🧬 biology

Bayesian Inference in Epidemic Modelling: A Beginner's Guide

这篇讲义笔记以经典的 SIR 模型为例，为数学流行病学领域的初学者提供了从第一性原理推导似然函数、设定先验分布到利用 Metropolis-Hastings 算法实现 MCMC 采样以进行贝叶斯参数估计的完整入门指南。

原作者： Augustine Okolie

发布于 2026-03-17

📖 2 分钟阅读☕ 轻松阅读

原作者： Augustine Okolie

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

🕵️‍♂️ 核心故事：侦探与迷雾中的病毒

想象你是一名侦探（科学家），面前发生了一场“病毒案件”。你看到了一些线索（每天报告的感染人数），但这些线索是模糊、有噪音甚至错误的（比如有人没去检测，或者数据报告晚了）。

你的任务是：找出幕后黑手（病毒参数）——它传染得有多快（ $\beta$ ）？病人多久能康复（ $\gamma$ ）？

1. 为什么要用“贝叶斯”？（两种侦探思维）

传统的侦探（频率学派）会想：“给我所有数据，我算出一个最完美的数字，比如‘传染率是 0.3'。”但这有个问题：如果数据有点偏差，这个完美数字可能就错了，而且它没法告诉你“这个答案有多大的把握”。

贝叶斯侦探（本文的主角）则说：“我不只要一个数字，我要所有可能的答案及其可信度。”

先验知识（Prior）： 在破案前，我脑子里已经有了一些常识（比如：人不可能重达 500 公斤，病毒传染率也不可能无限大）。
数据（Likelihood）： 然后我观察现场线索（每天的感染数据）。
后验分布（Posterior）： 我把“常识”和“线索”结合起来，画出一条概率曲线。这条曲线告诉我：传染率是 0.3 的可能性最大，但也可能是 0.28 或 0.32。

一句话总结： 贝叶斯推断不给你一把“死锁”，而是给你一个“概率云”，告诉你真相最可能在哪里，以及我们有多大的把握。

🦠 2. 案件现场：SIR 模型（三个房间）

要破案，得先有个模型。作者用了经典的 SIR 模型，它把人群想象成三个房间：

S (Susceptible) 易感者房间： 还没生病，随时可能被传染的人。
I (Infectious) 感染者房间： 正在生病，能把病毒传给 S 的人。
R (Recovered) 康复者房间： 病好了，有了免疫力，不再传染也不再生病的人。

病毒是怎么流动的？

病毒像一阵风，把 S 房间里的人吹进 I 房间（感染）。
然后，病人慢慢康复，从 I 房间被“治愈”送到 R 房间。

关键参数：

$\beta$ (传染率)： 风有多大？吹得多快？
$\gamma$ (康复率)： 病人多久能好？
$R_0$ (基本再生数)： 一个病人平均能传染几个人？（如果 $R_0 > 1$ ，疫情就会爆发）。

难点： 我们只能看到 I 房间（感染者）的人数变化，但不知道风（ $\beta$ ）和治愈速度（ $\gamma$ ）具体是多少。

🧮 3. 侦探的工具：如何从噪音中找真相？

现实中的数据（每天报告的病例）就像被雨淋湿的脚印，模糊不清。我们需要一个数学工具来清洗这些脚印。

第一步：建立“噪音模型”

作者假设：观察到的数据 = 真实模型预测 + 随机误差（比如周末没人上班，数据少了）。这就像假设脚印旁边有泥点，我们需要把泥点擦掉，还原真实的脚印。

第二步：贝叶斯公式（侦探的魔法）

$\text{后验概率} = \frac{\text{数据的可能性} \times \text{先验知识}}{\text{归一化常数}}$

数据的可能性： 如果假设传染率是 0.3，能解释现在的病例吗？能解释得越好，分数越高。
先验知识： 我们之前觉得传染率不太可能是 100（太离谱了），所以给这个值打低分。
结果： 算出所有可能参数的“得分图”。

🎲 4. 核心算法：MCMC（蒙蒂卡洛随机漫步）

这是论文最硬核的部分，但我们可以用**“盲人摸象”或“登山者”**来比喻。

问题： 我们想画出“得分图”（后验分布），但这个图太复杂，数学上算不出来（积分算不动）。

解决方案：MCMC（马尔可夫链蒙特卡洛）
想象你是一个盲人登山者，你要找到山顶（概率最高的地方，也就是最可能的参数）。

起步： 你随便站在山脚下（随机选一组参数）。
试探（Metropolis-Hastings 算法）： 你向随机方向迈出一小步。
- 如果新位置更高（得分更高），你肯定走过去。
- 如果新位置更低（得分更低），你偶尔也会走过去（为了探索，防止被困在局部的小土坡上）。
重复： 你走了几千步、几万步。
结果： 虽然你看不见全貌，但如果你把走过的脚印画下来，脚印最密集的地方，就是山顶（最可能的参数值）。

