مجلة رؤى اقتصادية
Volume 12, Numéro 2, Pages 149-164
2022-12-31
Analyse De La Distribution Spatiale De La Mortalité Par Covid-19 En Algérie En 2020 : Une Approche D’estimation Par L’algorithme De Metroplis-langevin Ajusté
Auteurs : Asri Ayoub . Iferroudjene Cylia .
Résumé
Les méthodes bayésiennes se sont considérablement développées au cours des deux dernières décennies, notamment dans le domaine de la santé publique. Les avancées des méthodes de Monte Carlo par chaines de Markov (MCMC) ont permis à la modélisation bayésienne d'être énormément utilisée par les chercheurs. L'un des derniers ajouts à la famille MCMC est l'algorithme de Metropolis-Langevin Ajusté (MALA). MALA a l'avantage d'incorporer des équations différentielles stochastiques dans l'algorithme Metropolis classique. L'ajout d'une équation de diffusion à l'algorithme MCMC a amélioré la précision de ces algorithmes. Cependant, cette méthode consomme encore énormément de temps jusqu'à la convergence. La combinaison de MALA avec des données spatiales surfaciques est maintenant l'un des outils puissants pour résoudre certains problèmes épidémiologiques. Dans cet article, nous passons en revue l'analyse des données spatiales surfaciques avec l'algorithme MALA et présentons une application sur l'occurrence du COVID-19 en Algérie au cours de l'année 2020.
Mots clés
Analyse bayésienne ; Modèles spatiaux ; Incidence du COVID-19 ; MALA ; Modélisation hiérarchique ; Analyse bayésienne ; Modèles spatiaux ; Incidence du COVID-19 ; MALA ; Modélisation hiérarchique ; Modèles spatiaux ; Incidence du COVID-19 ; MALA ; Modélisation hiérarchique
Les articles similaires
Asri Ayoub
.
Benamirouche Rachid
.
pages 261-277.
Belkacem Nacer Meriem
.
pages 94-126.
Nourdine Daoudi
.
pages 535-552.
Hulin M.
.
pages 38-53.
Bouhentala Oussama Wail
.
Kadir Mohamed Yazid
.
Lamdjadani Nouredinne
.
Rezzoug Souhila
.
Benzarour Nour El Houda
.
Bellatrache Houda
.
Debbari Naredjas
.
Gaouaoui Ahmed
.
Belatache Fouzia
.
pages 38-48.
