乔巴德·杰夫，A。;托莫夫，L.P。;维列夫。;德日科夫，G。;V·马内夫。;梅斯特，P。 关于新冠肺炎疫情的变化。 （英语） Zbl 07742664号 J.应用。斯达。 50，编号11-12，2343-2359（2023）. 摘要：新冠肺炎疫情对社会产生了非常严重的影响，并在全球范围内造成了大规模的经济变化和死亡人数。第一批病例是在中国发现的，但很快病毒在全球范围内迅速传播，在最初的这段时间里，几乎所有地方新报告的感染强度都很高。后来，尽管采取了所有措施，但在2020年至2022年的两年时间里，感染强度突然发生了多次变化，在世界各地几乎都造成了一波又一波的感染率过高。为了解决这个问题，我们假设数据的异质性是随着多个连续的制度变化而变化的。该研究包括开发基于自动状态变化检测的模型，并将其与长期数据拟合的线性出生-死亡过程相结合。根据2020年2月至2022年4月期间38个国家和美国各州的数据，对结果进行了实证验证。最后，对感染发展的初始阶段（条件）特性进行了研究。 引用于1文件 MSC公司： 62至XX 统计 60J85型 分支过程的应用 62-07 数据分析（统计）（MSC2010） 关键词：新冠肺炎;线性生灭过程;变化点分析;分支过程的统计推断 软件：github;变点;质量（R） PDF格式BibTeX公司 XML格式引用 \textit{A.Tchorbadjieff}等人，J.Appl。Stat.50，No.11--122343-2359（2023；Zbl 07742664） 全文： 内政部 链接 参考文献： [1] Alabdulrazzaq，H。；Alenezi，M.N。；Rawajfih，Y。；Alghannam，B.A。；Al-Hassan，A.A。；Al-Anzi，F.S.，关于基于Arima的新型冠状病毒传播预测的准确性，物理结果。，27 (2021) [2] Allen，L.J.S.，《随机传染病模型入门：公式化、数值模拟和分析》，《传染病》。疾病。型号。，2, 128-142 (2017) [3] 艾伦，L.J.S。；Jr，G.L.，确定性和随机流行病模型中的灭绝阈值，J.Biol。动态。，6, 590-611 (2012) ·Zbl 1447.92388号 [4] 阿萨迪，M。；Di Crescenzo，A。；萨贾迪，F.A。；Spina，S.，广义Gompertz增长模型及其应用和相关的出生-死亡过程，Ric。材料，1-36（2020）·兹比尔1529.92038 [5] Athreya，K。；Nay，P.，《分支过程》（1972），《斯普林格·弗拉格：斯普林格尔·弗拉格》，柏林·Zbl 0259.60002号 [6] 俄歇，I。；Lawrence，C.E.，段邻域最佳识别算法，布尔。数学。《生物学》，51，39-54（1989）·Zbl 0658.92010号 [7] 球，F。；Britton，T。；Leung，K.Y。；Sirl，D.，具有预防性边缘下降的随机sir网络流行病模型，J.Math。生物学，78，1875-1951（2019）·兹比尔1415.92167 [8] B.本杰明。；Pollard，J.，《死亡率和其他精算统计分析》（1980年），Butterworth-Heinemann有限公司：Butterworth-Heinnemann有限责任公司，牛津 [9] Brock，K.和Slade，D.，Poisson（模拟同质和非同质泊松过程。r包版本1.0）。可在https://CRAN.R-project.org/package=poisson。 [10] 陈，J。；Gupta，A.，《关于变化点检测和估计》，Commun。统计模拟。计算。，30, 665-697 (2013) ·Zbl 1008.62726号 [11] Chowell，G。；Sattenspiel，L。；班萨尔，S。；Viboud，C.，《表征早期疫情增长的数学模型：综述》，《物理学》。生活评论，18，66-97（2016） [12] Csorgo，M。；Horváth，L.，《变点分析中的极限定理》（1997），John Wiley&Sons Ltd:John Willey&Sons有限公司，英国·Zbl 0884.62023号 [13] Das，S.K。；Sujit，B.，《对印度、埃及马哈拉施特拉邦新冠肺炎影响的地理空间评估研究》。J.远程。传感空间科学。，25, 221-232 (2022) [14] 董，E。；杜，H。；Gardner，L.，《柳叶刀感染》，实时跟踪新型冠状病毒肺炎的交互式网络仪表板。数字化信息系统。，20, 533-534 (2020) [15] Frees，E.W.，《精算和金融应用的回归建模》（2010），剑桥大学出版社：剑桥大学出版社，剑桥·Zbl 1284.62010年 [16] Harris，T.