🧬 biology

Bayesian Inference in Epidemic Modelling: A Beginner's Guide

Dieses Vorlesungsskript bietet eine Einführung in die bayessche Inferenz und MCMC-Methoden zur Parameterschätzung in Epidemiemodellen, indem es am Beispiel des klassischen SIR-Modells die Likelihood-Funktion herleitet, Priori-Verteilungen festlegt und den Metropolis-Hastings-Algorithmus zur Posterior-Schätzung implementiert.

Ursprüngliche Autoren: Augustine Okolie

Veröffentlicht 2026-03-17

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Augustine Okolie

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

🦠 Seuchen-Detektive: Wie man das Unsichtbare mit Wahrscheinlichkeiten findet

Stell dir vor, du bist ein Detektiv, der versucht, herauszufinden, wie schnell sich ein neues Virus in einer Stadt ausbreitet. Du hast keine genauen Zahlen. Du siehst nur verworrene, unvollständige Berichte aus den Krankenhäusern (die "Daten"). Deine Aufgabe ist es, zwei geheime Zahlen zu erraten:

Wie ansteckend ist das Virus? (Wie oft steckt ein Infizierter jemanden an?)
Wie schnell wird man wieder gesund? (Wie lange bleibt man infektiös?)

Das ist das Problem, das dieses Papier löst. Es erklärt, wie man mit einer Methode namens Bayes'sche Inferenz diese geheimen Zahlen nicht einfach "errät", sondern berechnet, wie wahrscheinlich sie sind.

1. Das Grundgerüst: Die SIR-Maschine (Das SIR-Modell)

Bevor wir raten können, brauchen wir ein Modell. Das Papier nutzt das SIR-Modell. Stell dir die Bevölkerung als einen großen Raum voller Menschen vor, die in drei Gruppen unterteilt sind:

S (Susceptible/Anfällige): Die Gesunden, die noch nichts gehört haben.
I (Infectious/Infektiöse): Die, die gerade krank sind und andere anstecken.
R (Recovered/Genesene): Die, die genesen sind und immun sind (wie ein Schild).

Das Virus ist wie ein unsichtbarer Strom, der Menschen von S nach I und dann nach R schiebt.

Die Geschwindigkeit, mit der S zu I werden, nennen wir β (Beta).
Die Geschwindigkeit, mit der I zu R werden, nennen wir γ (Gamma).

Das Problem: Wir sehen nur die Menschen, die gerade krank sind (I), aber wir kennen Beta und Gamma nicht. Wir müssen sie aus den verrauschten Daten zurückrechnen.

2. Der alte Weg vs. Der neue Weg (Frequentisten vs. Bayes)

Früher (der "Frequentistische" Ansatz) hätten die Wissenschaftler versucht, eine einzige perfekte Zahl zu finden. Sie hätten gesagt: "Beta ist genau 0,3!" und fertig. Das ist wie ein Schütze, der nur einen einzigen Schuss abgibt und hofft, dass er das Ziel trifft.

Der Bayes'sche Weg (dieses Papier) sagt: "Nein, wir wissen nicht genau, was es ist. Aber wir können eine Wahrscheinlichkeitskarte zeichnen."

Die Analogie: Stell dir vor, du suchst nach einem verlorenen Hund in einem großen Park.
- Frequentist: "Der Hund ist genau hier!" (und zeigt auf einen Punkt).
- Bayes: "Der Hund ist wahrscheinlich hier im Gebüsch, vielleicht auch ein bisschen weiter rechts, aber ganz sicher nicht im See." Er gibt dir eine Karte mit Wahrscheinlichkeitswolken.

Das ist mächtiger, weil es Unsicherheit zulässt. Es sagt nicht nur "Beta ist 0,3", sondern "Beta liegt mit 95% Wahrscheinlichkeit zwischen 0,28 und 0,32". Das ist für Politiker viel wichtiger, um Entscheidungen zu treffen.

