Exponenta Banner
exponenta event banner

случайный (NLMEResults)

Моделируйте модель SimBiology, добавив изменения путем выборки ошибочной модели

свернуть все на странице

Синтаксис

[ynew,parameterEstimates,randomEffects]= random(resultsObj)
[ynew,parameterEstimates]= random(resultsObj,data,dosing)
[ynew,parameterEstimates,randomEffects]= random(_,'ParameterType',value)

Описание

[ynew,parameterEstimates,randomEffects]= random(resultsObj) возвращает результаты симуляции ynew с добавленным шумом с помощью ошибочной информации модели, указанной свойством resultsObj.ErrorModelInfo и оцененными значениями параметров parameterEstimates, которые возвращены sbiofitmixed.

[ynew,parameterEstimates]= random(resultsObj,data,dosing) использует заданный data и информацию о dosing.

[ynew,parameterEstimates,randomEffects]= random(_,'ParameterType',value) добавляет шум к результатам симуляции, которые моделируются с помощью или человека или оценок параметра генеральной совокупности. Этими двумя вариантами для value является 'population' или 'individual' (значение по умолчанию).

Примечание

Шум только добавляется к состояниям, которые являются ответами, которые являются состояниями, включенными во входной параметр responseMap, когда вы вызвали sbiofitmixed.

Входные параметры

свернуть все

Результаты оценки, заданные как NLMEResults object, который содержит результаты оценки, возвращенные sbiofitmixed. Это должен быть скалярный объект.

Сгруппированные данные или выходные времена, заданные как groupedData object, вектор или массив ячеек векторов выходных времен.

Если это - вектор моментов времени, random моделирует модель с новыми моментами времени.

Если это - массив ячеек векторов моментов времени, random моделирует времена модели n с помощью выходных времен от каждого временного вектора, где n является длиной data.

Для обоих случаев новые значения параметров вычисляются с помощью sbiosampleparameters с ковариационной моделью, возвращенной resultsObj.covariateModel, фиксированный эффект оценивает (resultsObj.FixedEffects) и случайная ковариационная матрица эффекта (resultsObj.RandomEffectCovarianceMatrix).

Если модель смешанных эффектов от исходной подгонки (использование sbiofitmixed) использует ковариационную модель с ковариантами, data должен быть объектом groupedData, содержащим ковариационные данные с теми же метками для ковариантов (свойство CovariateLabels) заданный в исходной ковариационной модели.

Дозирование информации, указанной как пустой массив [] или 2D матрица объектов дозы SimBiology (ScheduleDose object или RepeatDose object). Если dosing является матрицей объектов дозы, матрица должна содержать дозы по умолчанию или сопоставима с исходными данными о дозировании, используемыми с sbiofitmixed. Таким образом, объекты дозы в dosing должны иметь те же значения для свойств дозы (таких как TargetName) или должны быть параметризованы таким же образом как исходные данные о дозировании. Например, предположите, что исходная матрица дозирования имеет два столбца доз, где первый столбец предназначается для разновидностей x, и второй столбец предназначается для разновидностей y. Затем dosing должен иметь дозы в первом столбце, предназначающемся для разновидностей x и доз во втором столбце, предназначающемся для разновидностей y.

  • Если пустой, никакие дозы не применяются во время симуляции, даже если модель имеет активные дозы.

  • Если не пустой, матрица должна иметь одну строку или одну строку на группу во входных данных. Если это имеет одну строку, те же дозы применяются ко всем группам во время симуляции. Если это имеет несколько строк, каждая строка применяется к отдельной группе в том же порядке, как группы появляются во входных данных. Если некоторые группы (или временные векторы) требуют большего количества доз, чем другие, то заполняют матрицу с (фиктивными) дозами по умолчанию.