，《分支过程理论》（1963年），《Springer-Verlag:Springer-Verlag》，柏林·Zbl 0117.13002号 [17] 海里恩，O。；Yanev，N.M.，《细胞种群的分支随机进化模型》，生物数学。社区。，6, 78-95 (2019) [18] B.杰克逊。；Scargle，J.D。；巴恩斯，D。；Arabhi，S。；Alt，A。；Gioumousis，P。；Tsai，T.T.，一种在区间上对数据进行最优划分的算法，IEEE信号处理。莱特。，12, 105-108 (2005) [19] 詹姆斯·G。；维滕，D。；哈斯蒂，T。；Tibshirani，R.，《统计学习导论》（2013），纽约斯普林格出版社：纽约斯普林格出版社·Zbl 1281.62147号 [20] 基利克，R。；Eckley，I.，《变更点：用于变更点分析的R包》，J.Stat.Softw。，58, 1-19 (2014) [21] 基利克，R。；费恩黑德，P。；Eckley，I.A.，具有线性计算成本的变化点最佳检测，美国统计协会，107，1590-1598（2012）·Zbl 1258.62091号 [22] 新墨西哥州林顿。；小林，T。；Yang，Y。；Hayashi，K。；Akhmetzhanov，A.R。；Jung，S.M。；Nishiura，H.，2019年新型冠状病毒右截断感染的潜伏期和其他流行病学特征：公开病例数据的统计分析，J.Clin。医学，9538（2020） [23] 劳埃德·史密斯，J.O。；施赖伯，S.J。；科普，体育。；Getz，W.M.，《超传播和个体变异对疾病发生的影响》，《自然》，438，355-359（2005） [24] Mayster，P。；Tchorbadjieff，A.，具有随机初始条件的超临界马尔可夫分支过程，C.R.Acad。凸起。科学。，72, 21-28 (2019) ·Zbl 1438.60110号 [25] Meyers，L.，《接触网络流行病学：邦德渗流在传染病预测和控制中的应用》，公牛。美国数学。Soc.，44，63-86（2007年）·Zbl 1106.92061号 [26] 米托夫，K。；Yanev，N。；Hyrien，O.，具有非均匀泊松迁移的多类型分支过程，高级应用。概率。，50, 211-228 (2018) ·Zbl 1431.60100号 [27] Page，E.S.，未知点参数变化测试，Biometrika，42，523-527（1955）·Zbl 0067.11602号 [28] Prompetchara，大肠杆菌。；凯特洛伊，C。；Palaga，T.，《新冠肺炎的免疫反应和潜在疫苗：从亚洲sars和mers疫情中吸取的教训》。派克靴。过敏免疫学杂志。，38, 1-9 (2020) [29] 斯科特·A·J。；Knott，M.，《方差分析中分组均值的聚类分析方法》，《生物统计学》，第30期，第507-512页（1974年）·Zbl 0284.62044号 [30] 塞瓦西亚诺夫，B.，《分支过程》（俄语）（1971年），瑙卡：瑙卡，莫斯科·Zbl 0238.60001号 [31] 斯特利克，M。；Kisel’ák，J。；Dinamarca，A。；阿尔瓦拉多，E。；广场，F。；麦地那，F。；斯特利科娃，S。；马雷克·J。；Venegas，B.公司。；加伊多什，A。；Li，Y.，Redacs：有效管理新冠肺炎的区域应急驱动适应性集群抽样，斯托克。分析。申请。，1-35 (2022) [32] Tchorbadjieff，A。；Mayster，P.，随机初始条件下临界出生-死亡过程诱导的模型，J.Appl。统计，47，2862-2878（2020）·兹比尔1521.62496 [33] Tomov，L.、Angelov，S.和Tchorbadjieff，A.，保加利亚新冠肺炎的年龄特异性死亡风险，载于《计算机科学与教育》。Sci，T.Zlateva和R.Goleva编辑，新保加利亚大学，索非亚，2021年，第1-24页。 [34] J.H.大学，系统科学与工程中心（csse）的COVID-19数据存储库。可在https://github.com/CSSEGISandData/COVID-19，最后一次出现于2022年11月23日。 [35] 韦纳布尔斯，W.N。；里普利，B.D.，《现代应用统计学与S》（2002），施普林格：施普林格，纽约州纽约市·Zbl 1006.62003号 [36] 杨伟，《传染病疫情预警：理论与实践》（2017），学术出版社，爱思唯尔公司：学术出版社，伦敦 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。