基于Dirichlet模型的国内COVID-19疫情数据的Bayesian估计

摘要

对累计治愈病例数、现有重症病例数、累计病死病例数、现有轻症病例数的点估计与区间估计进行计算,在Bayesian框架下建立Dirichlet模型,共264个逐日概率指标(治愈概率、重症概率、病死概率及轻症概率)作为参数,通过MCMC方法完成参数的Bayesian估计,最后分别计算COVID-19逐日4个总量指标的点估计及区间估计.结果发现:264条MC链均收敛于各自的后验分布,最大MC误差与标准差的比值百分数仅为0.774 55%;除病死概率可信区间带略宽外,其他3个概率的可信区间带与点估计曲线几乎重合,逐日4个概率点估计最大误差限为3.07%;截至2020-03-28,4个总量指标点估计值分别为75 447.80、742.004 5、3 299.885、1 948.745例,与样本值几乎相等;95%CI分别为:(75 301.20,75 594.39)、(689.881 0,796.082 6)、(3 189.937,3 409.833)、(1 864.045,2 035.075).

关键词

COVID-19国内疫情数据 / 多项分布 / Dirichlet分布 / Gibbs抽样 / 区间估计