Statistical Inference in a Stochast

Statistical Inference in a Stochastic Epidemic SEIR Model 1171
with different scenarios of what are important observed and
unobserved variables. The first step is to construct a probability
model for the disease to be studied and to investigate
parameter identifiability under the scenario of the available
data. The use of MCMC allows for numerical integration over
the distribution of unobserved variables. This is important
in achieving parameter estimates with standard errors that
realistically reflect increased uncertainty when variables are
unobserved. We illustrate the performance of our approach
by applying it to a data set of an outbreak of Ebola in the
Democratic Republic of Congo in 1995. Chowell et al. (2004)
considered only a part of the available data on this outbreak
for estimating the parameters of a set of deterministic SEIR
differential equations with a time-varying transmission rate to
allow for the control intervention. Their estimation approach
is based on simulating the solutions to the deterministic SEIR
equations and identifying the parameter values that minimize
the sum of squared errors between the observed and simulated
cumulative number of cases. The optimization process
was started from 10 different initial parameter values and the
reported parameter estimate is the one that resulted in the
smallest sum of squares of error.

ผลลัพธ์ (ไทย) 1:

ข้อสถิติในรูปแบบ SEIR แบบเฟ้นสุ่มเรื้อรัง 1171กับสถานการณ์ที่แตกต่างกันของสิ่ง สำคัญสังเกต และตัวแปร unobserved ขั้นตอนแรกคือการ สร้างความน่าเป็นแบบจำลองสำหรับโรคที่จะศึกษา และตรวจสอบidentifiability พารามิเตอร์ภายใต้สถานการณ์ของการข้อมูล ใช้ MCMC ช่วยให้รวมตัวเลขกว่าการกระจายของตัวแปร unobserved ซึ่งเป็นสิ่งสำคัญในการบรรลุการประเมินพารามิเตอร์ มีข้อผิดพลาดมาตรฐานที่แสดงความไม่แน่นอนที่เพิ่มขึ้นเมื่อตัวแปรจริงunobserved เราแสดงให้เห็นถึงประสิทธิภาพของวิธีการของเราโดยใช้ชุดข้อมูลการระบาดของอีโบลาในการสาธารณรัฐประชาธิปไตยคองโกในปี 1995 Chowell et al. (2004)พิจารณาเฉพาะส่วนของข้อมูลมีในการระบาดของโรคนี้การประมาณพารามิเตอร์ของชุด deterministic SEIRสมการเชิงอนุพันธ์ มีอัตราส่งข้อมูลเวลาแตกต่างกันไปอนุญาตให้ควบคุมแทรกแซง วิธีการประเมินขึ้นอยู่กับการจำลองวิธีการ deterministic SEIRสมการและหาค่าพารามิเตอร์ที่ลดผลรวมของข้อผิดพลาดที่ยกกำลังสองระหว่างการสังเกต และเลียนแบบกรณีสะสมจำนวน การเพิ่มประสิทธิภาพเริ่มต้นจากค่าพารามิเตอร์ต่าง ๆ เริ่มต้นที่ 10 และรายงานประเมินพารามิเตอร์ หนึ่งที่ทำให้เกิดการผลรวมกำลังสองของข้อผิดพลาดน้อยที่สุด

ผลลัพธ์ (ไทย) 2:

