СИД „МОДЕЛИ ВЪВ ФАРМАЦИЯТА“

Лекции 3-4

гл. ас. Христо Манев, дм

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 1 / 16

 1. Моделиране с пропорционалност

Едно важно наблюдение относно релацията

пропорционалност е, че ако една от промен-
ливите се увеличава, другата се увеличава и
ако една променлива намалява, така намалява
и другата. Всеки път, когато се сблъскаме със Отношенията на пропорционалност удовлет-
ситуация, при която две променливи се уве- воряват следното транзитивно свойство:
личават или намаляват едновременно, трябва
Теорема 1. Ако a ∝ b и b ∝ c, то a ∝ c.
да помислим за пропорционална връзка.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 2 / 16

 2. Линеаризируеми модели Моделът никога не пасва перфектно на дан-
ните, но ние сме готови да приемем някаква
грешка, защото моделът помага да се обясни
поведението на системата.
ПРИСПОСОБЯВАНЕ НА МОДЕЛА

Сега ние ще изградим модели, ръководени

единствено от данни.

Ще намерим модел, който улавя тенденци-

АНАЛИТИЧНИ МОДЕЛИ. ята на данните и го използва за прогнозиране
на стойности.

Тези модели се наричат емпирични модели.

Много от темите, свързани с емпиричното

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 3 / 16

моделиране, са тясно свързани с областта на По-долу са изброени трите често срещани
математическата статистика и по-спе- типа линеаризируеми модели:
циално с понятието регресия.
Логаритмичен: y = a + b ln(x)
Линеаризируемите модели са тези, които
Степенен: y = a xb
могат да бъдат пригодени към набор от данни
чрез извършване на подходяща трансформа-
Експоненциален: y = a ebx
ция и след това да се приспособи линеен мо-
дел към трансформираните данни.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 4 / 16

Променливата x се нарича предикторна про-
менлива или предиктор, докато променли-
вата y се нарича променлива на отговора.

Графиките на тези различни типове модели са

показани на следващата фигура.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 5 / 16

За да илюстрирате как да използвате тези мо-
дели, ще разгледаме следния пример:
Тази таблица представя броя на хората на ле-
P L кар (P) и очакваната продължителност на жи-
Spain 275 74 вота на мъжете (в години) за различни страни
United States 410 72
Canada 467 73 по света (L).
Romania 559 67
China 643 68 Нашата цел е да предвидим продължител-
Taiwan 1010 70
ността на живота по отношение на броя на хо-
Mexico 1037 67
South Korea 1216 66 рата на лекар.
India 2471 57
Morocco 4873 62
Bangladesh 6166 54
Kenya 7174 59

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 6 / 16

Очевидно има много фактори, свързани с
продължителността на живота, като
броят на хората на лекар е само един от тях.
Изглежда разумно да се вярва, че с увелича-
ването на броя на хората на лекар (което оз-
начава по-малко лекари на човек), продължи-
телността на живота намалява, тъй като хо-
рата няма да имат толкова лесен достъп до
здравни грижи.
гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“
Ние не твърдим, че броят на хората на лекар
определя продължителността на живота, но
вероятно има връзка между двете промен-
ливи.
Ще изградим емпиричен модел, като напас-
нем различни линеаризируеми модели към
тези данни и анализираме колко добре пасва
всеки от тях.
7 / 16
Когато се конструира какъвто и да е тип ем-
пиричен модел, първата стъпка е графика y
срещу x (L срещу P в този случай) и разглеж-
дане на вида на получената графика.

Втората стъпка е да изберете подходящ

тип модел и да го съобразите с данните.

Графика на данните е показана на следващата

фигура.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 8 / 16

Забележете, че с увеличаване на броя на хо-
рата на лекар, продължителността на живота
Пример (Excel) – Логаритмичен модел
намалява, в съответствие с нашата интуиция.

