数学 > 概率
[提交于 2016年10月12日
]
标题: 大数定律在Erdős-Rényi图上具有随机顶点权重的SIR模型中的应用
标题: Law of large numbers for the SIR model with random vertex weights on Erdős-Rényi graph
摘要: 本文我们关注的是在 Erdős-Rényi 图$G(n,p)$上具有随机顶点权重的 SIR 模型。Erdős-Rényi 图$G(n,p)$是从具有$n$个顶点的完全图$C_n$中通过独立地以概率$(1-p)$删除每条边生成的。我们在每个顶点上分配了正随机变量$\rho$的独立同分布拷贝作为顶点权重。对于 SIR 模型,每个顶点处于三种状态之一:`易感'、`感染'和`移除'。一个感染的顶点以与这两个顶点权重乘积成比例的速率感染给定的易感邻居。一个感染的顶点以恒定速率变为移除状态。一个移除的顶点将不再被感染。 我们假设在$t=0$处没有移除的顶点,感染顶点的数量服从伯努利分布$B(n,\theta)$。我们的主要结果是该模型的大数定律。 我们给出两个确定性函数$H_S(\psi_t), H_V(\psi_t)$对于$t\geq 0$并证明对于任何$t\geq 0$,$H_S(\psi_t)$是易感顶点的极限比例,而$H_V(\psi_t)$是感染顶点在时刻$t$感染给一个给定的易感邻居的平均能力的极限,当$n$趋向于无穷大时。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.