基于密度的蒙特卡罗滤波器及其在不可观测变量与药代动力学参数估计中的应用
应用统计
2012-03-06 v2
摘要
带有不可观测变量的非线性随机微分方程模型现已广泛应用于 PK/PD 数据分析。不可观测变量通常使用扩展卡尔曼滤波器（EKF）进行估计，未知的药代动力学参数通常由最大似然估计器进行估计。然而，EKF 对于非线性 PK/PD 模型是不适用的，且已知 MLE 存在向下偏差。本文提出了一种基于密度的蒙特卡罗滤波器（DMF）来估计不可观测变量，并提出了一种基于模拟的步骤来估计未知参数，其中设计了一种遗传算法以搜索药代动力学参数的最优值。通过仿真比较了 EKF 和 DMF 的性能，发现在平均绝对误差方面，基于 DMF 的结果比 EKF 给出的结果更准确。
引用
@article{arxiv.1104.1671,
title = {Density-based Monte Carlo filter and its applications in estimation of unobservable variables and pharmacokinetic parameters},
author = {Guanghui Huang and Jianping Wan and Hui Chen},
journal= {arXiv preprint arXiv:1104.1671},
year = {2012}
}
备注
15 pages, 1 figure, 2 tables