3. Die drei Zutaten des Bayes-Rezepts

Um diese Wahrscheinlichkeitskarte zu zeichnen, braucht man drei Dinge:

Der Vorwissen (Prior): Bevor du auch nur einen Blick auf die Daten wirfst, hast du schon eine Ahnung. Du weißt zum Beispiel, dass ein Virus nicht in 1 Sekunde alle tötet (Gamma ist nicht unendlich groß) und nicht in 1000 Jahren niemanden ansteckt (Beta ist nicht 0). Das ist dein "Bauchgefühl" oder Vorwissen.
Die Daten (Likelihood): Dann schaust du auf die echten Zahlen (z. B. "Heute waren 50 Leute krank"). Du fragst: "Wie gut passt mein Modell zu diesen Zahlen?" Wenn dein Modell die 50 Leute genau vorhersagt, ist die "Likelihood" hoch.
Das Ergebnis (Posterior): Jetzt mischst du dein Vorwissen mit den neuen Daten. Das Ergebnis ist deine aktualisierte Überzeugung.
- Beispiel: Wenn du dachtest, das Virus sei harmlos (Prior), aber die Daten zeigen eine Explosion von Fällen (Daten), wird dein neues Bild (Posterior) sagen: "Okay, es ist viel gefährlicher als gedacht, aber wir sind uns noch nicht zu 100% sicher."

4. Der Zaubertrick: Der wandernde Bergsteiger (MCMC)

Hier wird es technisch, aber die Idee ist genial einfach.
Das Problem: Um die perfekte Wahrscheinlichkeitskarte zu berechnen, müsste man eine mathematische Aufgabe lösen, die so komplex ist, dass kein Computer sie direkt ausrechnen kann (ein "unlösbares Integral").

Die Lösung: Man nutzt einen Algorithmus namens MCMC (Markov Chain Monte Carlo).

Die Analogie: Stell dir vor, du bist ein blindes Bergsteiger in einer nebligen Landschaft. Die Höhe des Berges repräsentiert, wie "wahrscheinlich" eine Kombination aus Beta und Gamma ist. Der höchste Gipfel ist die beste Schätzung.
- Du stehst irgendwo.
- Du machst einen kleinen Schritt in eine zufällige Richtung.
- Regel 1: Wenn du bergauf gehst (die Wahrscheinlichkeit steigt), bleibst du dort stehen.
- Regel 2: Wenn du bergab gehst (die Wahrscheinlichkeit sinkt), gehst du trotzdem manchmal weiter, aber nur mit einer gewissen Wahrscheinlichkeit. (Warum? Damit du nicht in einem kleinen Hügel stecken bleibst, sondern den höchsten Gipfel findest).
- Du machst das 10.000 Mal.

Am Ende siehst du, wo du die meiste Zeit verbracht hast. Da warst du am häufigsten, weil dort der höchste Berg (die beste Lösung) ist. Du musst den Berg nicht von oben sehen; du musst nur wissen, wo deine Fußabdrücke am dichtesten liegen.

5. Was das Papier am Ende zeigt

Das Papier simuliert eine Seuche mit einem Computer, fügt dann "Rauschen" hinzu (als wären die Daten ungenau) und lässt den "Bergsteiger-Algorithmus" laufen.

Das Ergebnis: Der Algorithmus findet fast genau die richtigen Zahlen zurück, mit denen die Seuche simuliert wurde.
Die Unsicherheit: Er zeigt auch, wie breit die Wahrscheinlichkeitswolke ist. Wenn die Daten sehr verrauscht sind, wird die Wolke breit (wir sind uns unsicher). Wenn die Daten klar sind, wird sie schmal (wir sind uns sicher).
Der Test: Am Ende prüft das Papier: "Wenn wir die gefundenen Zahlen nehmen und eine neue Seuche simulieren, sieht das dann so aus wie die echten Daten?" Wenn ja, hat das Modell funktioniert.

Zusammenfassung für den Alltag

Dieses Papier ist wie ein Leitfaden für Detektive, die mit unvollständigen Beweisen arbeiten.
Es lehrt uns:

Wir können nie wissen, was genau passiert, aber wir können die Wahrscheinlichkeiten berechnen.
Wir kombinieren unser Vorwissen mit neuen Daten.
Wir nutzen einen Computer-Algorithmus (den wandernden Bergsteiger), um die besten Antworten zu finden, ohne die Mathematik direkt lösen zu müssen.
Am Ende erhalten wir nicht nur eine Zahl, sondern eine Sicherheitszone, die uns sagt, wie sicher wir uns sein können.

Das ist besonders wichtig bei Seuchen: Wenn man weiß, dass die Zahl der Infizierten "wahrscheinlich zwischen 100 und 200 liegt" (statt nur "150"), kann man besser entscheiden, ob man die Schulen schließt oder nicht.

