针对 COVID-19 大流行数据的参数化建模方法
统计理论
2021-09-15 v1 统计理论
摘要
偏度问题在临床试验和生存数据中十分常见，这一直是不同灵活分布推导与提出的研究焦点。因此，我们在 Rayleigh Lomax 分布的基础上构造了一种称为扩展 Rayleigh Lomax 分布的新分布，以捕捉部分生存数据的过度性。我们利用 Jones (2004) 提出的 beta logit 函数推导该新分布。获得了该分布的一些统计性质，如概率密度函数、累积密度函数、可靠率、风险率、反向风险率、矩生成函数、似然函数、偏度、峰度和变异系数。我们还通过最大似然法对模型参数进行期望估计；采用 Anderson Darling (AD)、Cramer Von Misses (CVM)、Kolmogorov Smirnov (KS)、Akaike 信息准则 (AIC)、Bayesian 信息准则 (BIC) 和一致性 Akaike 信息准则 (CAIC) 等拟合优度与模型选择准则，从所考虑的模型中选取更优分布。统计准则的结果表明，相较于其他竞争模型，所提分布对尼日利亚各州 COVID-19 死亡病例数据具有更好的表征性能。
引用
@article{arxiv.2109.06254,
title = {Parametric Modeling Approach to COVID-19 Pandemic Data},
author = {N. I. Badmus and O. Faweya and S. A. Ige},
journal= {arXiv preprint arXiv:2109.06254},
year = {2021}
}
备注
The paper is 14 pages with 2 figures and 2 tables inclusive