Статистическое прогнозирование динамики эпидемиологических показателей заболеваемости COVID-19 в Республике Беларусь

  • Юрий Семенович Харин Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь https://orcid.org/0000-0003-4226-2546
  • Валерий Анатольевич Волошко Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Оксана Владимировна Дернакова Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Владимир Ильич Малюгин Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь
  • Алексей Юрьевич Харин Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

Аннотация

Рассматривается актуальная задача статистического прогнозирования динамики основных эпидемиологических показателей пандемии COVID-19 в Республике Беларусь на базе наблюдаемых временных рядов. Для решения этой задачи предлагаются пять методов: метод прогнозирования на основе «скользящих трендов»; локально-медианный метод прогнозирования; метод прогнозирования на основе дискретных временных рядов; метод прогнозирования на основе векторной эконометрической модели коррекции ошибок; метод последовательного статистического анализа. Разработаны алгоритмы вычисления точечных и интервальных прогнозов для ключевых эпидемиологических показателей. Представлены численные результаты компьютерного прогнозирования на примере Республики Беларусь.

Биографии авторов

Юрий Семенович Харин, Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

член-корреспондент НАН Беларуси, доктор физико-математических наук, профессор;директор Научно-исследовательского института прикладных проблем математики и информатики БГУ, профессор кафедры математического моделирования и анализа данных факультета прикладной математики и информатики Белорусского государственного университета

Валерий Анатольевич Волошко, Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат физико-математических наук; старший научный сотрудник лаборатории математических методов защиты информации Научно-исследовательского института прикладных проблем математики и информатики БГУ, доцент кафедры математического моделирования и анализа данных факультета прикладной математики и информатики Белорусского государственного университета

Оксана Владимировна Дернакова, Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

младший научный сотрудник сектора компьютерного анализа данных лаборатории прикладной информатики

Владимир Ильич Малюгин, Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

кандидат физико-математических наук; доцент кафедры математического моделирования и анализа данных факультета прикладной математики и информатики

Алексей Юрьевич Харин, Научно-исследовательский институт прикладных проблем математики и информатики БГУ, пр. Независимости, 4, 220030, г. Минск, Беларусь; Белорусский государственный университет, пр. Независимости, 4, 220030, г. Минск, Беларусь

доктор физико-математических наук, доцент; заведующий кафедрой теории вероятностей и математической статистики факультета прикладной математики и информатики Белорусского государственного университета, главный научный сотрудник лаборатории статистического анализа и моделирования Научно-исследовательского института прикладных проблем математики и информатики БГУ

