Efficient MCMC for temporal epidemics via parameter reduction
Efficient MCMC for temporal epidemics via parameter reduction
复制标题
DOI：
10.1016/j.csda.2014.07.002
复制
发表时间：
2014-12-01
影响因子：
1.8
通讯作者：
Neal, Peter
中科院分区：
文献类型：
--
作者：
Xiang, Fei;Neal, Peter
介绍了一种高效、通用且易于使用的马尔可夫链蒙特卡罗 (MCMC) 算法，用于部分观测的时间流行病模型。该算法被设计为自适应的，因此非专家也可以轻松使用。该算法包含两个关键特征来开发有效的算法：参数减少和增强感染时间的高效、多次更新。该算法成功应用于两个现实生活中的流行病数据集：阿巴卡利基天花数据和2001年英国坎布里亚郡的口蹄疫数据。 (C) 2014 Elsevier B.V. 保留所有权利。
An efficient, generic and simple to use Markov chain Monte Carlo (MCMC) algorithm for partially observed temporal epidemic models is introduced. The algorithm is designed to be adaptive so that it can easily be used by non-experts. There are two key features incorporated in the algorithm to develop an efficient algorithm, parameter reduction and efficient, multiple updates of the augmented infection times. The algorithm is successfully applied to two real life epidemic data sets, the Abakaliki smallpox data and the 2001 UK foot-and-mouth epidemic in Cumbria. (C) 2014 Elsevier B.V. All rights reserved.