烧录期（Burn-in）： 刚开始走的几步可能还在山脚乱转，没找到山的方向。我们要把这几步扔掉，只保留后面稳定在山顶附近走的脚印。

📊 5. 破案结果：我们找到了什么？

作者用计算机模拟了一场疫情，然后让 MCMC 算法去“破案”。

真实情况： 传染率是 0.3，康复率是 0.1。
侦探的推断： 算法跑了几千次后，发现：
- 传染率最可能是 0.300（误差极小，只有 0.002）。
- 康复率最可能是 0.102。
- 它甚至给出了一个**“可信区间”**：比如“我们有 95% 的把握，传染率在 0.298 到 0.302 之间”。

这有什么用？

频率学派会说：“传染率是 0.3。”（太绝对了，万一错了呢？）
贝叶斯派会说：“传染率大概率是 0.3，但也可能是 0.29 或 0.31。如果我们制定政策，必须考虑到这种不确定性。”

最后一步检查（后验预测检查）：
侦探画出了 100 条可能的疫情曲线（基于推断出的参数）。如果真实的病例数据都落在这 100 条曲线围成的“带子”里，说明模型靠谱；如果数据跑到了带子外面，说明模型建错了（比如忽略了潜伏期）。

💡 总结：这篇论文教会了我们什么？

世界是概率的： 不要只盯着一个“最佳数字”，要看整个“可能性范围”。
知识是累积的： 把以前的经验（先验）和新数据（线索）结合起来，越查越准。
计算是魔法： 虽然数学公式太难算，但通过“随机漫步”（MCMC），计算机可以帮我们画出真相的地图。
不确定性很重要： 在制定防疫政策时，知道“我们有多不确定”比知道“确切数字”更重要。

一句话概括：
这篇论文教我们如何用**“侦探思维”（贝叶斯）和“随机漫步”**（MCMC），在混乱的疫情数据中，不仅找出病毒传播的规律，还能清楚地告诉我们：这个规律有多靠谱。

论文技术总结：流行病学建模中的贝叶斯推断——以 SIR 模型为例的入门指南

论文标题：Bayesian Inference in Epidemic Modelling: A Beginner's Guide Illustrated with the SIR Model
作者：Augustine Okolie (PhD Mathematics)
来源：arXiv:2603.15175v1 (2026)

1. 研究问题 (Problem)

在流行病学建模（如针对 COVID-19、流感或埃博拉）中，核心挑战在于模型参数的不确定性。

未知参数：传播率（ $\beta$ ）和恢复率（ $\gamma$ ）等关键参数无法直接观测，必须从噪声大、不完整或延迟的报告数据中推断。
传统方法的局限：传统的频率学派（Frequentist）方法通常寻找单一的“最佳”参数估计（如最大似然估计），并给出置信区间。这种方法难以有效整合先验知识，且对参数不确定性的表述较为间接。
核心需求：需要一种统计框架，不仅能给出参数的点估计，还能提供参数的完整概率分布，从而量化不确定性，并能够形式化地结合先验知识与新数据。

2. 方法论 (Methodology)

本文提出了一套基于贝叶斯推断结合**马尔可夫链蒙特卡洛（MCMC）**的完整工作流程，以经典的 SIR 模型为例进行阐述。

2.1 基础模型：SIR 模型

定义：将人群分为易感者（ $S$ ）、感染者（ $I$ ）和康复者（ $R$ ）。
动力学方程：由常微分方程组（ODE）描述：
$\frac{dS}{dt} = -\beta \frac{SI}{N}, \quad \frac{dI}{dt} = \beta \frac{SI}{N} - \gamma I, \quad \frac{dR}{dt} = \gamma I$
数值求解：由于 ODE 无解析解，采用数值积分（如欧拉法或 Runge-Kutta 4 阶法）生成预测的流行曲线。

2.2 贝叶斯推断框架

根据贝叶斯定理，后验分布 $P(\theta | y)$ 由以下部分组成：
$P(\theta | y) \propto P(y | \theta) \cdot P(\theta)$
其中 $\theta = (\beta, \gamma)$ 为参数， $y$ 为观测数据。

