×
安德鲁·卡普兰;Park，Junhyung公园;科诺·克雷辛;弗雷德里克·勋伯格

递归点过程的非参数估计及其在宾夕法尼亚州流行性腮腺炎中的应用。 （英语） Zbl 1523.62136号

生物。J。 64，第1号，20-32（2022）.

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

霍克斯过程;传染病;腮腺炎;递归点过程;自激点过程

软件：

github
PDF格式BibTeX公司 XML格式引用
\textit{A.Kaplan}等人，《生物》。J.64，编号1，20--32（2022；Zbl 1523.62136）
全文： 内政部

参考文献：

[1] Balderama，E.、Schoenberg，F.P.、Murray，E.和Rundel，P.W.（2012）。分枝点过程模型在哥斯达黎加入侵红香蕉植物研究中的应用。《美国统计协会杂志》，107（498），467-476·Zbl 1261.62103号
[2] 疾病控制和预防中心。(2011). 疫苗覆盖水平——美国，1962-2009年。《粉色书》（第11版）。作者。
[3] 疾病控制和预防中心。（2019）流行病学和疫苗可预防疾病的预防。《粉色书》（第13版）。作者。
[4] Clements，R.A.、Schoenberg，F.P.和Veen，A.（2012年）。使用超细化法评估时空点过程模型。环境计量学，23（7），606-616。
[5] Dubé，E.、Vivion，M.和MacDonald，N.（2015）。疫苗犹豫、疫苗拒绝和反疫苗运动：影响、影响和影响。疫苗专家审评，14（1），99-117。
[6] Elflein，J.（2019）。1970年至2017年，美国每10万人口中新增腮腺炎病例。统计局。https://www.statista.com/statistics/186404/cases-of-mumps-in-the-us-since-1970
[7] Gordon，J.（2017）。nphawkes R包，版本0.1。https://github.com/mrjoshuagordon/nphawkes
[8] Gordon，J.S.、Clements，R.A.、Schoenberg，F.P.和Schorlemmer，D.（2015）。Voronoi残差和其他残差分析应用于CSEP地震预报。空间统计，14b，133-150。
[9] 霍克斯，A.（1971）。一些自激和相互激点过程的谱。《生物特征》，58（1），83-90·Zbl 0219.60029号
[10] Kelly，D.，Park，J.，Harrigan，R.，Hoff，N.，Lee，S.，Wannier，S.R.，Selo，B.，Massoko，M.，Njoloko，B.，Okitolonda‐Wemakoy，E.，Mbala‐Kingebeni，P.，Rutherford，G.，Smith，T.，Ahuka‐Mundeke，S..，Muyembe‐Tamfum，J.J.，Rimoin，A.W.，&Schoenberg，F.P.（2019年）。使用霍克斯点过程模型实时预测2018-2019年刚果民主共和国埃博拉病毒疫情暴发。流行病，28，100354。
[11] Kermack，W.O.和McKendrick，A.G.（1927年）。对流行病数学理论的贡献。伦敦皇家学会会刊A：数学、物理和工程科学，115700-721。
[12] Kirchner，M.和Bercher，A.（2018年）。霍克斯过程与最大似然估计比较的非参数估计程序。《统计计算与模拟杂志》，881106-1116·Zbl 07192594号
[13] Kong，Q.，Rizoiu，M.‐A。，谢磊（2020）。通过广义流行病模型，将信息与自激过程进行级联建模。《WSDM’20:ACM网络搜索和数据挖掘国际会议》，德克萨斯州休斯顿（第286-294页）。ACM公司。
[14] Kresin，C.、Schoenberg，F.和Mohler，G.（2020年）。霍克斯和SEIR模型对Covid‐19传播的比较。统计科学。出现。
[15] Lewis，E.和Mohler，G.O.（2011年）。多尺度Hawkes过程的非参数EM算法。非参数统计杂志，1（1），1-20。
[16] Lewnard，J.A.和Grad，Y.H.（2018年）。美国疫苗减少和腮腺炎再次出现。科学转化医学，10（433），eaao5945。
[17] Li，Y.，Liu，X.，&Wang，L.（2018）。模拟中国大陆流行性腮腺炎的传播动力学和控制。《国际环境研究与公共卫生杂志》，15（1），33。
[18] Marsan，D.和Lengliné，O.（2008）。通过连锁反应扩大地震影响范围。《科学》，319（5866），1076-1079。
[19] Meyer，S.、Elias，J.和Hohle，M.（2012）。侵袭性脑膜炎球菌病发生的时空条件强度模型。生物统计学，68（2），607-616·兹比尔1274.92034
