工具书类
[1]J.A.Backer、D.Klinkenberg和W.Jacco，2019年武汉旅行者新型冠状病毒（2019-ncov）感染潜伏期，欧洲监管。25（2020），第5号，文章ID 2000062。10.2807/1560-7917.ES.2020.25.5.2000062在谷歌学者中搜索公共医学公共医学中心
[2]S.Brooks、A.Gelman、G.L.Jones和X.-L.Meng马尔可夫链蒙特卡罗手册，查普曼和霍尔/CRC Handb。国防部。统计方法，CRC出版社，博卡拉顿，2011年。201/10905年10月10日在谷歌学者中搜索
[3]P.de Valpine和J.Knape，根据队列数据估计一般多阶段模型，《农业杂志》。生物与环境。《统计》第20卷（2015年），第1期，第140–155页。2007年10月17日/13253-014-0189-7在谷歌学者中搜索
[4]K.Goel和A.Kumar，具有两个显式感知类、饱和发病率和治疗的时滞流行病模型的非线性动力学，非线性Dyn。101 (2020), 1693–1715.2007年10月10日/11071-020-05762-9在谷歌学者中搜索公共医学公共医学中心
[5]J.A.Hoeting、R.L.Tweedie和C.S.Olver，阶段频率数据的参数的变换估计，J.Amer。统计师。协会98（2003），第463、503–514号。10.1198/016214503000000288在谷歌学者中搜索
[6]J.Knape、K.M.Daane和P.De Valpine，重复队列普查下的阶段持续时间分布和死亡率估计，《生物统计学》70（2014），第2期，346–355。10.1111/生物多样性12138在谷歌学者中搜索公共医学
[7]J.Knape和P.De Valpine，根据队列数据对阶段结构发展的蒙特卡罗估计，《生态学》97（2016），第4期，992–1002。10.1890/15-0942.1在谷歌学者中搜索公共医学
[8]H.Pham和A.Branford，探索阶段常数和时间相关危险率中多阶段模型的参数关系，澳大利亚。N.Z.J.Stat.58（2016），第3号，357–376。10.1111/anzs.12164在谷歌学者中搜索
[9]H.Pham、D.Nur、H.T.T.Pham和A.Branford，多阶段模型参数估计的贝叶斯方法，通信统计。理论方法48（2019），第10期，2459–2482。10.1080/03610926.2018.1465090在谷歌学者中搜索
[10]H.Pham和H.T.Pham，具有线性时变风险率的多阶段模型的贝叶斯方法，蒙特卡罗方法应用。第25期（2019年），第4期，307–316页。2019-2021年10.1515/mcma在谷歌学者中搜索
[11]邱先生、胡先生和崔先生，双区间截尾下新冠肺炎潜伏期分布的参数估计，数学学报。申请。罪。43（2020），第2期，200–210。在谷歌学者中搜索
[12]B.Rai、A.Shukla和L.Dwivedi，新冠肺炎潜伏期：系统回顾和荟萃分析，《公共卫生杂志》30（2021），1-8。2007年10月10日/10389-021-01478-1在谷歌学者中搜索公共医学公共医学中心
[13]K.L.Q.Read和J.R.Ashford，生物有机体生命周期的模型系统，《生物特征55》（1968），第1期，211-221页。10.1093/生物组/55.1.211在谷歌学者中搜索
[14]C.P.Robert和G.Casella，用R引入蒙特卡罗方法，施普林格，纽约，2010年。10.1007/978-1-4419-1576-4在谷歌学者中搜索
[15]H.-J.Schuh和R.L.Tweedie，在时间演化模型中使用变换估计进行参数估计，数学。Biosci公司。45（1979年），第1-2期，第37-67页。10.1016/0025-5564(79)90095-6在谷歌学者中搜索
[16]Y.王，Zh。Wei和J.Cao，流感样疾病在复杂网络中传播的流行动力学，非线性Dyn。101 (2020), 1801–1820.2007年10月10日/11071-020-05867-1在谷歌学者中搜索
[17]尹敏忠、朱庆伟、陆克文，基于双间隔感知数据模型的covid-19潜伏期参数估计，非线性Dyn。106（2021年），第2期，1347-1358。10.1007/s11071-021-06587-w在谷歌学者中搜索公共医学公共医学中心
