analyse compartimentale (3)

Question 1

que suppose le modèle d’analyse cpt

Answer 1

corps humain est représenté par une boite

Question 2

cmt phoenix estime les paramètres PK qui décrivent le déplacement du med dans la boite (humain)

Answer 2

[ ] prélevées puis :
1. essaye des valeurs de param PK pour chaque individu
2. calcule prédiction des [ ] avec les valeurs de #1
3. compare prédictions avec observations
4. refait jusqu’à avoir la plus petite fct objective

Question 3

sur un graphique de la fonction objective en fonction de paramètres X et Y, que représentent X et Y

Answer 3

paramètres PK (valeurs posées par phoenix)

Question 4

que mesure la fct objective?

Answer 4

écart entre ce qui est prédit et observé

Question 5

2 façons de calculer la fct objective

Answer 5

• moindres carrés ordinaires (OLS)
• moindres carrés pondérés (WLS)

Question 6

entre OLS et WLS, lequel prioriser?

Answer 6

WLS (donne moins d’erreur)

Question 7

WLS : nommer les fonctions de poids possibles (4)

Answer 7

• 1/obs
• 1obs^2
• 1/pred
• 1/pred^2

Question 8

WLS : fct de poids sensibles aux valeurs extrêmes

Answer 8

• 1/obs
• 1obs^2

Question 9

WLS : fct de poids biaisé lorsque le modèle structural est erroné

Answer 9

• 1/pred
• 1/pred^2

Question 10

erreur résiduelle

Answer 10

écart entre les données prédites et observées

Question 11

V ou F : l’erreur résiduelle peut varier avec le temps ou les valeurs

Answer 11

V

Question 12

utilités de WLS

Answer 12

1. avoir une erreur constante (quand l’erreur résiduelle varie en fct du temps ou des valeurs)
2. mieux estimer les plus petites concentrations

Question 13

à quoi faut-il faire attention lorsqu’on tente de trouver la fonction objective minimal

Answer 13

minimum locaux

Question 14

solution pour éviter les minimum locaux

Answer 14

recommence le modèle avec différents estimés locaux

Question 15

graph observed Y and Predicted Y vs : axes

Answer 15

• Y : concentration
• X : temps

Question 16

graphiques diagnostiques : predicted Y vs observed Y : droite idéal

Answer 16

X = Y (donc predicted = observed)

Question 17

graphique diagnostique : residual Y vs predicted Y : résiduelles inadéquates donnent des tendances …

Answer 17

homoscédastique

Question 18

graphique diagnostique : residual Y vs predicted Y : résiduelles adéquates donnent des tendances …

Answer 18

hétéroscédastique (erreur est aléatoire)

Question 19

à quoi ressemble des graph qui ont un mauvais modèle structural

Answer 19

• forme de paraboles + ou -
• forme de pente (une droite)

Question 20

à quoi ressemble des graph qui ont une mauvaise pondération

Answer 20

• forme de cônes (grossis ou plus petit)
• forme de cercle

Question 21

solution si on obtient un graphique avec un mauvais modèle structural

Answer 21

changer le nbr de cpt

Question 22

solution si on obtient un graphique avec une mauvaise pondération

Answer 22

changer la pondération sur pheonix

Question 23

quel graph utiliser quand on change la pondération?

Answer 23

weighted residual Y vs Predicted Y

Question 24

comment corriger le problème de pondération?

Answer 24

ajouter le poids

Question 25

expliquer ce que l'exactitude

Answer 25

la différence entre la valeur estimée et la vraie valeur

Question 26

expliquer ce que la précision

Answer 26

dispersion de la population p/r à la vraie valeur

Question 27

que signifie un CV > 40-50%

Answer 27

surparamétrisation (trop cpt, faut simplifier)

Question 28

nbr de conditionnement

Answer 28

chiffre qui rapporte une idée de la paramétrisation du modèle

Question 29

que signifie un grand nbr de conditionnement

Answer 29

modèle sur-paramétrisé (un ou plusieurs paramètres ne peuvent être estimés précisément)

Question 30

AIC

Answer 30

outil permettant de comparer la validité du lissage entre des modèles concurrents pour un même ensemble de données

Question 31

le CV se calcul à partir de la précision ou de l'exactitude

Answer 31

précision

Question 32

un petit AIC indique ...

Answer 32

meilleur lissage

Question 33

condition pour que AIC soit utilisée

Answer 33

SLM SI la méthode de calcul de la fct objective est la même (faut que OLS et WLS utilisent même fct objective)

Question 34

v ou f: l'erreur résiduelle doit être aléatoire

Answer 34

V, on ne recherche pas une erreur qui varie à des moments ou valeurs précises