Bayesian inference for stochastic epidemic models in structured populations

Abstract

Στόχος της παρούσας διπλωματικής ήταν η διερεύνηση του πλαισίου της Μπεϋζιανής στατιστικής συμπερασματολογίας, με την χρήση των στοχαστικών επιδημικών μοντέλων. Συγκεκριμένα, μελετήσαμε την επιδημική εξάπλωση μέσα σε δομημένους πληθυσμούς, εστιάζοντας σε ένα πληθυσμό χωρισμένο σε νοικοκυριά. Τα μοντέλα αυτά εφαρμόστηκαν σε πραγματικά δεδομένα από τα κρούσματα γρίπης στις ΗΠΑ και το Χονγκ-Κονγκ και συγκρίθηκαν με προηγούμενα μοντέλα. Ο αλγόριθμος ο οποίος γράφτηκε σε γλώσσα προγραμματισμού C είχε ως αποτέλεσμα υψηλά αποδοτικούς υπολογιστικούς χρόνους.The aim of the present thesis was to investigate the framework of Bayesian statistical inference in the context of stochastic epidemic models. In particular, we studied epidemic spread on structured populations, focusing upon a population partitioned into households. These models were tested on real data from influenza outbreaks in the USA and Hong-Kong and compared with previous methods. The algorithms were programmed in the C language resulting in highly efficient computational times.