模型模拟中的柔性分析：揭示数学模型拟合数据时的参数不确定性
统计方法学
2022-09-28 v2
摘要
本工作引入一种综合方法来评估模型输出对参数值变化的敏感性，该变化受先验信念与数据的组合约束。这一新方法识别出强烈影响模型-数据拟合质量的刚性参数组合，同时揭示这些关键参数组合中哪些主要由数据告知，哪些也受到先验的实质性影响。我们关注复杂系统中一种非常常见的情形：与需集体估计的模型参数数量相比，数据的数量与质量均较低，并展示了该技术在生物化学、生态学与心脏电生理学应用中的益处。我们还表明，一旦识别出刚性参数组合，便能揭示所建系统潜在的调控机制，并指明在未来的实验中应优先对哪些模型参数进行改进，以从集体模型-数据拟合中获得更好的参数推断。
引用
@article{arxiv.2203.15184,
title = {Analysis of sloppiness in model simulations: unveiling parameter uncertainty when mathematical models are fitted to data},
author = {Gloria M. Monsalve-Bravo and Brodie A. J. Lawson and Christopher Drovandi and Kevin Burrage and Kevin S. Brown and Christopher M. Baker and Sarah A. Vollert and Kerrie Mengersen and Eve McDonald-Madden and Matthew P. Adams},
journal= {arXiv preprint arXiv:2203.15184},
year = {2022}
}