Trevelyan J.麦金利。;尼尔，彼得;西蒙·斯宾塞（Simon E.F.Spencer）。;安德鲁·康兰（Andrew J.K.Conlan）。;劳伦斯·蒂利 部分观测过程的有效贝叶斯模型选择：应用于传染病的实验传播研究。 （英语） Zbl 1459.62207号 贝叶斯分析。 15，第3号，839-870（2020）. 摘要：禽流感等传染病对人类健康构成全球威胁。数学和统计模型可以提供对传染病传播和持续存在机制的关键见解，尽管它们的实用性与将这些模型充分校准为观测数据的能力有关。对这些系统执行鲁棒推理是一项挑战。基础模型表现出复杂的非线性动力学，再加上观察关键流行病学事件（如传播）的实际限制，这需要使用能够在多个隐藏状态上进行数值积分和/或推断缺失信息的推理技术。基于仿真的推理技术，如近似贝叶斯计算（ABC），在这一领域显示出了巨大的前景，因为它们依赖于合适的仿真模型的开发，与需要计算难以处理的似然函数的例程相比，这些模型通常更容易编码和推广。在本文中，我们对提高基于ABC的粒子马尔可夫链蒙特卡罗方法的效率做出了一些贡献，并展示了这些方法在贝叶斯框架中执行模型推理和模型比较的实用性。我们在两个模拟数据上说明了这些方法，以及转基因鸡中高致病性禽流感的实验传播研究的真实数据。 MSC公司： 62页第10页 统计学在生物学和医学科学中的应用；元分析 62英尺15英寸 贝叶斯推断 92C60型 医学流行病学 关键词：贝叶斯模型选择;传染病模型;部分观测过程;颗粒MCMC;近似贝叶斯计算 软件：贝叶斯DA;美国广播公司无线电频率 PDF格式BibTeX公司 XML格式引用 \textit{T.J.McKinley}等人，《贝叶斯分析》。15，第3号，839--870（2020；Zbl 1459.62207） 全文： 内政部 欧几里得 参考文献： [1] Akaike，H.（1974年）。“统计模型识别的新视角”，《IEEE自动控制汇刊》，AU-19:195-223·Zbl 0314.62039号 ·doi:10.1109/TAC.1974.1100705 [2] Alzahrani，N.、Neal，P.、Spencer，S.E.F.、McKinley，T.J.和Touloupou，P.（2018）。“计数数据时间序列的模型选择”，《计算统计与数据分析》，122:33-44·Zbl 1469.62013号 ·doi:10.1016/j.csda.2018.01.002 [3] Anderson，R.和May，R.（1991）。人类传染病。牛津大学出版社。 [4] Andrieu，C.、Doucet，A.和Holenstein，R.（2010年）。《粒子马尔可夫链蒙特卡罗方法》，英国皇家统计学会期刊，B辑（方法论），72（3）：269-342·Zbl 1411.65020号 ·文件编号：10.1111/j.1467-9868.2009.00736.x [5] Andrieu，C.和Roberts，G.O.（2009年）。“有效蒙特卡罗模拟的伪边缘方法”，《统计年鉴》，37（2）：697-725·Zbl 1185.60083号 ·doi:10.1214/07-AOS574 [6] Beaumont，M.A.（2003年）。“遗传监测人群中人口增长和下降的估计”，《遗传学》，164:1139-1160。 [7] Beskos，A.、Papaspiliopoulos，O.和Roberts，G.O.（2006年）。“扩散样品路径的回顾性精确模拟及其应用”，伯努利，12（6）：1077-1098·Zbl 1129.60073号 ·doi:10.3150/bj/1165269151 [8] Breiman，L.（2001）。《随机森林》，机器学习，45（1）：5-32·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324 [9] Del Moral，P.、Jasra，A.、Lee，A.、Yau，C.和Zhang，X.（2015）。“活性粒子过滤器及其在粒子马尔可夫链蒙特卡罗中的应用”，《随机分析与应用》，33（6）：943-974·Zbl 1337.82019年 ·doi:10.1080/07362994.2015.1060892 [10] Deligiannidis，G.、Doucet，A.和Pitt，M.K.（2018年）。“相关伪边际方法”，《皇家统计学会杂志：B辑（统计方法）》，80（5）：839-870·Zbl 1407.62074号 ·doi:10.1111/rssb.12280 [11] Devroye，L.（1986）。非均匀随机变量生成。纽约斯普林格·弗拉格·Zbl 0593.65005号 [12] Doucet，A.、de Freitas，N.和Gordon，N.（编辑）（2001年）。实践中的序贯蒙特卡罗方法。斯普林格·Zbl 0967.00022号 [13] Doucet，A.和Johansen，A.M.（2011年）。粒子过滤与平滑教程：十五年后。牛津大学出版社·Zbl 1513.60043号 [14] Drovandi，C.C.和McCutchan，R.A.（2016年）。“活的（SMC^2）：具有难以预测的可能性的低计数时间序列模型的贝叶斯模型选择”，《生物计量学》，72:344-353·Zbl 1419.62228号 ·doi:10.1111/biom.12449 [15] Drovandi，C.C.、Pettitt，A.N.和McCutchan，R.A.（2016）。“具有难以处理的可能性的低整数值时间序列模型的精确和近似贝叶斯推断”，贝叶斯分析，11（2）：325-352·Zbl 1359.62365号 ·doi:10.1214/15-BA950 [16] Gelman，A.