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