random(NLMEResults)

Симулируйте модель SimBiology, добавив изменения путем выборки ошибочной модели

Синтаксис

[ynew,parameterEstimates,randomEffects] = random(resultsObj)
[ynew,parameterEstimates] = random(resultsObj,data,dosing)
[ynew,parameterEstimates,randomEffects] = random(___,Name,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(___,Name,Value) дополнительные опции использования заданы одними или несколькими аргументами name-value.

Примечание

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

Входные параметры

свернуть все

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

Функция вычисляет новое использование значений параметров sbiosampleparameters с ковариационной моделью, возвращенной resultsObj.covariateModel, фиксированные оценки эффекта (resultsObj.FixedEffects), и случайная ковариационная матрица эффекта (resultsObj.RandomEffectCovarianceMatrix). Функция добавляет случайным образом произведенные ошибки в результаты симуляции путем вызова sbiosampleerror использование ошибочной модели и ошибочных параметров модели от resultsObj.ErrorModelInfo.

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.

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.

Информация о дозах в виде пустого [] или {}, 2D матрица или вектор ячейки из объектов дозы SimBiology (ScheduleDose object или RepeatDose object).

Если dosing пусто, никакие дозы не применяются в процессе моделирования, даже если модель имеет активные дозы.

Для матрицы объектов дозы это должно 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. Несколько столбцов позволены так, чтобы можно было применить несколько объектов дозы к каждой группе.

Для вектора ячейки из доз это должно иметь один элемент или один элемент на группу во входных данных. Каждым элементом должен быть [] или вектор из доз. Каждый элемент ячейки применяется к отдельной группе в том же порядке, как группы появляются во входных данных.

В дополнение к ручному построению использования объектов дозы sbiodose, если вход groupedData объект имеет информацию о дозах, можно использовать createDoses метод, чтобы создать дозы.

Объекты дозы dosing введите должно быть сопоставимо с исходными данными о дозировании, используемыми с sbiofitmixed. Объекты должны 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 дозы в первом столбце предназначаются для разновидностей x и тех во вторых целевых разновидностях y столбца. Затем dosing должен иметь дозы в первом столбце, предназначающемся для разновидностей x и тех во втором столбце, предназначающемся для разновидностей y. Параметрированный пример дозы следующие. Предположим что Amount свойство дозы используется в оригинале sbiofitmixed вызов параметрируется к ограниченному по объему моделью параметру 'A'. Все дозы для соответствующей группы (столбец) в dosing матричный вход должен иметь Amount свойство параметрируется к 'A'.

Количество строк в dosing элементы матрицы или число элементов в dosing вектор ячейки 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 базового SimBiology® модель, которая использовалась для подбора кривой, dosing должен задать допустимую сумму и единицы измерения времени.

Аргументы name-value

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'ParameterType','population' задает, чтобы использовать оценки параметра населения.

Тип параметра в виде 'population' или 'individual' (значение по умолчанию).

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. Функция добавляет случайным образом произведенные ошибки в результаты симуляции путем вызова sbiosampleerror использование ошибочной модели и ошибочных параметров модели от resultsObj.ErrorModelInfo.

Если value 'population', метод возвращает результаты симуляции с оценками параметра населения использования шума. 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.

Типы данных: char | string

Варианты, чтобы применяться в виде пустого массива ([], {}), 2D матрица или вектор ячейки из различных объектов.

Если вы не задаете этот аргумент, функция имеет следующее поведение в зависимости от ли второй входной параметр (data) задан также или нет.

  • Если data не задан, функция применяет специфичные для группы варианты от исходного вызова до sbiofitmixed.

  • Если data векторный массив или массив ячеек выходных времен, функция не применяет специфичные для группы варианты.

  • Если data groupedData объект, функция применяет варианты только к группам, идентификатор группы которых совпадает с идентификатором группы в исходных обучающих данных, который использовался в вызове sbiofitmixed.

Примечание

  • Базовые варианты, которые были заданы вариантами позиционный входной параметр в исходном вызове sbiofitmixed всегда применяются к модели, и они применяются перед любыми специфичными для группы вариантами.

  • Если нет никаких базовых вариантов, то есть, вы не задавали variants введите при вызове sbiofitmixed, функция все еще применяет активные варианты модели, если существует кто-либо.

Если значением аргумента является [] или {}, функция не применяет специфичных для группы вариантов.

Если это - матрица вариантов, это должно иметь или одну строку или одну строку на группу. Каждая строка применяется к отдельной группе в том же порядке, как группы появляются в data или dosing. Если это имеет одну строку, те же варианты применяются ко всем группам в процессе моделирования. Если существует несколько столбцов, варианты применяются в порядке от первого столбца до последнего.

Если это - вектор ячейки из различных объектов, количество ячеек должно быть один или должно совпадать с количеством групп во входных данных. Каждым элементом должен быть [] или вектор из вариантов. Если существует отдельная ячейка, содержащая вектор из вариантов, они применяются ко всем симуляциям. Если существует несколько ячеек, варианты в i th ячейка применяются к симуляции i th группа.

Функция задает количество групп путем исследования data, и dosing входные параметры.

  • data может иметь 1 или группы N.

  • Если data и dosing аргументы не заданы, затем данные по умолчанию и дозирование определяются можно следующим образом:

    • Для необъединенных подгонок они - данные и дозирующий для одной группы, сопоставленной с этим результаты подгонки.

    • Для всех других подгонок они - целый набор данных и дозирования связанного с вызовом sbiofitmixed.

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 MN.

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.

Введенный в R2014a
Для просмотра документации необходимо авторизоваться на сайте