Демонстрация
Също така имайте предвид, че точките изг-
лежда образуват крива, която първоначално
𝐿 = 𝑎 + 𝑏 𝑙𝑛𝑃
намалява бързо, но след това се изравнява.
Това предполага, че може да е подходящ 𝐿 = 103,4 − 5,2876 𝑙𝑛𝑃
логаритмичен или степенен модел.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 9 / 16

 Пример (Excel) – Степенен модел Пример (Excel) – Експоненциален модел

Демонстрация Демонстрация

𝐿 = 𝑎𝑃𝑏 𝐿 = 𝑎е𝑏𝑃

𝑙𝑛𝐿 = 𝑙𝑛(𝑎𝑃𝑏 ) = 𝑙𝑛𝑎 + 𝑙𝑛𝑃𝑏 = 𝑙𝑛𝑎 + 𝑏𝑙𝑛𝑃 𝑙𝑛𝐿 = 𝑙𝑛(𝑎е𝑏𝑃 ) = 𝑙𝑛𝑎 + 𝑙𝑛е𝑏𝑃 = 𝑙𝑛𝑎 + 𝑏𝑃

𝐿 = 117,62 𝑃−0,0823 𝐿 = 70,53 𝑒 −0,00003 𝑃

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 10 / 16

 Пример (Excel) – Обобщен

Демонстрация От трите модела логаритмичният и степен-

ният са „най-добрите“, базирани на анализ
Tова са точно същите модели, които изве-
на графиката на моделите и на остатъците. В
дохме. Също така имайте предвид, че графи-
следващите лекции ще разгледаме повече
ките на логаритмичния и степенния модел
аналитични техники за измерване на това
улавят тенденцията на данните много добре,
колко добре моделът пасва на набор от данни.
докато експоненциалният модел не. Това
потвърждава нашите заключения въз основа
на графиките на остатъците.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 11 / 16

Сега, когато имаме два подходящи модела
за данните, какво можем да направим с
Данните също показва това, но кривата по-
тях?
мага да се илюстрира връзката.
Има поне две употреби. На първо място, гра-
На второ място, можем да използваме моде-
фиките на моделите ни помагат да видим тен-
лите за прогнозиране на продължителността
денцията на данните. Графиките намаляват
на живота, ако знаем броя на хората на лекар.
отляво надясно, което ни помага да илюстри-
раме факта, че с увеличаване на броя на хо-
рата на лекар, продължителността на живота
намалява.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 12 / 16

 докато степенният модел дава

Например, да предположим, че една страна 𝐿 = 117,537. 3500−0,0823 ≈ 60,10 години

има 3500 души на лекар.
Ако заместим P с 3500 в експоненциалният
Логаритмичният модел предвижда, че про- модел пък ще получим
дължителността на живота е
𝐿 = 70,537. 𝑒 −0,00003.3500 ≈ 63,51 години
𝐿 = 103,4 − 5,2876 𝑙𝑛3500 ≈ 60,26 години

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 13 / 16

Видяхме обаче, че експоненциалният модел
не отговаря много добре на данните, така че
не би било подходящо да се използва за пра-
вене на прогнози. Това илюстрира първото
предупреждение при използване на емпи-
рични модели:
„Ако моделът не отговаря на набор от
данни, не го използвайте за правене на прог-
нози.“
гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“
А сега да предположим, че една страна има
100 души на лекар. Можем да заместим
P = 100 в логаритмичния модел:
𝐿 = 103,4 − 5,2876 𝑙𝑛100 ≈ 79,04 години
Обърнете внимание обаче, че P = 100 е извън
обхвата на оригиналните данни. Не знаем
тенденцията на данните за стойности на P по-
малко от 275. Тя може да се промени или да
остане същата – ние просто не знаем.
14 / 16
Следователно би било неуместно да се изпол-
зва някой от тези модели за прогнозиране на
стойности на L за P < 275.
Тази стойност от 79,04 години може или не
може да бъде точна, така че не трябва да док-
ладваме тази „прогноза“.
Това илюстрира второто предупреждение
при използване на емпирични модели:
„Използвайте само стойности на промен-
ливата на предиктора, които са в обхвата
на оригиналния набор от данни.“

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 15 / 16

Учебен случай

В таблиците по-долу виждате количествата t 1 2 3 4 5 6

лекарствени вещества A и B в организма на A 31,54 17,31 9,89 6,04 2,41 1,66
пациент в периода от 1 час до 6 часа след
прием.
t 1 2 3 4 5 6
За всеки набор от данни определете кой мо- B 11,16 11,03 9,86 8,71 5,61 2,68
дел – експоненциален, степенен или лога-
ритмичен – най-добре отговаря на данните.

гл. ас. Манев, дм Лекции по СИД „Модели във фармацията“ 16 / 16