【技术实现步骤摘要】
本专利技术涉及计算机科学与，具体涉及一种基于bootstrap算法的基本再生数估值方法。
技术介绍
1、bootstrap方法是一种非参数统计技术，通过对原始数据集进行多次有放回的随机抽样来生成大量重复的样本。这种方法不依赖于传统的假设检验，而是通过大量重复抽样来生成多个模拟样本，并计算这些样本的统计量，以此来近似原统计量的抽样分布，从而可以计算出置信区间并进行假设检验。基本再生数是传染病学中用于评估某种传染病在完全没有免疫力的人群中传播能力的指标，其值表示在没有任何干预措施的情况下，一个感染者在其传染期内平均能够感染的健康人数。
2、传统的基本再生数计算方法通常依赖于精确的参数输入，如传染率、易感人群数量和恢复率等，但这些参数在实际应用中往往难以准确获取，尤其是在新发传染病或数据不完整的情况下。此外，传统方法通常难以提供估计值的不确定性信息，例如置信区间。尽管bootstrap方法适用于小样本，但是当样本量过小时，重复的抽样过程会导致结果的代表性不高，置信区间不稳定。
3、因此，本专利技术旨在提出一种基于boo...
【技术保护点】
1.基于Bootstrap算法的基本再生数估值方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于Bootstrap算法的基本再生数估值方法，其特征在于，步骤1中相关数据提取，通过查阅文献，提取所需的多个基本再生数数据。
3.根据权利要求1所述的基于Bootstrap算法的基本再生数估值方法，其特征在于，步骤2中的评估数据量，确保分析的适用性。对提取的数据进行量的评估，评估所提取的样本数据量是否符合Bootstrap方法所需的最小样本量标准。
4.根据权利要求1所述的基于Bootstrap算法的基本再生数估值方法，其特征在...
【技术特征摘要】
1.基于bootstrap算法的基本再生数估值方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于bootstrap算法的基本再生数估值方法，其特征在于，步骤1中相关数据提取，通过查阅文献，提取所需的多个基本再生数数据。
3.根据权利要求1所述的基于bootstrap算法的基本再生数估值方法，其特征在于，步骤2中的评估数据量，确保分析的适用性。对提取的数据进行量的评估，评估所提取的样本数据量是否符合bootstrap方法所需的最小样本量标准。
4.根据权利要求1所述的基于bootstrap算法的基本再生数估值方法，其特征在于，步骤3中样本量(n)小于bootstrap方法最小样本量(n)时，根据数据分布随机生成数据集，当n≥n时，无需生成。具体为，
<...【专利技术属性】
技术研发人员：刘思宇，柴瑞宇，郭瑞芳，张珊，曲世芳，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。