Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:0709.0406

帮助 | 高级搜索

统计学 > 应用

arXiv:0709.0406 (stat)
[提交于 2007年9月4日 ]

标题: 基于重采样的检测人传人传染病传播的检验方法

标题: A resampling-based test to detect person-to-person transmission of infectious disease

Authors:Yang Yang, Ira M. Longini Jr, M. Elizabeth Halloran
摘要: 早期发现人与人之间传播的新兴传染病(如禽流感)对于遏制大流行至关重要。 为此,我们开发了一种简单的置换检验及其改进版本。 模拟研究表明,改进后的置换检验在样本量较小时,其功效与基于渐近理论的传统检验相当甚至更胜一筹。 此外,我们的重抽样方法可以应用于许多传统渐近检验不可用或失效的问题。 我们还发现,如果这种疾病在人群中具有适度的传染性,那么只需少量病例即可获得相当高的统计功效。
摘要: Early detection of person-to-person transmission of emerging infectious diseases such as avian influenza is crucial for containing pandemics. We developed a simple permutation test and its refined version for this purpose. A simulation study shows that the refined permutation test is as powerful as or outcompetes the conventional test built on asymptotic theory, especially when the sample size is small. In addition, our resampling methods can be applied to a broad range of problems where an asymptotic test is not available or fails. We also found that decent statistical power could be attained with just a small number of cases, if the disease is moderately transmissible between humans.
评论: 发表于《Annals of Applied Statistics》(http://www.imstat.org/aoas/)DOI: 10.1214/07-AOAS105,作者机构为数理统计研究所(http://www.imstat.org)。
主题: 应用 (stat.AP)
引用方式: arXiv:0709.0406 [stat.AP]
  (或者 arXiv:0709.0406v1 [stat.AP] 对于此版本)
  https://doi.org/10.48550/arXiv.0709.0406
通过 DataCite 发表的 arXiv DOI
期刊参考: IMS-AOAS-AOAS105
相关 DOI: https://doi.org/10.1214/07-AOAS105
链接到相关资源的 DOI

提交历史

来自: Yang Yang [查看电子邮件]
[v1] 星期二, 2007 年 9 月 4 日 12:18:37 UTC (196 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
stat
< 上一篇   |   下一篇 >
新的 | 最近的 | 2007-09
切换浏览方式为:
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号