针对COVID-19的随机SEIR系统的最大似然估计
统计方法学
2021-11-30 v1 概率论
应用统计
摘要
疫情数据驱动模型的参数估计是一项关键任务。在某些情况下，我们通过适当的噪声项描述不确定性可建立更好的模型。然而，由于信息有限且不完整，（一般而言）此类模型会导致难以处理的似然函数。在此，我们说明了随机 SEIR 模型的扩展如何通过基于其确定性模型、用于统计墨西哥城报告确诊 COVID-19 病例的被高估 MCMC 方案，改善不确定性量化。利用一种处理缺失数据的特定机制，我们开发了随机模型部分参数的 MLE，从而改进了对实际数据方差的描述。
引用
@article{arxiv.2111.14261,
title = {Maximum likelihood estimation for a stochastic SEIR system for COVID-19},
author = {Fernando Baltazar-Larios and Francisco Delgado-Vences and Saul Diaz-Infante},
journal= {arXiv preprint arXiv:2111.14261},
year = {2021}
}
备注
28 pages, 3 figures