Technische Zusammenfassung: Bayessche Inferenz in der epidemiologischen Modellierung

Titel: A Beginner's Guide to Bayesian Inference in Epidemic Modelling: Illustrated with the SIR Model
Autor: Augustine Okolie, PhD (Mathematik)
Kontext: Vorlesungsnotizen zur mathematischen Epidemiologie und Bayesschen Statistik (arXiv:2603.15175v1).

1. Problemstellung

Das zentrale Problem bei der Modellierung von Epidemien (z. B. COVID-19, Influenza, Ebola) ist die Unsicherheit der Modellparameter. Epidemiologen müssen Parameter wie die Infektionsrate ( $\beta$ ) und die Genesungsrate ( $\gamma$ ) aus verrauschten, unvollständigen oder unvollständig gemeldeten Daten ableiten.

Der traditionelle Frequentistische Ansatz zielt darauf ab, einen einzelnen „besten" Parameterschätzwert (z. B. Maximum Likelihood Estimation) zu finden und liefert oft nur Punktschätzungen mit Konfidenzintervallen. Dies hat zwei wesentliche Nachteile:

Es integriert schwerwiegend Vorwissen (z. B. aus früheren Studien oder biologischen Grenzen).
Es liefert keine vollständige Verteilung der Plausibilität der Parameter, sondern nur eine Punktschätzung.

Das Papier argumentiert, dass der Bayessche Ansatz überlegen ist, da er die Unsicherheit quantifiziert, indem er die gesamte Posterior-Verteilung der Parameter berechnet, anstatt nur einen einzigen Wert.

2. Methodik

Die Arbeit verbindet deterministische epidemiologische Modelle mit stochastischer Inferenz. Der methodische Rahmen gliedert sich in vier Hauptschritte:

A. Das SIR-Modell (Deterministischer Kern)

Das Modell unterteilt die Population $N$ in drei Kompartimente:

S (Susceptible): Anfällige Individuen.
I (Infectious): Infektiöse Individuen.
R (Recovered): Genesene/Immune Individuen.

Die Dynamik wird durch ein System gewöhnlicher Differentialgleichungen (ODEs) beschrieben:
$\frac{dS}{dt} = -\beta \frac{SI}{N}, \quad \frac{dI}{dt} = \beta \frac{SI}{N} - \gamma I, \quad \frac{dR}{dt} = \gamma I$
Da diese Gleichungen keine geschlossene analytische Lösung besitzen, werden numerische Integrationsverfahren (z. B. Euler oder Runge-Kutta 4) verwendet, um die Epidemiekurven zu simulieren.

B. Bayessche Inferenz-Setup

Nach dem Satz von Bayes wird die Posterior-Verteilung $P(\theta | y)$ berechnet:
$P(\theta | y) = \frac{P(y | \theta) \cdot P(\theta)}{P(y)}$

$\theta = (\beta, \gamma)$ : Die zu schätzenden Parameter.
$P(\theta)$ (Prior): Vorwissen über die Parameter (im Beispiel: Gleichverteilung über biologisch sinnvolle Bereiche).
$P(y | \theta)$ (Likelihood): Die Wahrscheinlichkeit der beobachteten Daten gegeben die Parameter.
- Rauschmodell: Es wird additives Gaußsches Rauschen angenommen ( $I_{obs} = I_{model} + \epsilon$ ).
- Die Log-Likelihood entspricht der Minimierung der Summe der quadrierten Residuen (Least Squares), was die Verbindung zur klassischen Regression herstellt.
$P(y)$ (Evidenz): Eine Normalisierungskonstante, die jedoch für die Berechnung oft nicht explizit benötigt wird.

C. Markov Chain Monte Carlo (MCMC)

Da das Integral zur Berechnung der Evidenz $P(y)$ für komplexe Modelle wie SIR analytisch nicht lösbar ist, wird MCMC eingesetzt, um Stichproben aus der Posterior-Verteilung zu ziehen.

Algorithmus: Der Metropolis-Hastings-Algorithmus wird vorgestellt.
- Ein neuer Parametervektor $\theta'$ wird vorgeschlagen (z. B. durch einen Gaußschen Zufallsweg).
- Die Akzeptanzwahrscheinlichkeit $\alpha$ wird berechnet: $\alpha = \min(1, \frac{P(y|\theta')P(\theta')}{P(y|\theta)P(\theta)})$ .
- Kritischer Vorteil: Die intractable Normalisierungskonstante $P(y)$ kürzt sich im Zähler und Nenner heraus.
Burn-in: Die ersten Iterationen der Kette werden verworfen, bis die Kette die stationäre Verteilung erreicht hat.

