• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Biostatistics (Oxford England) >Inference for discretely observed stochastic kinetic networks with applications to epidemic modeling
【2h】

Inference for discretely observed stochastic kinetic networks with applications to epidemic modeling

机译：离散观测的随机动力学网络的推论及其在流行病模型中的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a new method for Bayesian Markov Chain Monte Carlo–based inference in certain types of stochastic models, suitable for modeling noisy epidemic data. We apply the so-called uniformization representation of a Markov process, in order to efficiently generate appropriate conditional distributions in the Gibbs sampler algorithm. The approach is shown to work well in various data-poor settings, that is, when only partial information about the epidemic process is available, as illustrated on the synthetic data from SIR-type epidemics and the Center for Disease Control and Prevention data from the onset of the H1N1 pandemic in the United States.
机译：我们为某些类型的随机模型中基于贝叶斯马尔可夫链蒙特卡罗的推理提供了一种新方法，适用于对嘈杂的流行数据进行建模。为了有效地在Gibbs采样器算法中生成适当的条件分布，我们应用了马尔可夫过程的所谓的统一表示。结果表明，该方法在各种数据贫乏的环境中都可以很好地工作，也就是说，只有有关流行病过程的部分信息可用时，如SIR型流行病的综合数据和美国疾病预防控制中心的数据所示。 H1N1大流行在美国的发作。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号