NLMEResults object

Объект результатов, содержащий оценку, следует из нелинейного моделирования смешанных эффектов

Описание

NLMEResults объект содержит результаты оценки подбора кривой нелинейному использованию модели смешанных эффектов sbiofitmixed.

Сводные данные метода

коробчатая диаграмма (NLMEResults)Создайте диаграмму, показывающую изменение предполагаемых параметров модели SimBiology
covariateModel (NLMEResults)Возвратите копию ковариационной модели, которая использовалась для нелинейной оценки смешанных эффектов с помощью sbiofitmixed
адаптированный (NLMEResults) Возвратите результаты симуляции подбиравшей нелинейной модели смешанных эффектов
постройте (NLMEResults)Сравните результаты симуляции с обучающими данными, создав подграфик курса времени для каждой группы
plotActualVersusPredicted (NLMEResults)Сравните предсказания с фактическими данными, создав подграфик для каждого ответа
plotResidualDistribution (NLMEResults)Постройте распределение остаточных значений
plotResiduals (NLMEResults)Постройте остаточные значения для каждого ответа, с помощью времени, группы или предсказания как ось X
предскажите (NLMEResults)Симулируйте и оцените подбиравшую модель SimBiology
случайный (NLMEResults)Симулируйте модель SimBiology, добавив изменения путем выборки ошибочной модели

Свойства

FixedEffectsТаблица предполагаемых фиксированных эффектов и их стандартных погрешностей.
RandomEffectsТаблица предполагаемых случайных эффектов для каждой группы.
IndividualParameterEstimatesТаблица предполагаемых значений параметров, включая фиксированные и случайные эффекты.
PopulationParameterEstimatesТаблица предполагаемых значений параметров, только включая фиксированные эффекты.
RandomEffectCovarianceMatrixТаблица ковариационной матрицы случайных эффектов.
statsStruct статистики, возвращенной nlmefit (Statistics and Machine Learning Toolbox) и nlmefitsa (Statistics and Machine Learning Toolbox) алгоритм.
CovariateNamesМассив ячеек из символьных векторов, задающий ковариационные имена.
EstimatedParameterNamesМассив ячеек из символьных векторов, задающий оцененные названия параметра.
ErrorModelInfoТаблица, описывающая ошибочные модели и оцененные ошибочные параметры модели.

Таблица ссорится с тремя переменными: ErrorModelA, и b. ErrorModel переменная является категориальной. Переменные a и b может быть NaN когда они не применяются к конкретной ошибочной модели.

Существует четыре встроенных ошибочных модели. Каждая модель задает ошибку стандартный средний нуль и переменная (Gaussian) модульного отклонения e, значение функции f и один или два параметра a и b. В SimBiology функциональный f представляет результаты симуляции из модели SimBiology.

  • 'constant': y=f+ae

  • 'proportional': y=f+b|f|e

  • 'combined': y=f+(a+b|f|)e

  • 'exponential': y=fexp(ae)

EstimationFunctionИмя функции оценки, которая должна быть любой 'nlmefit' или 'nlmefitsa'.
LogLikelihoodМаксимизируемая логарифмическая правдоподобность для подобранной модели.
AICКритерий информации о Akaike (AIC), вычисленный как AIC = 2*(-LogLikelihood + P), где P является количеством параметров. Для получения дополнительной информации смотрите nlmefit (Statistics and Machine Learning Toolbox).
BICБайесов информационный критерий (BIC), вычисленный как BIC = -2*LogLikelihood + P*log(N), где N является количеством наблюдений или групп, и P является количеством параметров. Для получения дополнительной информации смотрите nlmefit (Statistics and Machine Learning Toolbox).
DFEСтепени свободы для ошибки, вычисленной как DFE = N-P, где N является количеством наблюдений, и P является количеством параметров.

Примечание

Если вы используете nlmefitsa метод, Loglikelihood, AIC, и BIC свойства пусты по умолчанию. Чтобы вычислить эти значения, задайте 'LogLikMethod' опция nlmefitsa (Statistics and Machine Learning Toolbox), когда вы запускаетесь sbiofitmixed можно следующим образом.

opt.LogLikMethod = 'is';
fitResults = sbiofitmixed(...,'nlmefitsa',opt);

Смотрите также

| | (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox)

Введенный в R2014a
Для просмотра документации необходимо авторизоваться на сайте