sbiofitmixed | Соответствуйте нелинейная модель смешанных эффектов (требует программного обеспечения Statistics and Machine Learning Toolbox), |
sbionlmefit | Оцените нелинейные смешанные эффекты с помощью моделей SimBiology (требует программного обеспечения Statistics and Machine Learning Toolbox), |
sbionlmefitsa | Оцените нелинейные смешанные эффекты со стохастическим алгоритмом EM (требует программного обеспечения Statistics and Machine Learning Toolbox), |
sbiosampleparameters | Сгенерируйте параметры путем выборки ковариационной модели (требует программного обеспечения Statistics and Machine Learning Toolbox), |
sbiosampleerror | Демонстрационная ошибка на основе ошибочной модели и добавляет шум в данные моделирования |
sbiofitstatusplot | Постройте состояние нелинейной оценки смешанных эффектов |
CovariateModel object | Задайте отношение между параметрами и ковариантами |
groupedData | Подобный таблице набор данных и метаданных |
EstimatedInfo object | Объект, содержащий информацию о предполагаемых количествах модели |
NLMEResults object | Объект результатов, содержащий оценку, следует из нелинейного моделирования смешанных эффектов |
Моделирование фармакокинетики генеральной совокупности фенобарбитала в новорожденных
Этот пример показывает, как создать простую нелинейную модель смешанных эффектов от клинических фармакокинетических данных.
Нелинейное моделирование Смешанных Эффектов
Модель смешанных эффектов является статистической моделью, которая включает и зафиксированные эффекты и случайные эффекты.
Поддерживаемые методы для оценки параметра
SimBiology® поддерживает множество методов оптимизации для наименьших квадратов и проблем оценки смешанных эффектов.
SimBiology поддерживает ошибочные модели, описанные в следующей таблице.
Выполните данные, соответствующие моделям PKPD
SimBiology позволяет вам оценить параметры модели путем подбора кривой модели к экспериментальным данным курса времени, использования или нелинейной регрессии или смешанных эффектов (NLME) методы.