sbiosampleparameters

通过采样协变量模型生成参数（需要统计和机器学习工具箱软件）

在页面上崩溃

语法

phi = sbiosampleparameters（Covexpr，Thetas，Omega，DS）

θ,φ= sbiosampleparameters (covexprω,n)

[φ,covmodel] = sbiosampleparameters (_)

描述

例子

φ= sbiosampleparameters (covexpr，θ，ω，ds）产生一个矩阵φ使用使用协变态表达式指定的协变量模型包含采样参数值covexpr,固定效果θ，协方差矩阵ω，和协变量数据ds．

例子

φ= sbiosampleparameters (covexpr，θ，ω，n）使用一个标量n它指定的行数φ当参数不依赖于任何协变量时。

例子

［φ，covmodel] = sbiosampleparameters (_)返回一个矩阵φ和一个协变量模型对象covmodel使用先前语法的任何输入参数。

例子

全部折叠

来自协变量模型的参数值样本

打开直播脚本

本例使用了59名早产儿在出生后的前16天服用苯巴比妥的数据。每名婴儿接受一次初始剂量，随后进行一次或多次静脉滴注维持剂量。对每名婴儿进行了总共1至6次浓度测量，而不是在剂量时间，共进行了155次测量。研究人员还记录了婴儿体重和新生儿健康指数(APGAR)。数据在[1]中进行了描述，该研究由NIH/NIBIB资助P41-EB01975。

加载数据。

负载pheno.matds

可视化数据。

t = sbiotrellis（DS，“ID”，“时间”，“浓缩的”，“标记”，“o”，“markerfacecolor”,(。7 7 7),'markeredgecolor'，“r”，'linestyle'，“没有”）;t.plottitle =“州与时间”；

建立单室药代动力学模型，采用大剂量给药，线性清除率对数据进行建模。

pkmd = PKModelDesign;pkmd.addCompartment ('中央'，'dentytype'，“丸”，“EliminationType”，“linear-clearance”，．..“HasResponseVariable”，真的，“HasLag”、假);onecomp = pkmd.construct;

假设中央腔室的体积(中央)和婴儿的体重。您可以使用一个协变量模型来定义这个参数-协变量关系，该协变量模型可以描述为

$日志（ V_{我} ）＝ θ_{V} + θ_{\frac{V}{W E 我 G H T}} * W E 我 G H T_{我} + η_{V ，我}$ ，

在哪里，每个第i个婴儿，Vθs (theta)是固定效应，η (eta)是随机效应，和重量是协变量。

covM = CovariateModel;covM。Expression = {'Central = Exp（Theta1 + Theta2 *重量+ eta1）'}；

定义固定和随机效果。每个表的列名必须分别有固定效应和随机效应的名称。

θ=表(1.4,0.05,“VariableNames”，{'theta1'，“θ”}）;eta1 =表(0.2,“VariableNames”，{“eta1”}）;

控件的要求将组标签ID更改为groupsbiosampleparameters函数。

ds.Properties.VariableNames {“ID”} =“集团”；

基于数据集中所有婴儿的协变量模型生成中央隔室中央中心卷的参数值。

θ,φ= sbiosampleparameters (covM.Expression eta1, ds);

然后，您可以使用采样的参数值模拟模型。为方便起见，使用SIMFUNCTION对象提供的函数类似的接口。

首先，使用CreateImfunction方法构造SimFunction对象，将体积（中央）指定为参数，以及隔室中的药物浓度（药物_Central）作为SimFunction对象的输出和给药物种。

f = createSimFunction (onecomp covM。ParameterNames,“Drug_Central”，“Drug_Central”）;

数据集ds包含每个婴儿的剂量信息，而groupedData对象提供了一种方便的方法来提取这种剂量信息。将ds转换为groupedData对象并提取剂量信息。

grpData = groupedData (ds);剂量= createDoses (grpData,“剂量”）;

利用从phi中采样的参数值和提取的每个婴儿的剂量信息模拟模型，并绘制结果。第i次运行使用phi中的第i个参数值和第i个婴儿的剂量信息。

t = sbiotrellis (f(φ200 doses.getTable), [],“时间”，“Drug_Central”）;%调整数字大小。t.hFig.Position(:) = [100 100 1280 800];

