主要内容

非线性Mixed-Effects建模

对总体参数进行极大似然估计

非线性混合效应(NLME)模型是一种结合了固定效应(总体参数)和随机效应(个体变化)的统计模型。它可以识别样本子组之间的相关性，并适用于小样本量。在考虑个体变化的同时，可以使用各种混合效应方法估计总体参数，例如期望最大化的随机近似(SAEM)、一阶条件估计(FOCE)、一阶估计(FO)、线性混合效应(LME)和限制LME近似。有关详细信息,请参见非线性Mixed-Effects建模．

应用程序

SimBiology模型构建器 交互式构建QSP、PK/PD和机械系统生物学模型
SimBiology模型分析 分析QSP, PK/PD和机械系统生物学模型

功能

全部展开

适合 使用SimBiology问题对象执行参数估计
sbiofitmixed 拟合非线性混合效应模型(要求统计和机器学习工具箱软件)
预测(NLMEResults) 模拟和评估拟合SimBiology模型
随机(NLMEResults) 模拟SimBiology模型，通过对错误模型进行采样来添加变量
验证(covmodel) 检查协变量模型的错误
sbiosampleparameters 通过抽样协变量模型生成参数(要求统计和机器学习工具箱软件)
sbiosampleerror 根据误差模型对误差进行采样，并对输入数据添加噪声
constructDefaultFixedEffectValues (covmodel) 创建拟合所需的初始估计向量
covariateModel (NLMEResults) 返回用于非线性混合效应估计的协变量模型的副本sbiofitmixed
createDoses 从groupedData对象创建剂量对象
安装(NLMEResults) 返回拟合的非线性混合效应模型的仿真结果
getCovariateData (pkdata) 创建适合的设计矩阵
getdose(模型) 返回SimBiology剂量对象
sbiofitstatusplot 非线性混合效应估计的小区现状
箱线图(NLMEResults) 创建显示估计SimBiology模型参数变化的箱线图
情节(NLMEResults) 将模拟结果与训练数据进行比较，为每组创建时间过程子图
plotActualVersusPredicted (NLMEResults) 将预测数据与实际数据进行比较，为每个回答创建一个副图
plotResiduals (NLMEResults) 绘制每个响应的残差，使用时间、群体或预测作为x轴
plotResidualDistribution (NLMEResults) 画出残差的分布

对象

全部展开

fitproblem 用于参数估计的SimBiology问题对象
groupedData 用于拟合SimBiology的表格式数据和元数据集合
EstimatedInfo对象 对象，该对象包含关于估计模型数量的信息
NLMEResults对象 包含非线性混合效应建模估计结果的结果对象
CovariateModel对象 定义参数和协变量之间的关系
CovariateLabels 识别数据集中的协变量列
CovariateLabels (CovariateModel) 协变量的标签CovariateModel对象
表达式(CovariateModel) 定义参数和协变量之间的关系
FixedEffectDescription (CovariateModel) 固定效果的描述CovariateModel对象
FixedEffectNames (CovariateModel) 固定效果的名称CovariateModel对象
FixedEffectValues (CovariateModel) 固定效应的初始估计值CovariateModel对象
ParameterNames (CovariateModel) 中的参数名称CovariateModel对象
RandomEffectNames (CovariateModel) 随机效果的名称CovariateModel对象

主题

NLME基础知识

NLME工作流

Baidu
map