Loading...
- Type of Document: M.Sc. Thesis
- Language: Farsi
- Document No: 46532 (04)
- University: Sharif University of Technology
- Department: Physics
- Advisor(s): Ejtehadi, Mohammad Reza
- Abstract:
- Different models describing the procedure of epidemics are complicated and involving numerous factors. Some of these models that used a stochastic network for modelling epidemics had been successful in statistical prediction of spreading epidemics. However, in many cases there is no direct way to determine parameters of these models. In this thesis it has been desired to estimate those parameters based on historical data of epidemics To estimate structural parameters, concerning epidemic network, two independent inference have been studied. In the first inference, the probability of disease transmission from one person to another is estimated.
In the second, using Bayesian inference, distribution of the parameters of epidemic models is estimated in a society with stochastic structure. The first inference, while having numerous samples, can estimate epidemic parameters very well. As increasing samples, the accuracy of estimating parameters grow. Considering the result of the second inference proved that this inference only has utility for analyzing correlation of model parameters and comparing different groups of data
- Keywords:
- Random Networks ; Inverse Solution ; Epidemic ; Social Networks ; Parameter Estimation
-
محتواي کتاب
- view
- مقدمه
- مرور ادبیات
- شبکههای ارتباطی انتقال بیماری
- شبکههای ارتباطی
- شبکههای انتقال
- تابع درستنمایی
- قضیه بیز
- استنباط بیزی
- شبیهسازی مونتکارلو
- ضعف مدل شبیهسازی مونتکارلو
- مونت کارلو زنجیرهی مارکوف @xt = MCMC
- شبکههای ارتباطی انتقال بیماری
- تعریف مسئله
- استنباط جزئی
- مدل گسترش
- دادههای پیشفرض
- پارامترهای مدل
- استنباط بیزین
- مدل گسترش
- دادههای پیشفرض
- پارامترهای مدل
- استنباط جزئی
- روش کار
- استنباط جزئی
- تابع درستنمایی
- خواص تابع درستنمایی
- روش حداکثر درستنمایی و الگوریتم یافتن نقطهی بیشینه
- استنباط بیزین
- تابع درستنمایی و پارامترهای نهفته
- قضیهی بیز و فرآیند نمونهگیری
- الگوریتم @xt = MCMC و نمونهگیری کلی
- استنباط جزئی
- نتایج و تحلیل نتایج
- استنباط جزئی
- بررسی همگرا شدن الگوریتم به نقطه بیشینه
- آزمون روش در حالات فرین
- خطا و حساسیت آن به حجم دادهها
- بهینه کردن مدل با استفاده از دادههای جدید
- استنباط بیزین
- آزمون روش در حالت ساده
- تمایز میان اپیدمیهای مختلف
- بررسی تابعیت نتایج به پارامتر r الگوریتم
- استنباط جزئی
- نتیجهگیری
- استنباط جزئی
- استنباط بیزین
