SIRS模型的异质性学习：在COVID-19中的应用
应用统计
2020-07-17 v1 物理与社会
种群与进化
摘要
我们提出了一种针对易感-感染-移除-易感（SIRS）模型的贝叶斯异质性学习方法，该方法允许不同地区最新冠状病毒（COVID-19）的传播率、恢复率和免疫丧失率存在潜在的聚类模式。我们提出的方法同时提供参数估计与聚类信息的推断，其中聚类信息包含聚类数目与聚类配置。具体而言，我们的关键思想是将SIRS模型表述为层次形式，并为异质性学习分配有限混合混合先验。我们检验了所提模型的性质，并使用马尔可夫链蒙特卡洛采样算法从后验分布中采样。进行了广泛的模拟研究以检验所提方法的经验性能。我们进一步将所提方法应用于分析美国州一级的COVID-19数据。
引用
@article{arxiv.2007.08047,
title = {Heterogeneity Learning for SIRS model: an Application to the COVID-19},
author = {Guanyu Hu and Junxian Geng},
journal= {arXiv preprint arXiv:2007.08047},
year = {2020}
}