Литература

  1. Kondratyev MA. [Forecasting methods and models of disease spread]. Komp’yuternye issledovaniya i modelirovanie. 2013;5(5):863–882. Russian. DOI: 10.20537/2076-7633-2013-5-5-863-882.
  2. Hirk R, Kastner G, Vana L. Investigating the dark figure of COVID-19 cases in Austria: borrowing from the decode genetics study in Iceland. Austrian Journal of Statistics. 2020;49(5):1–17. DOI: 10.17713/ajs.v49i4.1142.
  3. Fanelli D, Piazza F. Analysis and forecast of COVID-19 spreading in China, Italy and France. Chaos, Solitons and Fractals. 2020;134:109841. DOI: 10.1016/j.chaos.2020.109761.
  4. Kharin Yu. Robustness in statistical forecasting. New York: Springer; 2013. 356 p.
  5. Kharin YuS, Voloshko VA, Medved EA. Statistical estimation of parameters for binary conditionally nonlinear autoregressive time series. Mathematical Methods of Statistics. 2018;27:103–118. DOI: 10.3103/S1066530718020023.
  6. Valoshka VA, Kharin YuS. [Semibinomial conditionally nonlinear autoregression models of discrete random sequences: probabilistic properties and statistical estimation of parameters]. Diskretnaya matematika. 2019;31(1):72–98. Russian. DOI: 10.4213/dm1561.
  7. Kharin Yu, Zhurak M. Analysis of spatio-temporal data based on Poisson conditional autoregressive model. Informatica. 2015;26(1):67–87. DOI: 10.15388/Informatica.2015.39.
  8. Maevskii VV, Kharin YuS. Robust regressive forecasting under functional distortions in a model. Automation and Remote Control.2002;63(11):1803–1820. DOI: 10.1023/A:1020959432568.
  9. Pashkevich MA, Kharin YuS. Robust estimation and forecasting for beta-mixed hierarchical models of grouped binary data. Statistics and Operations Research Transactions. 2004;28(2):125–160.
  10. Bol’shev LN, Smirnov NV. Tablitsy matematicheskoi statistiki [Mathematical statistics tables]. Moscow: Nauka; 1983. 512 p. Russian.
  11. Kharin YuS, Zuev NM, Zhuk EE. Teoriya veroyatnostei, matematicheskaya i prikladnaya statistika [Probability theory, mathematical and applied statistics]. Minsk: Belarusian State University; 2011. 465 p. Russian.
  12. Kharin YuS. Optimal’nost’ i robastnost’ v statisticheskom prognozirovanii [Optimality and robustness in statistical forecasting]. Minsk: Belarusian State University; 2008. 265 p. Russian.
  13. Kharin Yu. Statistical analysis of discrete-valued time series by parsimonious high-order Markov chains. Austrian Journal of Statistics. 2020;49(4):76–88. DOI: 10.17713/ajs.v49i4.1132.
  14. Kedem B, Fokianos K. Regression models for time series analysis. Wiley: Hoboken; 2002. 326 p.
  15. Malugin VI. Metody analiza mnogomernykh ekonometricheskikh modelei s neodnorodnoi strukturoi [Methods for analyzing multivariate econometric models with a heterogeneous structure]. Minsk: Belarusian State University; 2014. 351 p. Russian.
  16. Colizza V, Barrat A, Barthelemy M, Vespignani A. Predictability and epidemic pathways in global outbreaks of infectious diseases: the SARS case study. BMC Medicine. 2007;5:34. DOI: 10.1186/1741-7015-5-34.
  17. Engle RF, Granger CWJ. Co-integration and error correction: representation, estimation and testing. Econometrica. 1987;55(2):251–276. DOI: 10.2307/1913236. JSTOR 1913236.
  18. Kermack WO, McKendrick AG. Contributions to the mathematical theory of epidemics – I. Bulletin of Mathematical Biology. 1991;53(1–2):33–55. DOI: 10.1007/BF02464423.
  19. Kharin YuS, Malugin VI, Kharin AYu. Ekonometricheskoe modelirovanie [Econometric modeling]. Minsk: Belarusian State University; 2003. 313 p. Russian.
  20. Johansen S. Likelihood-based inference in cointegrated vector autoregressive models. 2nd edition. Oxford: Oxford University Press; 1995. 267 р.
  21. Kharin AYu. Robastnost’ baiesovskikh i posledovatel’nykh statisticheskikh reshayushchikh pravil [Robustness of Bayesian and sequential statistical decision rules]. Minsk: Belarusian State University; 2013. 207 p. Russian.
  22. Kharin A, Tu TT. Performance and robustness analysis of sequential hypotheses testing for time series with trend. Austrian Journal of Statistics. 2017;46(3–4):23–36. DOI: 10.17713/ajs.v46i3-4.668.
  23. Kharin AYu. An approach to asymptotic robustness analysis of sequential tests for composite parametric hypotheses. Journal of Mathematical Sciences. 2017;227(2):196–203. DOI: 10.1007/s10958-017-3585-z.
Опубликован
2020-12-08
Ключевые слова: прогнозирование, вероятностная модель, временной ряд, точечный прогноз, интервальный прогноз, COVID-19
Поддерживающие организации Исследование выполнено при финансовой поддержке Министерства образования Республики Беларусь. Авторы выражают благодарность кандидату физико-математических наук С. Н. Сталевской за разработку программы к разделу «Метод прогнозирования на основе “скользящих трендов”» данной статьи.
Как цитировать
Харин, Ю. С., Волошко, В. А., Дернакова, О. В., Малюгин, В. И., & Харин, А. Ю. (2020). Статистическое прогнозирование динамики эпидемиологических показателей заболеваемости COVID-19 в Республике Беларусь. Журнал Белорусского государственного университета. Математика. Информатика, 3, 36-50. https://doi.org/10.33581/2520-6508-2020-3-36-50
Раздел
Теория вероятностей и математическая статистика