random(NLMEResults)

Симулируйте 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 о модели задан resultsObj.ErrorModelInfo свойство и оцененные значения параметров parameterEstimates которые возвращены sbiofitmixed.

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

[ynew,parameterEstimates,randomEffects]= random(_,'ParameterType',value) добавляет шум к результатам симуляции, которые симулированы с помощью или индивидуума или оценок параметра населения. Эти два варианта для value 'population' или 'individual' (значение по умолчанию).

Примечание

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

Входные параметры

свернуть все

Оценка заканчивается в виде NLMEResults object, который содержит результаты оценки, возвращенные sbiofitmixed. Это должен быть скалярный объект.

Сгруппированные данные или выходные времена в виде a groupedData object, вектор или массив ячеек векторов выходных времен.

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

Если это - массив ячеек векторов из моментов времени, random симулирует 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, фиксированные оценки эффекта (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 groupedData объект, содержащий ковариационные данные с теми же метками для ковариантов (CovariateLabels свойство) заданный в исходной ковариационной модели.

Дозирование информации в виде пустого массива [] или 2D матрица объектов дозы SimBiology (ScheduleDose object или RepeatDose object). Если dosing матрица объектов дозы, матрица должна содержать дозы по умолчанию или быть сопоставима с исходными данными о дозировании, используемыми с sbiofitmixed. Таким образом, доза возражает в dosing должен иметь те же значения для свойств дозы (таких как TargetName) или должен быть параметрирован 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 в процессе моделирования, 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 в процессе моделирования. 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 параметрированные свойства как в исходных данных о дозировании, используемых с sbiofitmixed. Например, если Amount свойство дозы используется в оригинале sbiofitmixed вызов параметрируется к ограниченному по объему моделью параметру 'A', все дозы для соответствующей группы (столбец) в dosing должен иметь Amount свойство параметрируется к 'A'.

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

    d1 = sbiodose('d1');

  • В дополнение к ручному построению объектов дозы с помощью sbiodose, если входными данными является groupedData возразите и имеет информацию о дозировании, можно использовать createDoses метод, чтобы создать дозы из него.

Количество строк в dosing матрица и количество групп или выходных временных векторов в data определите общее количество результатов симуляции в выходе ynew. Для получения дополнительной информации см. таблицу в ynew описание аргумента.

Примечание

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

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

Если value 'individual', предполагаемые значения параметров и случайные значения эффекта передискретизируются путем вызова sbiosampleparameters с ковариационной моделью (заданный data аргумент или возвратился covariateModel метод resultsObj), фиксированные оценки эффекта (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 из SimData объекты. О состояниях сообщают в ynew состояния, включенные в responseMap входной параметр sbiofitmixed и любые другие состояния, перечисленные в StatesToLog свойство опций во время выполнения (RuntimeOptions) из модели SimBiology.

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

Количество групп или выходных временных векторов в dataКоличество строк в dosing матрицаРезультаты симуляции

1

0, то есть, dosing isempty

Общее количество SimData объекты в ynew 1.

Никакие дозы не применяются в процессе моделирования.

1

1

Общее количество SimData объекты в ynew 1.

Данная строка доз применяется во время симуляции.

1

N

Общее количество SimData объекты в ynew N.

Каждая строка dosing применяется к каждой симуляции.

N

0, то есть, dosing isempty

Общее количество SimData объекты в ynew N.

Никакие дозы не применяются в процессе моделирования.

N

1

Общее количество SimData объекты в ynew N.

Та же строка доз применяется к каждой симуляции.

NN

Общее количество SimData объекты в ynew 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 задаете value аргумент как 'individual', эти ориентировочные стоимости будут отличаться от тех значений от исходной подгонки, поскольку значения параметров повторно вычисляются с помощью sbiosampleparameters.

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

Случайные значения эффекта в виде таблицы.

Смотрите также

| | |

Введенный в R2014a

Документация SimBiology

Поддержка

Для просмотра документации необходимо авторизоваться на сайте