베이지안 감염병 모형에 대한 실증적 연구

국문 초록 (Abstract)

코로나19 바이러스가 2019년 말 이후 전세계적으로 확산되어, 우리의 삶의 기틀을 변화시켰고, 현재까지 각종 변이 형태로 우리와 함께 공존하며 지내고 있다. 코로나19가 진행되는 동안 한국에서는 집단 감염 사태를 겪게 되었고, 감염률을 측정하여 적절한 방역 대책의 수립하고자 하였다. 구체적으로 감염률을 계산하기 위해 감염병 모형인 SIR 모형에 자세히 알아보고자 한다. 특히, 베이지안 접근법에 근거한 4가지 SIR 모형의 사례를 살펴보고 이를 한국 코로나19 자료에 적용하여 추정된 감염률을 설명하며, 정부 개입 시나리오를 통해 감염률의 변화를 알아보고자 한다.

다국어 초록 (Multilingual Abstract)

The COVID-19 virus has spread worldwide since the end of 2019. It has changed the foundation of our lives, and has been coexisting with us in various forms of variation to this day. During the COVID-19 outbreak, Korea experienced a cluster infection. The infection rate was measured to establish appropriate prevention policies. Specifically, to calculate the infection rate, we would like to learn more about the SIR model, which is an infectious disease model. In particular, looking at the cases of the four SIR models based on the Bayesian approach. And we apply these models to Korea’s COVID-19 data to explain the estimated infection rate. In last, we investigate changes in the infection rate through government intervention scenarios.

목차 (Table of Contents)

• 1. 서론 1
• 2. 모형 7
• 2.1 계단 형태의 시간변이 감염률 함수를 이용한 SIR 모형 7
• 2.2 관측되지 않은 감염자 수를 고려하여 재감염률을 추가 계산한 SIR 모형 8
• 2.3 시공간적 감염률 추이를 분석한 SIR 모형 10
• 2.4 확률적 SIR 모형인 Dirichlet-Beta 상태 공간 모형 10
• 3. 한국 코로나19 자료 분석 14
• 3.1 계단 형태의 시간변이 감염률 함수를 이용한 한국 코로나19 자료 분석 14
• 3.2 재감염률을 고려한 SIR 모형을 통한 한국 코로나19 자료 분석 16
• 3.3 시공간적 감염률 추이를 분석한 SIR 모형을 통한 한국 코로나19 자료 분석 17
• 3.4 확률적 SIR 모형인 Dirichlet-Beta 상태 공간 모형을 이용한 한국 코로나19 자료 분석 19
• 4. 결론 23