应用于俄亥俄州COVID-19疫情的无似然动力学生存分析
种群与进化
2022-08-02 v1 偏微分方程分析
动力系统
物理与社会
定量方法
摘要
动力学生存分析（DSA）是一种基于平均场动力学应用于个体（智能体）层面感染与恢复历史的疫情建模框架。近来，DSA已被证明是分析复杂非Markov疫情过程的有效工具，这类过程用标准方法难以处理。DSA的优势之一是将典型疫情数据以简单但不显式的形式表示，其中涉及某些微分方程的解。本工作中，我们描述了借助适当的数值与统计方案，将复杂非Markov DSA模型应用于特定数据集的方法。这些思想以俄亥俄州COVID-19疫情的数据实例加以说明。
引用
@article{arxiv.2208.00417,
title = {Likelihood-Free Dynamical Survival Analysis Applied to the COVID-19 Epidemic in Ohio},
author = {Colin Klaus and Matthew Wascher and Wasiur R. KhudaBukhsh and Grzegorz A. Rempala},
journal= {arXiv preprint arXiv:2208.00417},
year = {2022}
}
备注
27 pages, 7 figures. Manuscript under submission for publication