Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:1803.01496

帮助 | 高级搜索

定量生物学 > 种群与进化

arXiv:1803.01496 (q-bio)
[提交于 2018年3月5日 ]

标题: 随机SIR流行病模型

标题: Stochastic Model of SIR Epidemic Modelling

Authors:Kurnia Susvitasari
摘要: 阈值定理可能是数学流行病建模中最重要的发展。 不幸的是,一些模型可能不会按照阈值行为。 在本文中,我们将关注带有种群动态的SIR模型的最终结果。 将介绍通过确定性模型和随机模型接近的模型行为,主要使用模拟。 此外,我们还将研究在没有感染者的种群中易感者的动态。 我们成功地表明,当$R_0 \leq 1$时,确定性模型和随机模型都产生了相似的结果。 也就是说,流行病中的无病阶段。 但当$R_0 > 1$时,确定性方法和随机方法有不同的解释。
摘要: Threshold theorem is probably the most important development of mathematical epidemic modelling. Unfortunately, some models may not behave according to the threshold. In this paper, we will focus on the final outcome of SIR model with demography. The behaviour of the model approached by deteministic and stochastic models will be introduced, mainly using simulations. Furthermore, we will also investigate the dynamic of susceptibles in population in absence of infective. We have successfully showed that both deterministic and stochastic models performed similar results when $R_0 \leq 1$. That is, the disease-free stage in the epidemic. But when $R_0 > 1$, the deterministic and stochastic approaches had different interpretations.
评论: 9页,14图
主题: 种群与进化 (q-bio.PE) ; 应用 (stat.AP)
引用方式: arXiv:1803.01496 [q-bio.PE]
  (或者 arXiv:1803.01496v1 [q-bio.PE] 对于此版本)
  https://doi.org/10.48550/arXiv.1803.01496
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kurnia Susvitasari [查看电子邮件]
[v1] 星期一, 2018 年 3 月 5 日 04:59:15 UTC (787 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.PE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-03
切换浏览方式为:
q-bio
stat
stat.AP

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号