部分观测随机流行病模型的贝叶斯因子
统计计算
2017-10-16 v1 统计方法学
摘要
我们考虑在随时间对疾病爆发进行部分观测的情况下，随机流行病模型的模型选择问题。我们的主要关注点是贝叶斯因子的使用。尽管贝叶斯因子此前已出现在流行病建模文献中，但它们可能难以计算，且关于其效用的基本问题鲜少受到关注。在本文中，我们推导了在随时间完整观测情况下的贝叶斯因子解析表达式，这为模型选择问题提供了实用指南。我们扩展了用于计算贝叶斯因子的幂后验方法，以处理缺失数据，并将该方法应用于部分观测的流行病。作为比较，我们还探讨了用于缺失数据场景的偏差信息准则的使用。通过涉及模拟数据和真实数据的示例对这些方法进行了说明。
引用
@article{arxiv.1710.04977,
title = {Bayes factors for partially observed stochastic epidemic models},
author = {Muteb Alharthi and Theodore Kypraios and Philip D. O'Neill},
journal= {arXiv preprint arXiv:1710.04977},
year = {2017}
}