在疫情暴发的早期阶段，新增病例的指数增长率的变化是评估防控措施有效性的关键指标。建立合适的似然函数对于准确估计增长率至关重要。为此，我们基于线性随机SEIR模型推导了新增病例数的概率生成函数，并给出了其均值与方差的表达式。通过数值模拟，我们发现二项分布或负二项分布能较好地近似新增病例的分布。尽管二项分布或负二项分布为新增病例的分布提供了良好的近似，但如何选择最合适的模型来估计增长率仍具挑战性。我们评估了负二项回归模型和隐马尔可夫模型（HMM）在估计流行病初期增长率中的表现。利用已知参数模拟的每日新增病例数据，我们通过马尔可夫链蒙特卡洛（MCMC）方法对模型进行拟合。结果表明，HMM生成的95%的置信区间对真实增长率的覆盖概率更高。
报告人简介：
蒙特利尔大学博士后，研究方向为生物数学；2020年硕士毕业于东华大学，2025年博士毕业于维多利亚大学。在基于传染链的随机接触传染病模型等方面取得了突出成果。
