Randomizing the parameters of a Markov chain to model the stroke disease: A technical generalization of established computational methodologies towards improving real applications

مدل های مارکف کلاسیک از طریق یک ماتریس انتقال تصادفی، یعنی ماتریسی که ستون ها (یا ردیف ها) هستند، مقادیر قطعی است که نشان دهنده احتمال انتقال است. با این حال، در عمل این مقادیر اغلب نمی توانند به صورت قطعی شناخته شوند، بنابراین، واقع بینانه تر است که آنها را به عنوان متغیرهای تصادفی در نظر بگیریم. به دنبال این رویکرد، این مقاله به منظور به کارگیری متدولوژی کلاسیک مارکوف جهت بهینه سازی مدل سازی بیماری سکته مغزی در هنگام برخورد با داده های واقعی، به منظور فراهم آوردن مفاد فنی است. با این هدف، ماتریس انتقال از یک زنجیره مارکوف با سه حالت (حساس، وابسته و مرده) را که قبلا برای مدل سازی بیماری سکته مغزی پیشنهاد شده است، تصادفی می کنیم. این تصادفی مدل کلاسیک مارکوف محاسبات اولین تابع چگالی احتمال را در فرایند تصادفی تصادفی با استفاده از روش به اصطلاح تبدیل تبدیل تصادفی مجاز می کند. پس از آن، پیش بینی های دقیق و احتمالاتی از اولین تابع چگالی احتمال محاسبه می شود. علاوه بر این، توابع چگالی احتمال از لحظه های زمانی تا زمانی که یک نسبت معینی از جمعیت کل حساس، وابسته و مرده باقی می ماند نیز محاسبه می شوند. مطالعه تکمیل شده نشان دهنده سودمندی رویکرد محاسباتی ما برای تعیین، از دیدگاه احتمالاتی، مقادیر کلیدی در تصمیم گیری پزشکی، مانند نسبت هزینه-بهره وری است.