معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

ویژگی	مقدار
سیستم عامل	-
نام فایل	epyestim-0.1
نام	epyestim
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/lo-hfk/epyestim
آدرس اینترنتی	https://pypi.org/project/epyestim/
مجوز	MIT License

# epyestim ## Introduction epyestim estimates the effective reproduction number from time series of reported case numbers of epidemics. It is a Python reimplementation of the method outlined by Huisman et al. [1], making use of the method by Cori et al. [2] to estimate the reproduction number R from infection data, available in the R package EpiEstim [3]. The main steps for estimation of the effective reproduction number are: * Bootstrapping the series of reported case numbers * Smoothing using a LOWESS filter * MLE of the infection incidence time series using an adaptation of the Richardson-Lucy deconvolution algorithm. * Bayesian estimation of the effective reproduction number using the method of Cori et al. [2] Aggregate estimates for the reproduction number are obtained by bootstrap aggregation (bagging). The user can choose to output either time-varying estimates or piecewise constant estimates on fixed arbitrary time intervals. ## How to install epyestim ``` pip install epyestim ``` ## How to use epyestim Basic usage of the epyestim package applied to COVID-19 data is explained in the [Jupyter tutorial notebook](https://github.com/lo-hfk/epyestim/blob/main/notebooks/covid_tutorial.ipynb). The core functions relevant for users are: * `epyestim.bagging_r` for the complete estimation process outlined above * `epyestim.covid19.r_covid` for the same function with default parameters for COVID-19 * `epyestim.estimate_r.estimate_r` for the R estimation from infection numbers, based on the EpiEstim package ## Authors * [Lorenz Hilfiker](mailto:lorenz.hilfiker@gmail.com) * [Johannes Josi](mailto:johannes@josi.info) ## How to contribute Error reports and suggestions for improvements via GitHub issues are very welcome. ## References [1] Jana S. Huisman, Jeremie Scire, Daniel Angst, Richard Neher, Sebastian Bonhoeffer, Tanja Stadler: A method to monitor the effective reproductive number of SARS-CoV-2 https://ibz-shiny.ethz.ch/covid-19-re/methods.pdf [2] Anne Cori, Neil M. Ferguson, Christophe Fraser, Simon Cauchemez: A New Framework and Software to Estimate Time-Varying Reproduction Numbers During Epidemics, American Journal of Epidemiology, Volume 178, Issue 9, 1 November 2013, Pages 1505–1512, https://doi.org/10.1093/aje/kwt133 [3] EpiEstim CRAN package: https://cran.r-project.org/web/packages/EpiEstim/index.html

نیازمندی

مقدار	نام
-	pandas
-	numpy
-	scipy
-	statsmodels
-	pytest

نحوه نصب

نصب پکیج whl epyestim-0.1:

pip install epyestim-0.1.whl

نصب پکیج tar.gz epyestim-0.1:

pip install epyestim-0.1.tar.gz