[20] Meyer，S.和Held L.，（2014）。传染病传播的幂律模型。应用统计年鉴，8（3），1612-1639·Zbl 1304.62135号
[21] Mohler，G.O.（2014）。芝加哥凶杀案和枪支犯罪预测的标记点过程热点地图。国际预测杂志，30491。
[22] Mohler，G.O.、Short，M.B.、Brantingham，P.J.、Schoenberg，F.P.和Tita，G.E.（2011年）。犯罪的自激点过程建模。《美国统计协会杂志》，106（493），100-108·Zbl 1396.62224号
[23] Ogata，Y.（1978年）。平稳点过程极大似然估计的渐近行为。统计数学研究所年鉴，30（2），243-261·兹比尔0451.62067
[24] Ogata，Y.（1988年）。地震发生的统计模型和点过程的残差分析。美国统计协会杂志，83（401），9-27。
[25] Ogata，Y.（1998年）。地震发生的时空点过程模型。统计数学研究所年鉴，50（2），379-402·Zbl 0947.62061号
[26] Park，J.、Chaffee，A.、Harrigan，R.和Schoenberg，F.P.（2020年）。埃博拉病毒在西非传播的非参数霍克斯模型。应用统计学杂志。提前在线发布。https://doi.org/10.1080/02664763.2020.1825646。 ·Zbl 07549080号 ·doi:10.1080/02664763.2020.1825646
[27] Porter，A.T.和Oleson，J.J.（2013）。用于一般潜伏和感染时间分布的特定路径SEIR模型。生物统计学，69（1），101-8·兹比尔1272.62077
[28] M.‐A.Rizoiu。，Mishra，S.、Kong，Q.、Carman，M.和Xie，L.（2018年）。SIR‐霍克斯：将流行病模型和霍克斯过程与有限人群中的扩散模型联系起来。2018年WWW：2018年万维网会议记录（第419-428页）。ACM公司。
[29] Schoenberg，F.P.（2003）。地震发生点过程模型的多维残差分析。《美国统计协会杂志》，98789-795。
[30] Schoenberg，F.P.（2013）。便于估计ETAS。美国地震学会公报，103（1），601-605。
[31] Schoenberg，F.P.、Hoffmann，M.和Harrigan，R.（2019年）。传染病的递归点过程模型。《统计数学研究所年鉴》，71（5），1271-1287·Zbl 1433.62076号
[32] Shmueli，G.和Lichtendahl，K.（2016）。R的实际时间序列预测（第二版）。阿克塞尔罗德·施纳尔（Axelrod Schnall），佛罗里达州格林科夫泉（Green Cove Springs）。
[33] Stoyan，D.和Grabarnik，P.（1991年）。与Gibbs点过程相关的随机结构的二阶特征。Mathematische Nachrichten，151，95-100·Zbl 0726.60047号
[34] 世界银行。(2019). 出生时的预期寿命，总计（年）-美国。作者。
[35] Van Panhuis，W.、Cross，A.和Burke，D.（2018年）。美国报告的腮腺炎数量：1923‐2017（版本2.0，4月1日）：第谷项目数据发布，https://doi.org/10.25337/T7/ptycho.v2.0/US.36989005 ·doi:10.25337/T7/ptycho.v2.0/US.36989005
[36] Veen，A.和Schoenberg，F.P.（2008）。使用EM型算法估计地震学中的时空分支过程模型。《美国统计协会杂志》，103（482），614-624·Zbl 1469.86010号
[37] Wang，J.（2019）。加利福尼亚州球虫病传播的点过程模型（硕士论文）。加州大学洛杉矶分校统计系。
[38] Wheatley，S.、Filimonov，V.和Sornette，D.（2014）。使用EM算法估计更新移民的Hawkes过程。瑞士金融研究所研究论文，14-53。
[39] Yang，A.S.（2019）。使用递归点过程和SEIR模型对百日咳的传播动力学进行建模（硕士论文，加利福尼亚大学洛杉矶分校统计系）。
[40] Yang，Y.、Etesami，J.和Kiyavash，N.（2017）。多元Hawkes过程的在线学习。神经信息处理系统进展，304938-4947。
[41] Zhung，J.和Mateu，J.（2019年）。犯罪数据周期背景下的半参数时空Hawkes型点过程模型。《皇家统计学会期刊A辑》，皇家统计学会，182（3），919-942。
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。