输入参数

全部折叠

`covexpr`- - - - - -协变量的表达式
字符向量的单元格数组|弦矢量

协变量表达式，指定为定义参数协变量关系的字符向量或字符串向量的单元格数组。

如果模型组件名称或协变量名称不是有效的MATLAB^®变量名，在表达式中引用时用方括号括起来。例如，如果一个物种的名称是DNA聚合酶+，写(DNA聚合酶+)．如果协变量名称本身包含方括号，则不能在表达式中使用它。

看到CovariateModel对象了解有关协变态表达的更多信息。

`θ`- - - - - -固定的影响
表格|数据集|数值向量

固定效果，指定为包含在协变量表达式中定义的固定效果参数值的表、数据集或数字向量covexpr．固定效果参数名称必须以“θ”．

如果θ是一个表,thetas.Properties.VariableNames必须与固定效果的名称匹配。
例如，假设你有三个θ：thetaOne= 0.1，Theta2.= 0.2,Theta3.= 0.3．您可以创建相应的表。
```
θ=表(0.1,0.2,0.3);thetas.Properties.VariableNames = {'thetaone'，“θ”，'theta3'｝
```
```
θ= 1×3表thetaOneθ1  ________ ______ ______ 0.1 0.2 0.3
```
如果θ是一个数据集,thetas.Properties.VarNames必须与固定效果的名称匹配。
如果θ是一个数字向量，向量中值的顺序必须与固定效果名称的升序ASCII字典顺序相同。
使用种类函数对字符向量的单元格数组进行排序，以查看顺序。
```
种类（{'thetaone'，“θ”，'theta3'}）
```
```
ans = 1×3 cell array {'theta2'} {'theta3'} {'thetaOne'}
```
然后指定每个值θ以相同的顺序。
```
Thetas = [0.2 0.3 0.1];
```

`ω`- - - - - -随机效应的协方差矩阵
表格|数据集|矩阵

随机效应的协方差矩阵，指定为表，数据集或矩阵。随机效果参数名称必须从“埃塔”．

如果ω是一个表,omega.properties.variablenames.必须与随机效果的名称匹配。指定行名(RowNames)是可选的，但如果你这样做，它们也必须匹配随机效果的名称。
假设您想定义一个带有三个随机效应参数的对角协方差矩阵eta1，eta2,eta3的值0.1，0.2,0.3,分别。
$［ \begin{array}{l} C o v （ η_{1} ， η_{1} ） C o v （ η {}_{1}， η_{2} ） C o v （ η_{1} ， η_{3.} ） \\ C o v （ η_{2} ， η_{1} ） C o v （ η_{2} ， η_{2} ） C o v （ η_{2} ， η_{3.} ） \\ C o v （ η_{3.} ， η_{1} ） C o v （ η_{3.} ， η_{2} ） C o v （ η_{3.} ， η_{3.} ） \end{array} ］＝［ \begin{array}{l} e t 一个 1 0 0 \\ 0 e t 一个 2 0 \\ 0 0 e t 一个 3. \end{array} ］$
您可以构建相应的表。
```
eta1 = (0.1, 0, 0);eta2 =(0、0.2、0);eta3 = (0, 0, 0.3);ω=表(eta1 eta2 eta3,“VariableNames”，{“eta1”，“eta2”，“eta3”}）
```
```
Omega = 3×3表ETA1 ETA2 ETA3 ____ ____ ____ 0.1 0 0 0 0.2 0 0 0 0.3
```
如果ω是一个数据集,omega.Properties.VarNames必须与随机效果的名称匹配。指定行名(ObsNames)是可选的，但如果你这样做，它们也必须匹配随机效果的名称。
如果ω是一个矩阵，行和列必须具有与随机效应名称相同的升序ASCII字典顺序。
使用种类函数对字符向量的单元格数组进行排序，以查看顺序。
```
种类（{“eta1”，“eta2”，“eta3”}）
```
```
Ans = 1×3 cell array {'eta1'} {'eta2'} {'eta3'}
```