非线性回归和统计矩原理.ppt

非线性回归 （nonlinear regression） 非线性回归：有一类模型，其回归参数不是线性的，也不能通过转换的方法将其变为线性的参数。 非线性函数的求解一般可分为将非线性变换成线性和不能变换成线性两大类。 可转化为线性的非线性 指数函数模型 指数函数模型：Y1=A1ebX 上式两边取对数：lnY1=lnA1+bX 令Y=lnY1，lnA1=A 原模型化为标准的线性回归模型：Y=A+bX 可转化为线性的非线性 幂函数模型 幂函数模型：Yi=AXib 上式两边取对数：lnYi=lnA+blnXi 令Y=lnYi ,A=lnA,X=lnXi， 原模型化为标准的线性回归模型：Y=A+bX 不可转化为线性的非线性 不可转化为线性的非线性 非线性最小二乘法 不可转化为线性的非线性 不可转化为线性的非线性 对于非线性方程(2.1.4)，直接解法已不适用，只能采用迭代解法，高斯-牛顿(Gauss-Newton)迭代法就是一种较为实用的一种。 不可转化为线性的非线性 不可转化为线性的非线性 概率统计相关知识 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: （2）原点矩（均值） 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 一、 统计矩概念 一阶矩的计算 平均滞留时间(MRT， mean residence time) 用矩量法估算药物动力学参数 生物半衰期 t? 清除率 CL 稳态表观分布容积 Vss 平均稳态血药浓度 Css 达稳分数 fss 三. 稳态表观分布容积－Vss 四. 平均稳态血药浓度 用矩量法研究体内过程 吸收动力学 研究药物吸收动力学时，常以ka(表观一级速率常数)表示吸收快慢。 MAT=MRTni﹣MRTiv 式中，MRT为平均吸收时间，MRTni为非瞬间方式给药后的平均滞留时间，MRTiv 为静脉注射后的平均滞留时间。 单纯一级速率过程时，则： MAT= 当药物制剂为非静脉给药时，则： MAT=MRTni- 根据非瞬时给药特征，可得到： MRTni= 某药口服给药的血药浓度数据在表12-3，试用统计矩法求算吸收速度常数ka。 表12-3 某药的血药浓度-时间数据 谢谢大家 稳态表观分布容积为表征药物分布的重要参数。根据统计矩原理，Vd可在药物单剂量静注后仅仅通过清除率与平均留时的简单相乘求得： 静脉滴注： 式中：T为滴注持续的时间；滴注剂量X0等于滴注速度k0乘以T 平均稳态血药浓度等于稳态时一个剂量间期内药 时曲线下面积除以给药间隔时间（τ） 我们已经证明在稳态时一个剂量间期内药-时曲线下 面积等于单剂量给药时曲线下面积，即： 因此 前面已经证明：用单室模型表征的药物，达到稳态的某一份数所需要时间与该药的生物半衰期有较简单的函数关系。 五、达稳时间 移项得 取对数后 而具有多室特征的药物则情况较为复杂，统计矩原理为解决这一问题提供了独特的方法。采用多剂量给药时用相同的给药方法作单剂量给药，通过面积分析可以预计达稳态某一分数所需的时间，即 达稳分数 时间（h) 0.5 1 1.5 2 2.5 4 5 6 8 10 12 18 24 C(ng/ml) 0.39 1.27 2.23 3.52 4.88 3.69 2.47 1.45 1.05 0.7 0.55 0.25 0.08 以最后三点数据进行lgC-t回归，得：