基于微分MDL变化统计检测变化符号用于COVID-19大流行分析
应用统计
2021-02-22 v2 信息论
math.IT
统计方法学
摘要
我们关注从数据流中检测变化及其符号的问题。例如，给定某地区COVID-19病例的时间序列，我们可通过检测病例变化的符号来发出暴发预警信号。我们提出了一种解决该问题的新方法。核心思想是采用一种我们称之为微分最小描述长度变化统计（D-MDL）的新信息论概念，用于度量变化符号的得分。我们首先给出D-MDL的基础理论，随后使用合成数据集证明其有效性。我们将其应用于检测COVID-19疫情的预警信号。我们实证表明，D-MDL能够发出诸如病例显著增减等事件的预警信号。值得注意的是，在37个研究国家中约的病例显著增长事件，我们的方法能平均早近六天检测到预警信号，为响应争取了相当长的时间。我们进一步将预警信号与基本再生数及社会疏远的时机相关联。结果表明，我们的方法能有效监测的动态，并证实了社会疏远在遏制地区疫情方面的有效性。我们得出结论：从数据科学视角看，我们的方法是一种有前景的大流行分析方法。实验软件可在 https://github.com/IbarakikenYukishi/differential-mdl-change-statistics 获取。在线检测系统可在 https://ibarakikenyukishi.github.io/d-mdl-html/index.html 获取。
引用
@article{arxiv.2007.15179,
title = {Detecting Change Signs with Differential MDL Change Statistics for COVID-19 Pandemic Analysis},
author = {Kenji Yamanishi and Linchuan Xu and Ryo Yuki and Shintaro Fukushima and Chuan-hao Lin},
journal= {arXiv preprint arXiv:2007.15179},
year = {2021}
}