、Carlin，J.B.、Stern，H.S.、Dunson，D.B.、Vehtari，A.和Rubin，D.B.（2013）。贝叶斯数据分析。查普曼和霍尔/CRC，第三版·Zbl 1279.62004号 [17] Gibson，G.J.和Renshaw，E.（1998年）。“使用马尔可夫链方法估计随机房室模型中的参数”，IMA医学与生物学数学应用杂志，15:19-40·兹比尔0916.92024 ·doi:10.1093/imammb/15.1.19 [18] Gilks，W.、Richardson，S.和Spiegelhalter，D.（编辑）（1996年）。马尔可夫链蒙特卡罗实践。查普曼和霍尔·Zbl 0832.00018号 [19] Gillespie，D.T.（1977年）。“耦合化学反应的精确随机模拟”，《物理化学杂志》，81（25）：2340-2361。 [20] Gordon，N.J.、Salmond，D.J.和Smith，A.F.M.（1993）。“非线性/非高斯贝叶斯状态估计的新方法”，《雷达与信号处理》，IEE Proceedings F.，140（2）：107-113。 [21] Hastings，W.（1970年）。“使用马尔可夫链的蒙特卡罗采样方法及其应用”，《生物特征》，57:97-109·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97 [22] Hoeting，J.A.、Madigan，D.、Raftery，A.E.和Volinsky，C.T.（1999）。“贝叶斯模型平均：教程”，《统计科学》，14（4）：382-417·Zbl 1059.62525号 ·doi:10.1214/ss/1009212519 [23] Jeffreys，H.（1935年）。“一些用概率论处理的意义测试”，《剑桥哲学学会学报》，31:203-222·Zbl 0011.31601号 ·doi:10.1017/S030500410001330X文件 [24] Jeffreys，H.（1961年）。概率论。牛津，第3版·Zbl 0116.34904号 [25] Jewell，C.P.、Kypraios，T.、Neal，P.和Roberts，G.O.（2009年）。“新发传染病的贝叶斯分析”，贝叶斯研究，4（4）：465-496·Zbl 1330.62395号 ·doi:10.1214/09-BA417 [26] Kass，R.E.和Raftery，A.E.（1995）。“贝叶斯因素”，《美国统计协会杂志》，90（430）：773-795·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572 [27] Keeling，M.J.和Rohani，P.（2008）。人类和动物传染病模型。普林斯顿大学出版社·Zbl 1279.92038号 [28] Lau，M.S.Y.、Marion，G.、Streftaris，G.和Gibson，G.J.（2014）。“流行病学和生态学时空系统的新模型诊断”，《皇家学会界面杂志》，11:e20131093。 [29] Lyall，J.、Irvine，R.M.、Sherman，A.、McKinley，T.J.、Núñez，A.、Purdie，A.、Outtrim，L.、Brown，I.H.、Rolleston Smith，G.、Sang，H.和Tiley，L.（2011年）。《抑制转基因鸡禽流感传播》，《科学》，331（6014）：223-226。 [30] Madigan，D.和Raftery，A.E.（1994年）。“使用Occam窗口的图形模型中模型选择和模型不确定性的计算”，《美国统计协会期刊》，89:1535-1546·Zbl 0814.62030号 ·doi:10.1080/01621459.1994.10476894 [31] Marin，J.-M.、Pillai，N.S.、Robert，C.P.和Rousseau，J.（2014）。“贝叶斯模型选择的相关统计数据”，《皇家统计学会期刊：B辑（统计方法）》，76（5）：833-859·Zbl 1411.62072号 ·doi:10.1111/rssb.12056 [32] Marjoram，P.、Molitor，J.、Plagnol，V.和Tavaré，S.（2003）。《没有可能性的马尔可夫链蒙特卡罗》，《美国国家科学院学报》，100（26）：15324-15328。 [33] McKinley，T.J.、Cook，A.R.和Deardon，R.（2009年）。“没有可能性的流行病模型推断”，《国际生物统计学杂志》，第5（1）页。 [34] McKinley，T.J.、Neal，P.、Spencer，S.E.F.、Conlan，A.J.K.和Tiley，L.（2019年）。“补充材料：部分观测过程的有效贝叶斯模型选择：应用于传染病的实验传播研究”，贝叶斯分析。 [35] McKinley，T.J.、Ross，J.V.、Deardon，R.和Cook，A.R.（2014）。“基于仿真的流行病模型贝叶斯推断”，《计算统计与数据分析》，71:434-447·Zbl 1471.62137号 ·doi:10.1016/j.csda.2012.12.012 [36] McKinley，T.J.、Vernon，I.、Andrianakis，I.，McCreesh，N.、Oakley，J.E.、Nsubuga，R.N.、Goldstein，M.和White，R.G.（2018年）。