Нелинейная регрессия

Оценка наименьших квадратов, чтобы соответствовать сгруппированным или объединенным данным, одним или несколько экспериментов

Функции

fitВыполните оценку параметра с помощью объекта задачи SimBiology
sbiofitВыполните регрессию нелинейного метода наименьших квадратов
sbionlinfitВыполните регрессию нелинейного метода наименьших квадратов с помощью моделей SimBiology (требует программного обеспечения Statistics and Machine Learning Toolbox),
sbioparamestimВыполните оценку параметра
sbiosampleparametersСгенерируйте параметры путем выборки ковариационной модели (требует программного обеспечения Statistics and Machine Learning Toolbox),
sbiosampleerrorДемонстрационная ошибка на основе ошибочной модели и добавляет шум в данные моделирования
sbioparameterciВычислите доверительные интервалы для предполагаемых параметров (требует Statistics and Machine Learning Toolbox),
sbiopredictionciВычислите доверительные интервалы для предсказаний модели (требует Statistics and Machine Learning Toolbox),

Объекты

fitproblemОбъект задачи SimBiology для оценки параметра
groupedData Подобный таблице набор данных и метаданных
EstimatedInfo objectОбъект, содержащий информацию о предполагаемых количествах модели
LeastSquaresResults objectОбъект результатов, содержащий оценку, следует из регрессии наименьших квадратов
ObservableОбъект, содержащий выражение для вычислений постсимуляции
OptimResults objectОценка заканчивается объект, подкласс LeastSquaresResults
NLINResults objectОценка заканчивается объект, подкласс LeastSquaresResults
ParameterConfidenceIntervalОбъект, содержащий доверительный интервал, заканчивается для предполагаемых параметров
PredictionConfidenceIntervalОбъект, содержащий доверительный интервал, заканчивается для предсказаний модели

Приложения

SimBiology Model BuilderСоздайте QSP, PK/PD и механистические модели системной биологии в интерактивном режиме
SimBiology Model AnalyzerАнализируйте QSP, PK/PD и механистические модели системной биологии

Примеры и руководства

Рабочий процесс приложения

Вычислите Параметры NCA и Подбирайте Модель к Данным PK/PD Используя Приложение SimBiology Model Analyzer

Выполните неразделенный на отсеки анализ и калибруйте параметры модели путем подбора кривой к экспериментальным данным PKPD с помощью нелинейной регрессии.

Программируемый рабочий процесс

Соответствуйте параметрам PK Используя SimBiology основанный на проблеме рабочий процесс

В этом примере показано, как оценить параметры модели с помощью объекта задачи SimBiology.

Подбирайте модель с одним отсеком индивидууму профиль PK

В этом примере показано, как соответствовать PK индивидуума профилируют данные к модели с одним отсеком и оценить фармакокинетические параметры.

Подбирайте модель 2D отсека к профилям PK нескольких индивидуумов

В этом примере показано, как оценить фармакокинетические параметры нескольких индивидуумов, использующих модель 2D отсека.

Оцените специфичные для категории параметры PK для нескольких индивидуумов

В этом примере показано, как оценить специфичный для категории (такой как молодой по сравнению со старым, штекерным по сравнению с розеткой в иерархической модели), отдельно-специфичные, и параметры всего населения с помощью PK профилируют данные от нескольких индивидуумов.

Выполните Гибридную Оптимизацию Используя sbiofit

В этом примере показано, как сконфигурировать sbiofit, чтобы выполнить гибридную оптимизацию.

Концепции

Нелинейная регрессия

Цель моделей регрессии состоит в том, чтобы описать переменную отклика в зависимости от независимых переменных.

Поддерживаемые методы для оценки параметра SimBiology

SimBiology® поддерживает множество методов оптимизации для наименьших квадратов и проблем оценки смешанных эффектов.

Ошибочные модели

SimBiology поддерживает ошибочные модели, описанные в следующей таблице.

График прогресса

График прогресса обеспечивает живую обратную связь на состоянии оценки параметра при использовании sbiofit, sbiofitmixed, или программа Fit Data в приложении SimBiology Model Analyzer.

Для просмотра документации необходимо авторизоваться на сайте