药物动力学是一门用数学与统计方法来描述药物在体内变化过程的科学，有着重要的理论意义，是组成“数学药学”的重要部分，同时，它的发展在许多方面有着重大的实用价值，例如，现有药物的客观评价、新药设计、改进药物剂量、提供高效、低毒副作用的药剂等。特别的，在临床上指导合理用药方面，通过研究药物动力学的特征，来确定临床治疗最佳剂量，给药周期，负荷剂量的计算，以及设计最优给药方案等。在药理学研究中，模化药物浓度与药效之间的关系是一种非常有效和重要的工具。常微分方程（ODEs）已经广泛地应用于研究药动学药效学(PK/PD)数据，但是它不能有效地描述系统误差和测量误差。在PK/PD研究中，研究者也发现药物血浆浓度和药效之间的关系不是即时的，药物浓度的改变和药效之间存在着滞后性。因此，本研究构造了一个基于随机微分方程（SDE）且带效应隔室的非线性模型，来描述单剂量静脉注射胰岛素后，血浆药物浓度和药效之间的关系。进一步，本文提出了基于密度函数的蒙特卡洛滤波方法(DMF)来估计模型中的不可观测变量，并且通过模拟实验与扩展的卡尔曼滤波(EKF)就不可观测量的估计效果进行了比较，结果表明，我们提出的方法即基于密度函数的蒙特卡洛滤波估计(DMF)，估计效果明显优于扩展的卡尔曼滤波（EKF）。同时我们还构建了一种稳健的估计方法来估计未知参数和对应平均绝对误差，我们改进了传统的遗传算法，加入了权重，作为加快收敛的调节器。最后，本文采用蒙特卡洛模拟方法生成2000个数据集进行研究。结果告诉我们，本文中提出的新方法较半参模化的估计更加准确。