似然函数 (Likelihood)：
- 假设观测数据包含加性高斯噪声： $I_{obs}(t) = I_{model}(t; \theta) + \epsilon_t$ ，其中 $\epsilon_t \sim N(0, \sigma^2)$ 。
- 对数似然函数等价于最小化残差平方和（Least Squares），即模型预测值与观测值之间的误差。
先验分布 (Prior)：
- 在生物合理范围内设定均匀先验（例如 $\beta \in [0.05, 1.0]$ ， $\gamma \in [0.01, 0.5]$ ），以编码领域知识或限制参数空间。
后验分布 (Posterior)：
- 结合先验和似然，得到参数的更新信念分布。由于归一化常数 $P(y)$ 难以计算（涉及高维积分），无法直接求解。

2.3 计算引擎：MCMC (Metropolis-Hastings 算法)

为了解决后验分布的不可积问题，使用 MCMC 从后验分布中采样：

初始化：选择初始参数 $\theta^{(0)}$ 。
提议：基于当前状态生成新候选值 $\theta'$ （如随机游走）。
接受/拒绝：计算接受率 $\alpha = \min(1, \frac{P(\theta'|y)}{P(\theta|y)})$ $α = min (1, \frac{P ( θ ^{'} ∣ y )}{P ( θ ∣ y )})$ 。
- 关键洞察：在比率计算中，不可计算的归一化常数 $P(y)$ 被抵消，因此无需直接计算。
- 以概率 $\alpha$ 接受新状态，否则保持原状态。
Burn-in (预热)：丢弃初始阶段的样本，确保链收敛到平稳分布。
采样：保留后续样本作为后验分布的近似。

3. 关键贡献 (Key Contributions)

概念整合：清晰地将流行病学动力学（ODE 求解）与贝叶斯统计推断（MCMC 采样）结合，展示了如何从噪声数据中反推隐藏参数。
不确定性量化：展示了贝叶斯方法如何输出参数的后验分布（而非单一数值），从而提供可信区间（Credible Intervals），直接回答“参数落在某范围内的概率是多少”。
算法可视化与诊断：
- 详细解释了迹图 (Trace Plots) 的解读（收敛性诊断）。
- 引入了后验预测检查 (Posterior Predictive Check)：通过从后验分布中采样参数并模拟新数据，验证模型是否能重现观测数据的特征，这是模型验证的关键步骤。
对比分析：明确区分了贝叶斯可信区间与频率学派置信区间的哲学差异，强调了前者在政策制定中的直观解释力。

4. 实验结果 (Results)

作者通过合成数据实验验证了该方法的有效性：

实验设置：
- 真实参数： $\beta^*=0.3, \gamma^*=0.1$ ( $R_0=3.0$ )。
- 数据：60 天的每日感染计数，加入高斯噪声 ( $\sigma=15$ )。
- MCMC 设置：8000 次迭代，前 2000 次作为 Burn-in。
参数恢复：
- 后验均值准确恢复了真实值： $\beta \approx 0.300$ (真实 0.300)， $\gamma \approx 0.102$ (真实 0.100)。
- 后验标准差极小（ $\beta$ 为 0.002， $\gamma$ 为 0.001），表明数据信息量充足，参数估计精确。
可视化结果：
- 迹图：显示链在稳定区域内快速混合，无漂移。
- 后验分布：直方图峰值紧密围绕真实值，形状尖锐，表明高置信度。
- 后验预测检查：从后验分布抽取的 100 条 SIR 轨迹形成的蓝色带完全覆盖了带噪声的观测数据点，证明模型设定合理且拟合良好。

5. 意义与结论 (Significance)

政策制定的科学依据：在公共卫生决策中，仅知道“最佳估计值”是不够的。贝叶斯推断提供了“在 95% 的概率下， $R_0$ 位于 2.1 到 2.9 之间”这样的表述，这对于评估干预措施的风险和制定应对策略至关重要。
灵活性与扩展性：该方法不仅适用于 SIR 模型，其框架（先验 + 似然 + MCMC）可轻松扩展至更复杂的模型（如 SEIR、SIRS）或更复杂的噪声结构。
现代工具推荐：虽然文章以 Metropolis-Hastings 为例，但也指出了现代工具（如 Stan 中的 NUTS 算法）在处理高维参数空间时的优势，为实际流行病学研究提供了技术路线图。

总结：该论文不仅是一份技术指南，更强调了“所有模型都是错的，但有些是有用的”这一观点。通过贝叶斯推断，我们不仅能量化模型有多“错”（通过不确定性），还能明确其“有用”的边界（通过可信区间和后验预测），从而在充满不确定性的流行病爆发中做出更稳健的决策。