მეთოდის აღწერა
მეთოდის აღწერა
ჩვენი
მოდელი გულისხმობს, რომ
გადამდები ავადმყოფების
განაწილება დროში არ არის
დამოკიდებული კალენდარულ
დროზე. ინფექციის გადაცემას
ჩვენ ვმოდელირებთ როგორც
პუასონის პროცესს, ანუ ალბათობა
იმისა, რომ 
მომენტში
ინფიცირებული დააინფიცირებს
ვინმეს მომავალში ტოლია
,
სადაც 
არის
მყისირი რეპროდუქციის
კოეფიციენტი [1]. მაშინ პირობითი
ალბათობა იმისა, რომ t
მომენტში იქნრბა დამზერილი
It
შემთხვევა არის:
წინასწარი
ალბათობა მოიცემა გამა-განაწილებით,
რომლის პარამეტრებია (
).
გავრცელების ალბათობას ws ვიღებთ ვეიბულის (Weibul Distribution) განაწილებას, რომლის საშუალოა 4.7 დღე ხოლო საშუალო კვადრატული გადახრა 2.9 დღე [2].
მაშინ,
ბაიესის მიდგომით რეპროდუქციის
კოეფიციენტის 
,
აპოსტერიორული განაწილება
მოიცემა ფორმულით
რომელშიდაც პარამეტრის მნიშვნელობად ვიღებთ =7 [1].
მაშინ
აღიწერება გამა განაწილებით,
რომლის პარამეტრებია.
[1] Cori A, Ferguson NM, Fraser C, Cauchemez S. A new framework and software to estimate time-varying reproduction numbers during epidemics. Am J Epidemiol. 2013;178(9):1505–12. doi: http://dx.doi.org/10.1093/aje/kwt133.
[2] Nishiura H., Linton N. M., Akhmetzhanov A., Serial interval of novel coronavirus (COVID-19) infections,
International Journal of Infectious Diseases, Volume 93, 2020, Pages 284-286, https://doi.org/10.1016/j.ijid.2020.02.060.
Comments
Post a Comment