生物药剂学与药物动力学pharmaco-12.pdfVIP

第十二章 统计矩原理在药动学的应用 一、随机变量及其有关概念 1．随机变量 随机变量是指在试验或观察的的结果中能取得不 同数值的量，他的取值随偶然因素而变化，但又遵从 一定的统计学规律。 随机变量又可分为离散型和连续型。离散型随机 变量仅可取得有限个或无限可数多个数值；连续型随 机变量可取得某一区间内任何数值。 2． 数学期望和统计矩量 （1）数学期望（总体均值） 设连续变量X(a，b)的概率密度函数为f(x) 。而函 数在(-∞，+∞)区间是有限值，则样品的总体均值(数 学期望)为； +∞ μ = ∫−∞ xf(x)dx （2）原点矩 样品随机变量x的k次幂的数学期望，称 为随机变量x的k阶原点矩。即 + ∞ k µ = x f (x)dx k ∫− ∞ （3）中心矩 样品随机变量x的离差的k次幂的数学期 望，称为随机变量x的k阶中心矩（v ），则 k ： +∞ k ν = (x− µ) f(x)dx k ∫−∞ 二、理论依据 药物的体内过程具有明显的随机性。 将药物的体内过程看成是由若干个别药物 分子的随机事件所构成的，进而可以用药 物分子在体内的概率分布函数来描述。 1. 认为血药浓度时间曲线是随机变量（滞 留时间）的概率分布曲线 设横轴为滞留时间， 纵轴为概率。 2.C-t曲线下面积可用零阶原点矩表示 ∞ ∞ 0 AUC = t Cdt= Cdt 0−∞ ∫0 ∫0 3.C、t的乘积和时间曲线下面积可用一阶原 点矩表示： ∞ AUMC = tCdt 0−∞ ∫0 4.将MRT定义为一阶矩和零阶矩的比值, 即 AUMC ∫∞ t • C(t)dt 0 MRT = = AUC ∫∞ C(t)dt 0 C K 2 1 t1 / 2 = = =