330
个编辑
更改
跳到导航
跳到搜索
第6行：
第6行： − 以SIR模型为例【将特定人群的人口结构，划分为了易感染人群（S）、感染人群（R）以及移出者人群（R），通过对三种人群的动态变化的研究，来模拟流行病的发展规律】，其R<sub>0</sub>值，可以通过如下方式计算得到:+ − 由于SIR模型中，任意时间间隔<math>\delta\tau</math>内，个体恢复的概率为<math>\gamma\delta\tau</math>，不能恢复的概率为<math>1-\gamma\delta\tau</math>。因此，在总时间</math>\tau</math>后，个体仍然处于感染状态的概率为<math>+
无编辑摘要
如果R<sub>0</sub>=2，那么，每个得病的人，就会平均传染两个人，而这两个人中的每一个，又会再传染另外两个人。如此下去，每一轮，新的病例，都会加倍，从而出现指数增长规律。相反，如果R<sub>0</sub>=1/2，那么，疾病就会以指数形式衰减。R<sub>0</sub>=1，是增长和减少的分界点。因此，它也表示传播临界值（epidemic threshold），偏离此值时，疾病要么增长，要么消亡。
如果R<sub>0</sub>=2，那么，每个得病的人，就会平均传染两个人，而这两个人中的每一个，又会再传染另外两个人。如此下去，每一轮，新的病例，都会加倍，从而出现指数增长规律。相反，如果R<sub>0</sub>=1/2，那么，疾病就会以指数形式衰减。R<sub>0</sub>=1，是增长和减少的分界点。因此，它也表示传播临界值（epidemic threshold），偏离此值时，疾病要么增长，要么消亡。
以[[SIR模型]]为例【将特定人群的人口结构，划分为了易感染人群（S）、感染人群（R）以及移出者人群（R），通过对三种人群的动态变化的研究，来模拟流行病的发展规律】，其R<sub>0</sub>值，可以通过如下方式计算得到:
由于[[SIR模型]]中，任意时间间隔<math>\delta\tau</math>内，个体恢复的概率为<math>\gamma\delta\tau</math>，不能恢复的概率为<math>1-\gamma\delta\tau</math>。因此，在总时间</math>\tau</math>后，个体仍然处于感染状态的概率为<math>
\begin{equation}
\begin{equation}
\lim_{\delta\tau\to0}(1-\gamma\delta\tau)^{\tau/\delta\tau}=e^{-\gamma\tau},
\lim_{\delta\tau\to0}(1-\gamma\delta\tau)^{\tau/\delta\tau}=e^{-\gamma\tau},