جستجوی مقالات مرتبط با کلیدواژه "birth-death process" در نشریات گروه "ریاضی"
تکرار جستجوی کلیدواژه «birth-death process» در نشریات گروه «علوم پایه»-
در این مقاله یک توزیع فوق هندسی تعمیم یافته که به کمک فرایند تولد- مرگ و برای مدل بندی داده های بیوانفورماتیک ساخته شده است را در نظر می گیریم. تحت برقراری بعضی شرایط، یک سیستم معادلات درست نمایی را به دست می آوریم که جواب حاصل از آن منطبق بر برآوردگرهای بیشینه درست نمایی پارامترهای مورد نظر است. یک روش تقریبی همراه با بررسی شبیه سازی برای برآورد پارامترها ارایه می شود. هم چنین به منظور ارایه کاربردهای این توزیع، سه نوع داده واقعی در بیوانفورماتیک را با توزیع مورد نظر برازش داده و نتایج را با استفاده از شاخص های آماری با چهار توزیع گسسته دیگر مقایسه می کنیم که بر این اساس ملاحظه می شود توزیع فوق هندسی تعمیم یافته نسبت به چهار توزیع گسسته دیگر مدل مناسب تری است.
کلید واژگان: توزیع فوق هندسی تعمیم یافته, فرایند تولد - مرگ, بیوانفورماتیک, برآورد بیشینه درست نمایی, روش مونت کارلوی زنجیر مارکفی (MCMC).کد موضوع بندی ریاضی (2010): 10F62, 30F62, 10P62, 28J60In this paper, we consider a three parametric regularly varying generalized Hypergeometric distribution which have been generated by Birth-Death process for describing phenomena in bioinformatics (Danielian and Astola, 2006). Under satisfying some conditions, we obtain the system of likelihood equations which its solution coincides with the maximum likelihood estimators. The given maximum likelihood estimators are the same as some moment estimators.Moreover, an approximate computation of the maximum likelihood estimations for the unknown parameters is given. Using MCMC, simulation studies are proposed. Finally, in order to present applications, some real data sets in bioinformatics are fitted with the model. Based on some important criterions, this model is compared with four other discrete distributions in bioinformatics. We see that the generalized Hypergeometric distribution provides a better fit than four other discrete distributions.
Keywords: Generalized Hypergeometric Distribution, Birth-Death Process, Bioinformatics, Maximum likelihood estimation (MLE), Markov Chain Monte Carlo (MCMC) -
International Journal of Mathematical Modelling & Computations, Volume:10 Issue: 2, Spring 2020, PP 133 -140The emergence of corona virus (COVID-19) has create a great public concern as the outbreak is still ongoing and government are taking actions such as holiday extension, travel restriction, temporary closure of public work place, borders, schools, quarantine/isolation, social distancing and so on. To mitigate the spread, we proposed and analyzed a stochastic model for the continue spread of corona virus (COVID-19) dynamics considering the impact of vaccination among susceptible, exposed and quarantine cases. The difference and differential-difference equations for the dynamics of (COVID-19) were derived and simulated with available parameters using stochastic simulation (Gillespie Algorithm). The study adopts Continues–Time Birth and Death stochastic process and the probability distribution describing the dynamics of coronavirus was derived and simulated which shows an exponential decay over time. As the time increase, the probability of coronavirus incidents decline to zero. We therefore conclude that vaccination has an impact of 20% among susceptible, exposed and quarantine cases.Keywords: Corona virus, Birth-Death process, Vaccination, Stochastic Simulation, Differential-Difference equations
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.