Martina Amongero
Inferenza per modelli ad effetti misti descritti da equazioni differenziali stocastiche = Inference for stochastic differential equations models with random effects.
Rel. Enrico Bibbona, Gianluca Mastrantonio. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2019
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
Diversi fenomeni sono modellati da equazioni differenziali ordinarie (ODE) o equazioni differenziali stocastiche (SDE). Per rendere questo tipo di modelli quantitativi, è necessario stimarne i parametri sulla base dei dati sperimentali. Tuttavia, nella maggior parte dei casi, alcune difficoltà complicano il quadro. Illustriamo il problema prendendo come esempio la farmacocinetica: in uno studio clinico, un farmaco viene somministrato ad alcuni pazienti e, per ciascuno di essi, viene misurata la concentrazione nel sangue nel tempo. Supponiamo che la concentrazione segua un modello compartimentale, ovvero un sistema dinamico in cui il farmaco viene scambiato tra compartimenti che possono essere interpretati come diversi organi.
Il farmaco, per infusione, entra nel corpo attraverso il sangue, parte di esso si accumula in alcuni tessuti (ad esempio il fegato) e parte viene eliminata
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
