基于不完美检测的贝叶斯 Beta-二项患病率估计
应用统计
2020-09-14 v1 统计计算
摘要
继 [Diggle 2011, Greenland 1995] 之后，我们给出了一个基于人群不可靠检测的患病率参数贝叶斯后验密度的简单公式。当假阳性检测率接近被检测人群的患病率时，该问题尤为重要。我们提出了一种高效的蒙特卡洛算法来近似后验密度，并将其应用于利用 [Bendavid 2020] 中报告的数据估计加州圣克拉拉县的 Covid-19 感染率。我们表明，真实的贝叶斯后验在零附近具有明显更多的质量，得出的患病率估计为 5,000--70,000 例感染（中位数：42,000）（2.17%（95CI 0.27%--3.63%）），而 [Bendavid 2020] 使用 delta 方法得出的估计为 48,000--81,000 例感染。带有代码和额外示例的演示可在 testprev.com 获取。
引用
@article{arxiv.2009.05446,
title = {Bayesian Beta-Binomial Prevalence Estimation Using an Imperfect Test},
author = {Jonathan Baxter},
journal= {arXiv preprint arXiv:2009.05446},
year = {2020}
}