สถิติอนุมานในการระบาด Stochastic SEIR รุ่น 1171
กับสถานการณ์ที่แตกต่างกันของสิ่งที่มีความสำคัญที่สังเกตและตัวแปรสังเกต
ขั้นตอนแรกคือการสร้างความน่าจะเป็นรูปแบบการเกิดโรคที่จะได้รับการศึกษาและการตรวจสอบidentifiability พารามิเตอร์ภายใต้สถานการณ์ที่มีอยู่ข้อมูล การใช้ MCMC ช่วยให้การรวมตัวเลขมากกว่าการกระจายของตัวแปรสังเกต นี้เป็นสิ่งสำคัญในการบรรลุประมาณการพารามิเตอร์มีข้อผิดพลาดมาตรฐานที่แนบเนียนสะท้อนให้เห็นถึงความไม่แน่นอนที่เพิ่มขึ้นเมื่อมีตัวแปรที่ไม่มีใครสังเกต เราแสดงให้เห็นถึงประสิทธิภาพของวิธีการของเราโดยนำไปใช้กับชุดข้อมูลของการระบาดของอีโบลาในสาธารณรัฐประชาธิปไตยคองโกในปี1995 Chowell et al, (2004) ถือเป็นเพียงส่วนหนึ่งของข้อมูลที่มีอยู่ในการระบาดของโรคนี้ในการประมาณค่าพารามิเตอร์ของชุดเสอีร์ที่กำหนดสมการเชิงอนุพันธ์ที่มีอัตราการส่งเวลาที่แตกต่างที่จะอนุญาตให้มีการแทรกแซงการควบคุม วิธีการประมาณค่าของพวกเขาจะขึ้นอยู่กับการจำลองการแก้ปัญหาให้กับ SEIR กำหนดสมการและการระบุค่าพารามิเตอร์ที่ลดผลรวมของกำลังสองข้อผิดพลาดระหว่างการสังเกตและการจำลองจำนวนสะสมของกรณี การเพิ่มประสิทธิภาพเริ่มต้นจากค่าพารามิเตอร์เริ่มต้นที่แตกต่างกัน 10 และประมาณการพารามิเตอร์รายงานเป็นสิ่งหนึ่งที่ส่งผลให้ได้ผลรวมที่เล็กที่สุดของสแควร์ของข้อผิดพลาด

ผลลัพธ์ (ไทย) 3:

การอนุมานเชิงสถิติใน Stochastic ระบาดแบบจำลอง SEIR 1171
กับสถานการณ์ที่แตกต่างกันของสิ่งที่สำคัญก่อน
ตัวแปร unobserved . ขั้นตอนแรกคือการสร้างความน่าจะเป็น
รูปแบบโรคที่น่าศึกษา และเพื่อศึกษาค่า
identifiability ภายใต้สถานการณ์ของข้อมูลที่สามารถใช้ได้

ใช้ MCMC ให้บูรณาการเชิงตัวเลขมากกว่า
การแจกแจงของตัวแปร unobserved . นี้เป็นสิ่งสำคัญในการบรรลุค่าประมาณการมาตรฐาน

จริงสะท้อนให้เห็นถึงข้อผิดพลาดที่เพิ่มขึ้น ความไม่แน่นอน เมื่อตัวแปร
unobserved . เราแสดงให้เห็นถึงประสิทธิภาพของวิธีการของเราโดย
ใช้กับชุดข้อมูลของการระบาดของอีโบลาใน
สาธารณรัฐประชาธิปไตยคองโกในปี 1995 chowell et al . ( 2004 )
ถือว่าเป็นเพียงส่วนหนึ่งของข้อมูลนี้ระบาด
สำหรับประมาณค่าพารามิเตอร์ของชุดของการติดตั้งเครื่องเสอีร์
สมการเชิงอนุพันธ์ที่มีอัตราการส่ง

เวลาที่อนุญาตให้มีการแทรกแซงควบคุม ของการประเมินวิธีการ
ขึ้นอยู่กับผิวแก้สมการเสอีร์
เชิงกำหนดและระบุพารามิเตอร์ที่ลด
ผลรวมของกำลังสองและค่าความคลาดเคลื่อนระหว่างสังเกต
สะสมหลายกรณี กระบวนการเพิ่มประสิทธิภาพ
เริ่มต้นจาก 10 แตกต่างกันเริ่มต้นพารามิเตอร์และ
รายงานประมาณค่าพารามิเตอร์เป็นหนึ่งที่ทำให้ผลรวมเล็ก


ของสี่เหลี่ยมของข้อผิดพลาด