Объект SquetingResults

Объект результатов, содержащий результаты оценки регрессии методом наименьших квадратов

Описание

LeastSquaresResults объект является суперклассом двух объектов результатов: NLINResults object и OptimResults object. Эти объекты содержат результаты оценки от подбора модели SimBiology ® к данным с использованиемsbiofit с любым поддерживаемым алгоритмом.

Если sbiofit использует nlinfit алгоритм оценки, объект результатов - NLINResults объект. Если sbiofit использует любой другой поддерживающий алгоритм, тогда объект результатов является OptimResults объект. См. раздел sbiofit для списка поддерживаемых алгоритмов.

Сводка по методу

коробчатая диаграмма (LeastSquaresResults, OptimResults, NLINResults)	Создать рамочный график, показывающий изменение расчетных параметров модели SimBiology
подогнано (Результаты SquetingResults, OptimResults, NLINResults)	Возвращаемые результаты моделирования модели SimBiology с использованием регрессии методом наименьших квадратов
сюжет (LeastSquaresResults, OptimResults, NLINResults)	Сравнение результатов моделирования с данными обучения, создание подграфа временных курсов для каждой группы
plotActualVersusPredicted (LeastSquaresResults, OptimResults, NLINResults)	Сравнение прогнозов с фактическими данными, создание подграфа для каждого ответа
plotResidualDistribution (LeastSquaresResults, OptimResults, NLINResults)	Постройте график распределения остатков
plotResiduals (LeastSquaresResults, OptimResults, NLINResults)	Постройте график остатков для каждого ответа, используя время, группу или прогноз в качестве оси x
Прогнозирование (Результаты TSquitingResults, OptimResults, NLINResults)	Моделирование и оценка подогнанной модели SimBiology
случайный (LeastSquaresResults, OptimResults, NLINResults)	Моделирование модели SimBiology, добавление вариаций путем выборки модели ошибок
сводка (Результаты SquetingResults, OptimResults, NLINResults)	Постройте график, содержащий оценочные значения и статистику оценок

Свойства

`GroupName`	Категориальная переменная, представляющая имя группы, связанной с результатами, или `[]` если `'Pooled'` аргумент пары «имя-значение» был установлен в значение `true` когда вы бежали `sbiofit`.
`Beta`	Таблица оценочных параметров, в которой j-я строка представляет j-й оценочный параметр _βj. Он содержит преобразованные значения оценок параметров, если задано какое-либо преобразование параметров. Стандартные ошибки этих оценок параметров (`StandardError`) рассчитываются как: `sqrt(diag(COVB))`. Он также может содержать следующие переменные: `Bounds` - значения преобразованных границ параметров, заданные во время фитинга `CategoryVariableName` - имена категорий или групп, указанных во время фитинга; `CategoryValue` - значения переменных категории, указанные `CategoryVariableName` Эта таблица содержит одну строку на отдельное значение параметра.
`ParameterEstimates`	Таблица оценочных параметров, в которой j-я строка представляет j-й оценочный параметр _βj. Эта таблица содержит нетрансформированные значения оценок параметров. Стандартные ошибки этих оценок параметров (`StandardError`) рассчитываются как: `sqrt(diag(CovarianceMatrix))`. Он также может содержать следующие переменные: `Bounds` - значения границ параметров, заданные во время фитинга `CategoryVariableName` - имена категорий или групп, указанных во время фитинга; `CategoryValue` - значения переменных категории, указанные `CategoryVariableName` Эта таблица содержит наборы значений параметров, которые идентифицируются для каждого отдельного пользователя или группы.
`J`	Якобская матрица модели, относительно оценочного параметра, то есть $J (i, j, {\frac{k)_{}}{_{}}}_{_{}}$ =∂yk∂βj'ti где _ti - i-й момент времени, _βj - j-й оценочный параметр в преобразованном пространстве, а _yk - k-й отклик в группе данных.
`COVB`	Оценочная ковариационная матрица для `Beta`, которая рассчитывается как: `COVB = inv(J'J)MSE`.
`CovarianceMatrix`	Оценочная ковариационная матрица для `ParameterEstimates`, которая рассчитывается как: `CovarianceMatrix = T'COVBT`, где `T = diag(JInvT(Beta))`. `JInvT(Beta)` возвращает матрицу якобиана `Beta` , который преобразуется в обратном направлении, если задано какое-либо преобразование в расчетные параметры. Например, предположим, что вы указали преобразование журнала для расчетного параметра `x` когда вы бежали `sbiofit`. Обратное преобразование: `InvT = exp(x)`, и его якобиан: `JInvT = exp(x)` с производной от `exp` также `exp`.
`R`	Матрица остатков, где _Rij - остаток для i-й точки времени и j-й отклик в группе данных.
`LogLikelihood`	Максимальная логика для подогнанной модели.
`AIC`	Информационный критерий Akaike (AIC), рассчитанный как `AIC = 2*(-LogLikelihood + P)`, где P - количество параметров.
`BIC`	Информационный критерий Байеса (BIC), рассчитанный как `BIC = -2LogLikelihood + Plog(N)`, где N - количество наблюдений, а P - количество параметров.
`DFE`	Степени свободы для ошибок, рассчитанные как `DFE = N-P`, где N - количество наблюдений, а P - количество параметров.
`MSE`	Средняя квадратичная ошибка.
`SSE`	Сумма квадратичных (взвешенных) ошибок или остатков.
`Weights`	Матрица весов с одним столбцом на отклик и одной строкой на наблюдение.
`EstimatedParameterNames`	Массив ячеек символьных векторов, задающих предполагаемые имена параметров.
`ErrorModelInfo`	Таблица, описывающая модели ошибок и оцененные параметры модели ошибок. Она имеет одну строку на модель ошибки. `ErrorModelInfo.Properties.RowsNames` определяет, к каким ответам применяется строка. Таблица содержит три переменные: `ErrorModel`, `a`, и `b`. `ErrorModel` переменная категорична. Переменные `a` и `b` может быть `NaN` когда они не применяются к определенной модели ошибок. Существует четыре встроенные модели ошибок. Каждая модель определяет ошибку, используя стандартную переменную среднего нуля и единичной дисперсии (Gaussian) e, значение функции f и один или два параметра a и b. В SimBiology функция f представляет результаты моделирования из модели SimBiology. `'constant'`: $y = f$ + ae `'proportional'`: $y = f +$ b 'f \| e `'combined'`: $y = f + (a +$ b 'f \|) e `'exponential'`: $y=f∗exp (ae$ )
`EstimationFunction`	Имя функции оценки.
`DependentFiles`	Имена файлов, включаемых в развертывание.

Примечание

Loglikelihood, AIC, и BIC свойства пусты для LeastSquaresResults объекты, которые были получены до R2016a.

См. также

NLINResults object | OptimResults object | sbiofit | sbiofitmixed

Представлен в R2014a

Документация

Объект SquetingResults

Описание

Сводка по методу

Свойства

См. также

Документация по SimBiology

Поддержка