有 未患病人

, 已患病人

, 和不再患病的人

. 满足

, 总人数不变.

对于一个未患病人, 我们计算他单位时间内的患病概率

.

.

假设一个人平均单位时间内会遇到

个人, 那

.

令病人正好传给他的概率为

.

. 简介起见, 称

那么这个

是什么含义呢? 我们知道当

时,

. 也就是说, 当我遇到一个病人时, 单位时间被传染的概率为

.

那单位时间内减少的未患病人 应该就是 总数乘以概率, 即

.

对于一个已患病人来说, 单位时间内, 他有

概率死亡,

被治好. 在SIR模型中为简化计算, 令

, 为不再患病的概率. 则:

.

那么根据

, 我们获得:

.

我们获得了三个微分方程, 但因为我们有总人数守恒, 两个足矣. 为了让变量尽可能少, 我们保留第一, 第三个方程.

这个系统必定趋于稳定, 因为

只会减少,

只会增大, 而总人数不变. 唯一会变来变去的是

.

定义常数

. 它什么意思呢? 当你面对一个患病的人时, 在单位时间里, 他有

的几率突然不患病(包括死亡和治愈), 而你也有

的概率被他传染. 如果这个

比1大, 说明最可能的情况为: 你被患病了, 而他却还没有死亡/治愈. 所以这种情况下, 他往往可以传好多人, 所以人数暂时会增多. 但是如果这个

比1小, 那最有可能的情况为, 你在被传染前, 他就已经死亡/治愈了. 这种情况下, 病例会锐减.

从公式里看, 如果在初始状态下

, 于是

.

初始时间时的解为

.所以

的正负直接决定了它的情况.

如果不近似初始患病人数, 那我们就拿

代替

.

那么在初始情况下的

内,

.

于是

.

然后再过

,

, 等等等等......

那么我们想要控制, 减小

, 怎么办?

当然是减小

的值了, how?

. 减小

, 也就是单位时间接触的人:隔离; 减少

, 也就是被传染的概率: 口罩.

疫苗!

疫苗的作用在于, 患病人不会再患病了. 换言之对于传染方程:

, 它变了. 因为

不再正确了, 而是

.

类似地,

.

它带来的结果就是,

.

有用!

现在我们试着求解这个方程吧!

1,3 式相除:

, 其中

.

. 积分得

,这就是

之间的关系了.

最大时,

.

如果初始状态是几乎无人感染. 则

.

. 显然

越小

越小(因为

的增长率最低), 这也契合了我们上文的判断.

传染病什么时候恢复, 最后还剩多少人呢?

恢复, 也就是说

. 观察3式, 我们知道当

时, 患病人数减少. 但很可惜, 这是因为未患病者实在不够多了...

当然它和现实不匹配, 因为现实中随着人类智慧的发展,

会变大的.

那么还剩多少人呢?

1,2式相除得到:

, 积分得

.

因为最终,

. 所以

.

所以解

的方程就可以得到答案.

如果起始状态是几乎无人感染, 则

,

, 则只需解此方程, 就可得到答案.

sir模型初始值_sir模型初始值_SIR 模型笔记相关推荐

  1. 【转】刨根究底CSS(2):CSS中的各种值——初始值,就是默认值吗?

    先问个非常简单的问题,这个问题的答案,相信大部分Web开发人员都自认为显而易见,但却又多半会答错:CSS属性中的初始值(initial value),就是默认值(default value)吗? 难道 ...

  2. R语言glmnet交叉验证选择(alpha、lambda)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值、模型最优的lambda值,最终模型的拟合与评估

    R语言glmnet交叉验证选择(alpha参数和lambda参数)拟合最优elastic回归模型:弹性网络(elasticNet)模型选择最优的alpha值.弹性网络(elasticNet)模型最优的 ...

  3. 分类模型的ROC曲线、AUC值、GINI系数、Lift、Gain、KS指标分别是什么?计算公式是什么?有什么意义?

    分类模型的ROC曲线.AUC值.GINI系数.Lift.Gain.KS指标分别是什么?计算公式是什么?有什么意义? 目录

  4. 多值类别特征加入CTR预估模型的方法

    [摘要] 本文用图示的方法梳理和介绍了多值类别特征加入到CTR预估模型的一般方法,通俗易懂. 我们都知道一般单值类别特征加入到CTR预估模型的方法是先对单值类别特征进行one-hot,然后和embed ...

