一类线性随机动态系统混合分布的非参数估计
统计方法学
2015-09-16 v1
摘要
本文针对线性随机动态系统参数的混合分布，提出了一种非参数极大似然估计方法。这包括，例如，在状态向量、输入向量以及过程和测量噪声向量上均为线性的药代动力学群体模型。大多数关于混合分布的研究仅考虑测量噪声。包含过程噪声的模型的优势在于，除了测量误差外，模型本身的不确定性也被纳入考量。例如，对于确定性药代动力学模型，剂量、给药时间和血样采集时间的误差通常未被包含。对于线性随机模型，我们使用线性 Kalman-Bucy 滤波计算观测值的似然，然后采用非参数自适应网格算法来寻找混合分布的非参数极大似然估计。随后，我们利用估计出的混合分布的方向导数，证明所得结果达到了全局最大值。文中给出了一个使用一室药代动力学线性随机模型的简单示例。除群体药代动力学外，本研究也适用于经验贝叶斯估计。
引用
@article{arxiv.1509.04350,
title = {Nonparametric estimation of a mixing distribution for a family of linear stochastic dynamical systems},
author = {Alona Kryshchenko and Alan Schumitzky and Mike van Guilder and Michael Neely},
journal= {arXiv preprint arXiv:1509.04350},
year = {2015}
}