结果对象包含从非线性混合效应建模的估计结果- MATLAB nlmerresults对象

描述

的NLMEResults对象包含使用拟合非线性混合效应模型的估计结果sbiofitmixed．

方法总结

箱线图(NLMEResults)	创建显示估计的SimBiology模型参数变化的箱形图
covariateModel (NLMEResults)	使用，返回用于非线性混合效应估计的协变量模型的副本`sbiofitmixed`
安装(NLMEResults)	返回拟合的非线性混合效应模型的仿真结果
情节(NLMEResults)	将模拟结果与训练数据进行比较，为每组创建一个时间-过程子图
plotActualVersusPredicted (NLMEResults)	将预测与实际数据进行比较，为每个响应创建子图
plotResidualDistribution (NLMEResults)	画出残差的分布
plotResiduals (NLMEResults)	用时间、组或预测作为x轴，绘制每个响应的残差
预测(NLMEResults)	模拟和评估拟合SimBiology模型
随机(NLMEResults)	模拟一个SimBiology模型，通过对错误模型进行采样来添加变化

属性

`FixedEffects`	估计固定效应及其标准误差表。
`RandomEffects`	每组的随机效应估计表。
`IndividualParameterEstimates`	表估计的参数值，包括固定和随机效应。
`PopulationParameterEstimates`	估计参数值表，仅包括固定的效果。
`RandomEffectCovarianceMatrix`	随机效应的协方差矩阵表。
`统计数据`	属性返回的统计信息的结构`nlmefit`(统计学和机器学习工具箱)和`nlmefitsa`(统计学和机器学习工具箱)算法。
`CovariateNames`	指定协变量名称的字符向量单元格数组。
`EstimatedParameterNames`	指定估计参数名称的字符向量单元格数组。
`ErrorModelInfo`	表描述误差模型和估计误差模型参数。该表有一行包含三个变量:`ErrorModel`，`一个`,`b`．的`ErrorModel`变量分类。的变量`一个`和`b`可以`南`当它们不适用于特定的错误模型时。有四个内置的错误模型。每个模型使用一个标准的均值-零和单位方差(高斯)变量来定义误差e，函数值f，以及一两个参数一个和b．在SimBiology中，函数f表示SimBiology模型的仿真结果。 `“不变”`： $y ＝ f + 一个 e$ `“比例”`： $y ＝ f + b \| f \| e$ `“组合”`： $y ＝ f + （一个 + b \| f \| ） e$ `“指数”`： $y ＝ f * 经验值（一个 e ）$
`EstimationFunction`	估计函数的名称，必须是`“nlmefit”`或`“nlmefitsa”`．
`LogLikelihood`	拟合模型的最大对数似然。
`另类投资会议`	赤池信息准则(AIC)，计算为`AIC = 2*(-LogLikelihood + P)`,在那里P为参数个数。有关详细信息,请参见`nlmefit`(统计学和机器学习工具箱)．
`BIC`	Bayes信息准则(BIC)，计算为`BIC = -2LogLikelihood + Plog(N)`,在那里N是观察数还是组数，和P为参数个数。有关详细信息,请参见`nlmefit`(统计学和机器学习工具箱)．
`教育部`	误差自由度，计算为`教育部=阻燃剂`,在那里N观察的次数是多少P为参数个数。

请注意

如果你正在使用nlmefitsa方法,Loglikelihood，另类投资会议,BIC属性默认为空。要计算这些值，请指定“LogLikMethod”选择nlmefitsa(统计学和机器学习工具箱)当您运行sbiofitmixed如下。

opt.LogLikMethod =“是”;fitResults = sbiofitmixed(…,“nlmefitsa”,选择);

另请参阅

sbiofitmixed|sbiofit|nlmefit(统计学和机器学习工具箱)|nlmefitsa(统计学和机器学习工具箱)

NLMEResults对象

描述

方法总结

属性

另请参阅

SimBiology文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