对流行病学驱动的连续时间马尔可夫链模型仿真进行全局敏感性分析
统计方法学
2024-07-26 v5 统计理论
统计理论
摘要
本文将 Navarro Jimenez 等人（2016）在化学反应网络框架下提出的方法应用于对流行病学驱动的连续时间马尔可夫链模型仿真进行全局敏感性分析。我们的目标不仅是量化不确定参数（如流行病参数：传播率、各 compartment 的平均停留时长）的影响，还要量化内在随机性以及流行病参数与内在随机性之间交互作用的影响。为此，遵循 Navarro Jimenez 等人的提议，我们利用三种最先进的连续时间马尔可夫链精确仿真算法，并将其与 Sobol（1993）引入的基于方差的敏感性分析常用工具相结合。此外，我们讨论了用于仿真的仿真算法选择对敏感性分析结果的影响。至少据我们所知，这样的讨论是新颖的。在数值部分，我们基于某 SARS-CoV-2 流行病模型的不同精确仿真算法的仿真实现并比较了三种敏感性分析。
引用
@article{arxiv.2202.07277,
title = {Performing global sensitivity analysis on simulations of a continuous-time Markov chain model motivated by epidemiology},
author = {Henri Mermoz Kouye and Gildas Mazo and Clémentine Prieur and Elisabeta Vergu},
journal= {arXiv preprint arXiv:2202.07277},
year = {2024}
}