  • Несколько столбцов позволены так, чтобы можно было применить несколько объектов дозы к каждой группе или временному вектору. Все дозы в столбце должны быть дозами по умолчанию или должны сослаться на те же компоненты в модели (например, дозы должны иметь тот же TargetName), и должен иметь сопоставимые параметризованные свойства как в исходных данных о дозировании, используемых с sbiofitmixed. Например, если свойство Amount дозы, используемой в исходном вызове sbiofitmixed, параметризовано к ограниченному по объему моделью параметру 'A', всем дозам для соответствующей группы (столбец) в dosing нужно было параметризовать свойство Amount к 'A'.

  • Доза по умолчанию имеет значения по умолчанию для всех свойств, за исключением свойства Name. Создайте дозу по умолчанию можно следующим образом.

    d1 = sbiodose('d1');

  • В дополнение к ручному построению объектов дозы с помощью sbiodose, если входные данные объект groupedData и имеет информацию о дозировании, можно использовать метод createDoses, чтобы создать дозы из нее.

Количество строк в матрице dosing и количество групп или выходных временных векторов в data определяют общее количество результатов симуляции в выводе ynew. Для получения дополнительной информации см. таблицу в описании аргумента ynew.

Примечание

Если UnitConversion включен для базовой модели SimBiology®, которая использовалась для подбора кривой, dosing должен задать допустимую сумму и единицы измерения времени.

Тип параметра, заданный как 'population' или 'individual' (значение по умолчанию). Если value является 'population', метод возвращает результаты симуляции с шумом с помощью оценок параметра генеральной совокупности. Предполагаемые значения параметров, используемые в симуляции, идентичны свойству resultsObj.PopulationParameterEstimates, если вы не задаете новый объект groupedData data с новыми ковариационными данными. В этом случае метод переоценит ковариационную модель, и это могло изменить оценки параметра.

Если value является 'individual', оцененные значения параметров и случайные значения эффекта передискретизируются путем вызова sbiosampleparameters с ковариационной моделью (заданный аргументом data, или возвратился методом covariateModel resultsObj), фиксированный эффект оценивает (resultsObj.FixedEffects) и случайная ковариационная матрица эффекта (resultsObj.RandomEffectCovarianceMatrix). Оценки параметра и случайные эффекты передискретизируются для всех групп.

Выходные аргументы

свернуть все

Результаты симуляции, возвращенные как вектор объектов SimData. Состояния, о которых сообщают в ynew, являются состояниями, включенными во входной параметр responseMap sbiofitmixed и любых других состояний, перечисленных в свойстве StatesToLog опций во время выполнения (RuntimeOptions) модели SimBiology.

Общее количество результатов симуляции в ynew зависит от количества групп или выходных временных векторов в data и количества строк в матрице dosing.

Количество групп или выходных временных векторов в dataКоличество строк в матрице dosingРезультаты симуляции

1

0, то есть, dosing является пустой []

Общее количество объектов SimData в ynew равняется 1.

Никакие дозы не применяются во время симуляции.

1

1

Общее количество объектов SimData в ynew равняется 1.

Данная строка доз применяется во время симуляции.

1

N

Общим количеством объектов SimData в ynew является N.

Каждая строка dosing применяется к каждой симуляции.

N

0, то есть, dosing является пустой []

Общим количеством объектов SimData в ynew является N.

Никакие дозы не применяются во время симуляции.

N

1

Общим количеством объектов SimData в ynew является N.

Та же строка доз применяется к каждой симуляции.

NN

Общим количеством объектов SimData в ynew является N.

Каждая строка dosing применяется к отдельной группе в том же порядке, что группы появляются в data.

MNФункция выдает ошибку когда M ≠ N.

Предполагаемые значения параметров, возвращенные как таблица.

Если вы зададите аргумент value как 'individual', эти ориентировочные стоимости будут отличаться от тех значений от исходной подгонки, поскольку значения параметров повторно вычисляются с помощью sbiosampleparameters.

Если 'ParameterType' является 'population', предполагаемые значения параметров идентичны свойству resultsObj.PopulationParameterEstimates, если вы не задаете новый объект groupedData data с новыми ковариационными данными.

Случайные значения эффекта, заданные как таблица.

Смотрите также

| | |

Введенный в R2014a

Документация SimBiology
Поддержка