WBR-2019年

WBR-2019:支持论文的代码:部分观察流行病模型的贝叶斯模型判别。针对一类广泛的连续时间Markov链模型,提出了一种有效的贝叶斯模型选择方法,并将其应用于流行病学中的两个重要问题。第二个问题是确定感染性问题在症状出现之前还是表现在同一时期;其次是确定它们在感染期之前的表现形式。在这两种情况下,我们都表明,在大多数情况下,可以从小群体中多次暴发的症状发作数据中确定正确的模型。该方法的工作原理是使用粒子滤波器来评估似然性,该滤波器结合了针对部分观测的连续时间Markov链设计的新的重要抽样算法。这与另一种重要抽样方法相结合,对模型证据进行无偏估计。这些都带有精度估计,允许使用停止标准。我们的方法是通用的,可以应用于生物和流行病学系统中具有难以处理的似然函数的广泛的模型选择问题。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换