流行病贝叶斯分析——僵尸、流感与其他疾病
种群与进化
2013-11-28 v2 应用统计
摘要
流行病动力学的数学模型为预测和控制传染病提供了重要洞见。疾病模型的动力学通常遵循易感-感染-恢复（SIR）模型，并带有一些标准修正。本文扩展了 Munz 等人（2009）关于将疾病动力学应用于所谓“僵尸末日”的工作，随后将相同方法应用于流感动力学。与 Munz 等人（2009）不同，我们纳入了取自流行文化电影中僵尸特定描绘的数据，并对系统的改进动力学表示应用了马尔可夫链蒙特卡洛（MCMC）方法。为证明此方法的有用性，除了这个有趣的例子之外，我们将相同的方法论应用于谷歌趋势（Google Trend）流感数据，以确定感染率和恢复率。最后，我们讨论了利用这些方法探索关于疾病爆发的假设性干预政策。
引用
@article{arxiv.1311.6376,
title = {Bayesian Analysis of Epidemics - Zombies, Influenza, and other Diseases},
author = {Caitlyn Witkowski and Brian Blais},
journal= {arXiv preprint arXiv:1311.6376},
year = {2013}
}
备注
16 pages, 6 figures, 2 tables. Corrected email address typo from previous version