Published January 1, 2022 | Version v1
Publication Metadata-only

The new discrete distribution with application to COVID-19 Data

Creators

  • 1. Delta University for Science and Technology
  • 2. Cairo University
  • 3. Mansoura University
  • 4. Helwan University
  • 5. Taif University

Description

This research aims to model the COVID-19 in different countries, including Italy, Puerto Rico, and Singapore. Due to the great applicability of the discrete distributions in analyzing count data, we model a new novel discrete distribution by using the survival discretization method. Because of importance Marshall–Olkin family and the inverse Toppe–Leone distribution, both of them were used to introduce a new discrete distribution called Marshall–Olkin inverse Toppe–Leone distribution, this new distribution namely the new discrete distribution called discrete Marshall–Olkin Inverse Toppe–Leone (DMOITL). This new model possesses only two parameters, also many properties have been obtained such as reliability measures and moment functions. The classical method as likelihood method and Bayesian estimation methods are applied to estimate the unknown parameters of DMOITL distributions. The Monte-Carlo simulation procedure is carried out to compare the maximum likelihood and Bayesian estimation methods. The highest posterior density (HPD) confidence intervals are used to discuss credible confidence intervals of parameters of new discrete distribution for the results of the Markov Chain Monte Carlo technique (MCMC).

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يهدف هذا البحث إلى نمذجة COVID -19 في بلدان مختلفة، بما في ذلك إيطاليا وبورتوريكو وسنغافورة. نظرًا للتطبيق الكبير للتوزيعات المنفصلة في تحليل بيانات العد، نقوم بنمذجة توزيع منفصل جديد باستخدام طريقة تقطيع البقاء على قيد الحياة. نظرًا لأهمية عائلة مارشال أولكين والتوزيع العكسي لـ Toppe - Leone، تم استخدام كلاهما لإدخال توزيع منفصل جديد يسمى توزيع مارشال أولكين العكسي لـ Toppe - Leone، وهذا التوزيع الجديد هو التوزيع المنفصل الجديد المسمى التوزيع المنفصل لـ Marshall - Olkin العكسي لـ Toppe - Leone (DMOITL). يمتلك هذا النموذج الجديد معلمتين فقط، كما تم الحصول على العديد من الخصائص مثل مقاييس الموثوقية ووظائف العزم. يتم تطبيق الطريقة الكلاسيكية كطريقة الاحتمالية وطرق التقدير البايزية لتقدير المعلمات غير المعروفة لتوزيعات DMOITL. يتم تنفيذ إجراء محاكاة مونت كارلو لمقارنة الحد الأقصى للاحتمال وطرق التقدير البايزية. تُستخدم أعلى فترات ثقة الكثافة الخلفية (HPD) لمناقشة فترات الثقة الموثوقة لمعلمات التوزيع المنفصل الجديد لنتائج تقنية سلسلة ماركوف مونت كارلو (MCMC).

Translated Description (French)

Cette recherche vise à modéliser la COVID-19 dans différents pays, notamment en Italie, à Porto Rico et à Singapour. En raison de la grande applicabilité des distributions discrètes dans l'analyse des données de comptage, nous modélisons une nouvelle distribution discrète en utilisant la méthode de discrétisation de survie. En raison de l'importance de la famille Marshall–Olkin et de la distribution inverse de Toppe-Leone, les deux ont été utilisées pour introduire une nouvelle distribution discrète appelée distribution inverse de Toppe-Leone de Marshall-Olkin, cette nouvelle distribution à savoir la nouvelle distribution discrète appelée Toppe-Leone inverse de Marshall-Olkin discrète (DMOITL). Ce nouveau modèle ne possède que deux paramètres, de nombreuses propriétés ont également été obtenues telles que les mesures de fiabilité et les fonctions de moment. La méthode classique comme méthode de vraisemblance et les méthodes d'estimation bayésiennes sont appliquées pour estimer les paramètres inconnus des distributions DMOITL. La procédure de simulation de Monte-Carlo est réalisée pour comparer le maximum de vraisemblance et les méthodes d'estimation bayésiennes. Les intervalles de confiance de densité postérieure (HPD) les plus élevés sont utilisés pour discuter des intervalles de confiance crédibles des paramètres de la nouvelle distribution discrète pour les résultats de la technique de Monte Carlo à chaîne de Markov (MCMC).