“复杂随机流行病模型的近似贝叶斯计算和基于模拟的推理”，《统计科学》，33（1）：4-18·Zbl 1407.62406号 ·doi:10.1214/17-STS618 [37] Metropolis，N.、Rosenbluth，A.、Rosenbruth，M.、Teller，A.和Teller（1953）。“用快速计算机器计算状态方程”，《化学物理杂志》，21:1087-1091·Zbl 1431.65006号 ·数字对象标识代码：10.1063/1.1699114 [38] Neal，P.和Huang，C.L.T.（2015）。“正向模拟马尔可夫链蒙特卡罗及其在随机流行病模型中的应用”，《斯堪的纳维亚统计杂志》，42:378-396·Zbl 1376.62086号 ·doi:10.1111/sjos.12111 [39] O'Neill，P.D.和Roberts，G.O.（1999）。《部分观测随机流行病的贝叶斯推断》，《皇家统计学会杂志》。A系列（概述），162:121-129。 [40] Papaspiliopoulos，O.和Roberts，G.O.（2008）。“Dirichlet过程层次模型的回顾性马尔可夫链蒙特卡罗方法”，《生物统计学》，95（1）：169-186·Zbl 1437.62576号 ·doi:10.1093/biomet/asm086 [41] Papaspiliopoulos，O.、Roberts，G.O.和Sköld，M.（2003）。分层模型和数据增强的非中心参数化，307-326。牛津大学出版社。 [42] Picchini，U.（2014）。“通过近似贝叶斯计算推断SDE模型”，《计算与图形统计杂志》，23（4）：1080-1100。 [43] Pudlo，P.、Marin，J.-M.、Estoup，A.、Cornuet，J.-M、Gautier，M.和Robert，C.P.（2016）。“通过随机森林进行可靠的ABC模型选择”，《生物信息学》，32（6）：859-866。 [44] Ratmann，O.、Jörgensen，O.，Hinkley，T.、Stumpf，M.、Richardson，S.和Wiuf，C.（2007）。“使用无相似性推理比较幽门螺杆菌和恶性疟原虫蛋白质网络的进化动力学”，《公共科学图书馆·计算生物学》，3（11）：e230。 [45] Raynal，L.、Marin，J.-M.、Pudlo，P.、Ribate，M.、Robert，C.P.和Estoup，A.（2017）。“贝叶斯参数推断的ABC随机森林”URLhttps://arxiv.org/pdf/1605.05537。 [46] Roberts，G.O.和Rosenthal，J.S.（2009年）。“自适应MCMC示例”，《计算与图形统计杂志》，18（2）：349-367。 [47] Sherlock，C.、Thiery，A.H.、Roberts，G.O.和Rosenthal，J.S.（2015）。“关于伪边缘随机行走大都会算法的效率”，《统计年鉴》，43（1）：238-275·Zbl 1326.65015号 ·doi:10.1214/14-AOS1278 [48] Sisson，S.、Fan，Y.和Tanaka，M.M.（2007年）。“没有可能性的连续蒙特卡罗”，《美国国家科学院学报》，104:1760-1765·兹比尔1160.65005 ·doi:10.1073/pnas.0607208104 [49] Solonen，A.、Ollinaho，P.、Laine，M.、Haario，H.、Tamminen，J.和Järvinen，H.（2012）。“气候模型参数估计的有效MCMC：并行自适应链和早期拒绝”，贝叶斯分析，7（3）：715-736·Zbl 1330.60091号 ·doi:10.1214/12-BA724 [50] Spiegelhalter，D.J.、Best，N.G.、Carlin，B.P.和van der Linde，A.（2002）。《贝叶斯模型复杂性和拟合度量》，《皇家统计学会杂志》。B系列（方法学），64（4）：583-639·Zbl 1067.62010年 ·数字对象标识代码：10.1111/1467-9868.00353 [51] Tavaré，S.、Balding，D.J.、Griffiths，R.和Donnelly，P.（1997）。“从DNA序列数据推断聚合时间”，《遗传学》，145:505-518。 [52] Toni，T.、Welch，D.、Strelkowa，N.、Ipsen，A.和Strumpf，M.P.（2009年）。“动力学系统中参数推断和模型选择的近似贝叶斯计算方案”，《皇家学会界面杂志》，6:187-202。 [53] Touloupou，P.、Alzahrani，N.、Neal，P.，Spencer，S.E.F.和McKinley，T.J.（2018年）。“使用MCMC和重要性抽样对缺失数据进行模型比较。”贝叶斯分析，13（2）：437-459·Zbl 1407.62085号 ·doi:10.1214/17-BA1057 [54] Tran，M.-N.、Kohn，R.、Quiroz，M.和Villani，M.（2017年）。“区块伪边际采样器。”技术报告。统一资源定位地址https://arXiv:1603.02485v5。 [55] Tran，M.-N.、Scharth，M.、Pitt，M.K.和Kohn，R.（2013）。“潜在变量模型中贝叶斯推断的重要性抽样平方。”URLhttps://arxiv.org/abs/1309.3339v3。 [56] R.威尔金森。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。