Cеминар «Прикладная статистика»

Архив семинара

28 ноября 2022 г.

Н. В. Перцев, К. К. Логинов, В. А. Топчий
(Институт математики им. С. Л. Соболева СО РАН, Омский филиал) Стохастическое моделирование и обработка данных по динамике распространения Ковид-19 инфекции.

Аннотация

Доклад посвящен стохастическому моделированию процесса распространения эпидемии Ковид-19 среди населения некоторого региона. Спецификой модели является целочисленность переменных, описывающих численности различных когорт населения региона, и учет длительностей пребывания индивидуумов в различных стадиях заболевания с помощью распределений, отличных от экспоненциального. Модель строится на основе случайного процесса, выраженного в терминах численности различных когорт населения и семейств уникальных типов индивидуумов, отражающих моменты поступления индивидуумов в ту или иную когорту и длительности пребывания индивидуумов в когортах. Для проведения вычислительных экспериментов с моделью применяется метод Монте-Карло. Для подбора значений параметров модели использованы оценки ряда параметров из статей по тематике Ковид-19. Кроме того,калибровка модели опирается на опубликованные данные по Новосибирской области, отражающие показатель серопревалентности населения за три периода времени 2020 года. Представлены результаты вычислительного эксперимента по оценке эффективности вакцинации населения. Разработка модели и обработка данных проводилась совместно с сотрудниками Сеченовского университета А. Н. Лукашевым и Ю. А. Вакуленко в рамках гранта РФФИ № 20-04-60157.

14 ноября 2022 г.

Исмайылова Ю. Н., Моргачева А. И. (ООО "Диджитал Ресерч", Технопарк Новосибирского Академгородка)
Определение параметров лесных массивов по данным съемок с беспилотных летательных аппаратов.

Аннотация

Доклад посвящен проблемам нахождения объема древесины по породам по данным съемки с БПЛА. Для вычисления объема ствола отдельного дерева необходимо уметь определять породу дерева, его высоту и диаметр ствола на определенном уровне. В докладе предлагаются способы определения указанных характеристик. Кроме того, отдельного внимания заслуживает процесс сбора полевых данных для обучения моделей классификации и регрессии.

31 октября 2022 г.

В. И. Чеботарев (ВЦ ДВО РАН, Хабаровск)
Стохастическое моделирование поездных задержек.

Аннотация

В докладе будут обсуждаться результаты статьи:
Davydov B. I., Chebotarev V. I., Kablukova K. S.
Evolution of Probabilistic Characteristics in the Train Traffic Process. In: Sierpinski G. (eds) Intelligent Solutions for Cities and Mobility of the Future. TSTP 2021. Lecture Notes in Networks and Systems, vol. 352, pp. 101-109. Springer, Cham.
DOI: 10.1007/978-3-030-91156-0_8.
Такие элементы движения поезда, как моменты отправления и времена хода, подвержены случайным воздействиям, что может приводить к нарушениям расписания прибытий. Предлагается метод определения распределений отклонений для моментов прибытия. Исследуется эволюция этих распределений. Для проверки предлагаемой модели используются статистические данные движения грузовых поездов на РЖД.

17 октября 2022 г.

Н. В. Перцев, В. А. Топчий, К. К. Логинов (ОФ ИМ СО РАН)
Стохастическое моделирование перехода ВИЧ-инфицированных клеток и вирусных частиц между двумя лимфоузлами.

Аннотация

Доклад посвящен стохастическому моделированию процесса перехода инфицированных клеток и зрелых вирусных частиц (вирионов) ВИЧ-1-инфекции между двумя лимфатическими узлами. Модель основана на следующих предположениях: 1) продолжительность перехода инфицированных клеток и вирионов между двумя лимфатическими узлами задается с помощью функции, зависящей от времени, 2) в процессе перехода между двумя лимфатическими узлами инфицированные клетки продуцируют вирионы, 3) инфицированные клетки и вирионы могут погибнуть в процессе перехода между двумя лимфатическими узлами. Для аналитического исследования переменных модели используются методы теории ветвящихся случайных процессов. Получены закон распределения и формула для математического ожидания численности популяции вирионов, поступающих из первого лимфатического узла во второй. Поскольку указанный закон распределения не выражается в элементарных функциях, то для детального исследования модели применяется метод Монте-Карло.Полученные эмпирические распределения имеют содержательную биомедицинскую интерпретацию. Описанная модель представляет собой фрагмент более сложной стохастической модели динамики развития ВИЧ-1 инфекции в организме инфицированного человека.