用于传染病流行的 SIR 图增长模型
应用统计
2014-02-06 v2 种群与进化
机器学习
摘要
本文的主要目的是引入一个图值随机过程，以模拟传染性疾病的传播。我们所提倡的 SIR 模型的主要新颖之处在于，流行病发生的社会网络并非预先指定，而是随时间演化，从而 accounted for 涉及感染个体的相互作用的时序演变。在不假设存在固定底层网络模型的情况下，所引入的随机过程以灵活且现实的方式描述了非均匀混合且可能异质的人群中的流行病传播。文章展示了如何利用基于图值统计量的近似贝叶斯计算 (Approximate Bayesian Computation) 方法来拟合此类（参数化）模型。最后，将文中描述的统计概念和方法应用于真实的流行病数据集，即古巴在存在接触者追踪系统的情况下 HIV 的传播数据，该系统使得重构 1986 年至 2006 年间被诊断为 HIV 阳性的性伴侣图的演化成为可能。
引用
@article{arxiv.1312.2565,
title = {An SIR Graph Growth Model for the Epidemics of Communicable Diseases},
author = {Charanpal Dhanjal and Stéphan Clémençon},
journal= {arXiv preprint arXiv:1312.2565},
year = {2014}
}
备注
A few minor corrections and tidy of references. arXiv admin note: text overlap with arXiv:0810.0896 by other authors