  5. 最佳回归模型选择指标——马洛斯CP值

    本文介绍最佳回归模型选择指标--马洛斯CP指标,并通过示例说明选择过程及如何计算. 马洛斯CP(Mallows'Cp) 指标用于在多个不同模型中选择最佳回归模型.其计算公式为: Cp = RSSp/S ...

  6. 机器学习模型可解释性进行到底 —— SHAP值理论(一)

    最近在系统性的学习AUTOML一些细节,本篇单纯从实现与解读的角度入手, 因为最近SHAP版本与之前的调用方式有蛮多差异,就从新版本出发,进行解读. 不会过多解读SHAP值理论部分,相关理论可参考: ...

  7. 评分卡模型开发(六)--WOE值计算

    转自:https://cloud.tencent.com/developer/article/1016331 对入模的定量和定性指标,分别进行连续变量分段(对定量指标进行分段),以便于计算定量指标的W ...

  8. C++中“非常量引用的初始值必须是左值”的处理方法

    原文:https://blog.csdn.net/hou09tian/article/details/80565343 1 左值和右值 在C++中,左值可以出现在赋值语句的左边和右边:右值只能出现在赋 ...

  9. R语言使用epiDisplay包的mlogit.display函数获取无序多分类logistic回归模型的汇总统计信息(各分组模型对应的系数及标准差、相对危险降低率RRR值及其置信区间、AIC值等)

    R语言使用epiDisplay包的mlogit.display函数获取无序多分类logistic回归模型的汇总统计信息(各分组模型对应的系数及标准差.相对危险降低率RRR值及其置信区间.AIC值等) ...

  10. R语言epiDisplay包mlogit.display函数无序多分类logistic回归模型的汇总统计信息(各分组模型对应系数及标准差、相对危险降低率RRR值及其置信区间、AIC值等)、保存到csv

    R语言使用epiDisplay包的mlogit.display函数获取无序多分类logistic回归模型的汇总统计信息(各分组模型对应的系数及标准差.相对危险降低率RRR值及其置信区间.AIC值等). ...

最新文章

  1. ElasticSearch 面试 4 连问,你顶得住么?
  2. 关于captive portal
  3. 实验楼第二次试验报告
  4. 超级数学计算机,超级计算器+
  5. MySQL 常用语法 之 DISTINCT
  6. 二分图匹配 + 最小点覆盖 - Vertex Cover
  7. Leetcode题目:Merge Sorted Array
  8. ajax获取checkbox循环出来的值_Django:前后端异步加载数据(循环大法)
  9. 最新MATLAB R2020b超详细安装教程(附完整安装文件)
  10. python库手册_Python 中文开发手册
  11. Linux系统装intel网卡,在Centos下安装intel网卡的方法
  12. BZOJ 3162 独钓寒江雪
  13. 血泪合集,uniapp超长实践精华总结~
  14. 关于D4RL的agent包的tf.contrib兼容性问题
  15. SylixOS学习三—— SylixOS的引导与安装2
  16. 禁止复制服务器文件夹,远程桌面服务器 禁止复制文件夹
  17. obsolete or deprecated parameter(s) specified for RDBMS instanc
  18. Laravel教程 八:queryScope 和 setAttribute
  19. win10便签常驻桌面_超实用操作秘籍,小电教你玩转Win10系统功能!(下)
  20. Vue.js 响应式原理

热门文章

  1. 图书馆系统java实训报告_基于Java的图书馆管理系统的设计实习报告
  2. 使用Python控制手机
  3. 极速PDF编辑器提示缺少字体如何解决
  4. git管理工具commit后提交记录消失不见
  5. Javaweb免费RDP报表工具常用函数的用法总结
  6. 【持续更新】高通蓝牙SoC系列文章索引
  7. linux用dd命令刻录u盘,巧用linux dd命令刻录启动U盘
  8. 【翻译】PHP中 文字编码变换时 使用SJIS-win而非SJIS,使用eucJP-win而非EUC-JP
  9. maven 手动安装 ojdbc7
  10. 几楼电路精灵——手机端 原理图 PCB