D. Validierung

Trace Plots: Zur Überprüfung der Konvergenz der Kette.
Posterior Predictive Checks: Simulation neuer Datensätze basierend auf den gezogenen Posterior-Parametern, um zu prüfen, ob das Modell die beobachteten Daten tatsächlich abbilden kann.

3. Ergebnisse

Das Papier demonstriert die Methode anhand eines synthetischen Beispiels:

Setup: Eine Population von $N=1000$ , wahre Parameter $\beta^*=0.3$ und $\gamma^*=0.1$ ( $R_0=3.0$ ). Die beobachteten Daten wurden durch Hinzufügen von Gaußschem Rauschen ( $\sigma=15$ ) zu den wahren Kurven simuliert.
Inferenz: Nach 8000 Iterationen (mit 2000 Burn-in) und einer Schrittweite von $\delta=0.015$ wurden die Parameter erfolgreich rekonstruiert.
Ergebnisse:
- Der Posterior-Mittelwert für $\beta$ lag bei 0.300 (Wahrheit: 0.300).
- Der Posterior-Mittelwert für $\gamma$ lag bei 0.102 (Wahrheit: 0.100).
- Die Posterior-Standardabweichungen waren sehr gering ( $\sigma_\beta \approx 0.002$ , $\sigma_\gamma \approx 0.001$ ), was zeigt, dass 60 Tage täglicher Daten eine hohe Informationsdichte liefern.
Visualisierung: Die Posterior-Verteilungen waren scharf um die wahren Werte zentriert. Die Posterior Predictive Checks zeigten, dass die simulierten Kurvenbänder die beobachteten (verrauschten) Datenpunkte vollständig abdeckten.

4. Wichtige Beiträge und Erkenntnisse

Verteilungen statt Punktschätzungen: Der wichtigste Beitrag ist der Paradigmenwechsel von der Suche nach einem einzigen „besten" Wert hin zur Charakterisierung der gesamten Unsicherheitsverteilung der Parameter.
Integration von Vorwissen: Der Prior erlaubt es, biologisches Wissen (z. B. dass $\beta$ und $\gamma$ positiv sein müssen) formal in die Schätzung einzubringen, was besonders bei wenigen Daten hilfreich ist.
Verbindung zu Least Squares: Das Papier verdeutlicht, dass die Maximierung der Gaußschen Likelihood mathematisch äquivalent zur Minimierung der quadratischen Fehler (Least Squares) ist. Der Bayessche Ansatz erweitert dies lediglich um den Prior und die Unsicherheitsquantifizierung.
Praktische Implementierung: Es wird gezeigt, wie ODE-Löser und MCMC-Algorithmen kombiniert werden können, um reale epidemiologische Probleme zu lösen, ohne die Normalisierungskonstante explizit berechnen zu müssen.
Unterscheidung von Konfidenz- und Credible Intervals: Es wird klar zwischen frequentistischen Konfidenzintervallen (Wiederholbarkeit des Experiments) und Bayesschen Credible Intervals (Wahrscheinlichkeit, dass der Parameter im Intervall liegt, gegeben die Daten) unterschieden.

5. Signifikanz

Dieses Papier dient als essenzielle Einführung für Epidemiologen und Datenwissenschaftler, die verstehen wollen, wie moderne statistische Methoden in die Seuchenbekämpfung integriert werden können.

Für die Politikberatung: Die Fähigkeit, $R_0$ nicht als festen Wert (z. B. 2.5), sondern als Verteilung (z. B. „mit 95% Wahrscheinlichkeit zwischen 2.1 und 2.9") anzugeben, ist entscheidend für die Risikobewertung und die Planung von Interventionsmaßnahmen.
Modellkritik: Durch Posterior Predictive Checks können Modellannahmen (z. B. permanente Immunität) validiert oder widerlegt werden, bevor politische Entscheidungen getroffen werden.
Zukunftsausblick: Das Papier verweist auf fortgeschrittene Sampler wie NUTS (No-U-Turn Sampler) in Stan oder PyMC, die für komplexere Modelle (z. B. SEIR) effizienter sind, und etabliert damit die Bayessche Inferenz als den Goldstandard für die quantitative Epidemiologie.

Zusammenfassend liefert das Dokument einen robusten, mathematisch fundierten, aber zugänglichen Rahmen, um Unsicherheit in epidemiologischen Modellen nicht als Fehler, sondern als messbare Größe zu behandeln.