Translated Description (Spanish)

Esta investigación tiene como objetivo modelar el COVID-19 en diferentes países, incluidos Italia, Puerto Rico y Singapur. Debido a la gran aplicabilidad de las distribuciones discretas en el análisis de datos de recuento, modelamos una nueva distribución discreta novedosa utilizando el método de discretización de supervivencia. Debido a la importancia de la familia Marshall–Olkin y la distribución inversa de Toppe-Leone, ambas se utilizaron para introducir una nueva distribución discreta llamada distribución inversa de Marshall–Olkin de Toppe–Leone, esta nueva distribución a saber, la nueva distribución discreta llamada discreta de Marshall–Olkin de Toppe–Leone Inversa (DMOITL). Este nuevo modelo posee solo dos parámetros, también se han obtenido muchas propiedades como medidas de fiabilidad y funciones de momento. El método clásico como método de probabilidad y los métodos de estimación bayesiana se aplican para estimar los parámetros desconocidos de las distribuciones DMOITL. El procedimiento de simulación de Monte-Carlo se lleva a cabo para comparar los métodos de máxima verosimilitud y estimación bayesiana. Los intervalos de confianza de densidad posterior más alta (HPD) se utilizan para discutir intervalos de confianza creíbles de parámetros de nueva distribución discreta para los resultados de la técnica Markov Chain Monte Carlo (MCMC).

Additional details

Additional titles

Translated title (Arabic)
التوزيع المنفصل الجديد مع التطبيق على بيانات COVID -19
Translated title (French)
La nouvelle distribution discrète avec application aux données COVID-19
Translated title (Spanish)
La nueva distribución discreta con aplicación a los datos de COVID-19

Identifiers

Other
https://openalex.org/W4200360546
DOI
10.1016/j.rinp.2021.104987

Is supplement to
https://openalex.org/W946352265 (Other)
https://openalex.org/W3020787026 (Other)
https://openalex.org/W2799209613 (Other)
https://openalex.org/W2364741597 (Other)
https://openalex.org/W2334479858 (Other)
https://openalex.org/W2085754006 (Other)
https://openalex.org/W2006251942 (Other)
https://openalex.org/W1864774435 (Other)
https://openalex.org/W1774782920 (Other)
https://openalex.org/W1492103595 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1988976727
  • https://openalex.org/W2063774389
  • https://openalex.org/W2072106226
  • https://openalex.org/W2082910530
  • https://openalex.org/W2089884349
  • https://openalex.org/W2115478782
  • https://openalex.org/W2119119860
  • https://openalex.org/W2168504156
  • https://openalex.org/W2512772254
  • https://openalex.org/W2905939291
  • https://openalex.org/W3008565778
  • https://openalex.org/W3009604094
  • https://openalex.org/W3017988673
  • https://openalex.org/W3024647574
  • https://openalex.org/W3029978934
  • https://openalex.org/W3108609090
  • https://openalex.org/W3111610564
  • https://openalex.org/W3134296930
  • https://openalex.org/W3134916257
  • https://openalex.org/W3136915426
  • https://openalex.org/W3151795556
  • https://openalex.org/W3155624211
  • https://openalex.org/W3160174700
  • https://openalex.org/W3165442717
  • https://openalex.org/W3185059168
  • https://openalex.org/W3185275268
  • https://openalex.org/W3208173937
  • https://openalex.org/W4240545666
  • https://openalex.org/W4255908372