mean square error is low. The percentage of the average error And the absolute mean error. Measuring the accuracy of the forecast.