Populációdinamika kurzus, projektfeladat. Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben. El adó:

Hasonló dokumentumok
A MATEMATIKA NÉHÁNY KIHÍVÁSA

Differenciálegyenletek a mindennapokban

Modellek és Algoritmusok - 2.ZH Elmélet

Gyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz

4. Laplace transzformáció és alkalmazása

Horváth Bálint. Járványterjedés modellezése adaptív hálózatokon

Dinamikai rendszerek, populációdinamika

Populációdinamika. Számítógépes szimulációk szamszimf17la

1. Példa. A gamma függvény és a Fubini-tétel.

Feladatok Differenciálegyenletek II. témakörhöz. 1. Határozzuk meg a következő elsőrendű lineáris differenciálegyenletek általános megoldását!

Az inga mozgásának matematikai modellezése

Matematikai modellek. Nagyprojekt

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Gibbs-jelenség viselkedésének vizsgálata egyszer négyszögjel esetén

Hálózati folyamatok közelít differenciálegyenletei

MATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga

Feladatok matematikából 3. rész

Utolsó el adás. Wettl Ferenc BME Algebra Tanszék, Wettl Ferenc (BME) Utolsó el adás / 20

Végeselem modellezés alapjai 1. óra

A TANTÁRGY ADATLAPJA

Statisztikai módszerek a skálafüggetlen hálózatok

Fourier sorok február 19.

Matematika A1a Analízis

1.7. Elsőrendű lineáris differenciálegyenlet-rendszerek

Kalkulus S af ar Orsolya F uggv enyek S af ar Orsolya Kalkulus

A derivált alkalmazásai

Folytonos rendszeregyenletek megoldása. 1. Folytonos idejű (FI) rendszeregyenlet általános alakja

Loss Distribution Approach

Röst Gergely (Bolyai Intézet) járványok és matematika December 7, / 30

Differenciaegyenletek

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Diszkrét matematika 2. estis képzés

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

T obbv altoz os f uggv enyek integr alja. 3. r esz aprilis 19.


Nagy Gábor compalg.inf.elte.hu/ nagy

y + a y + b y = r(x),

Összefoglalás és gyakorlás

Samu Viktória. A Helmholtz-egyenlet

Megkülönböztetett kiszolgáló routerek az

y = y 0 exp (ax) Y (x) = exp (Ax)Y 0 A n x n 1 (n 1)! = A I + d exp (Ax) = A exp (Ax) exp (Ax)

Sorozatok és Sorozatok és / 18

Foton-visszhang alapú optikai kvantum-memóriák: koherens kontroll optikailag sűrű közegben

DIFFERENCIAEGYENLETEK

Mire jó a modellalkotás? Jelenségek megmagyarázásának eszköze.

HÁZI FELADATOK. 2. félév. 1. konferencia Komplex számok

Elemi függvények. Matematika 1. előadás. ELTE TTK Földtudomány BSc, Környezettan BSc, Környezettan tanár október 4.

Húrnégyszögek, Ptolemaiosz tétele

Elemi függvények. Matematika 1. előadás. ELTE TTK Földtudomány BSc, Környezettan BSc, Környezettan tanár 3. előadás. Csomós Petra

Szokol Patricia szeptember 19.

Abszolút folytonos valószín ségi változó (4. el adás)

Matematika mérnököknek 2. Ismétlés Numerikus dierenciálás Diegyenletek Fourier Matlab Projekt Desc Linkek

Közepek Gauss-kompozíciója Gondolatok egy versenyfeladat kapcsán

Matematika I. NÉV:... FELADATOK:

January 16, ψ( r, t) ψ( r, t) = 1 (1) ( ψ ( r,

Egyszabadságfokú grejesztett csillapított lengõrendszer vizsgálata

Hierarchikus skálafüggetlen gráfok generálása fraktálokkal

Explicit hibabecslés Maxwell-egyenletek numerikus megoldásához

Babeş Bolyai Tudományegyetem, Kolozsvár Matematika és Informatika Kar Magyar Matematika és Informatika Intézet

Obudai Egyetem RKK Kar. Feladatok a Matematika I tantárgyhoz

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

Meghatározás: Olyan egyenlet, amely a független változók mellett tartalmaz egy vagy több függvényt és azok deriváltjait.

Matematika I. NÉV:... FELADATOK: 2. Határozzuk meg az f(x) = 2x 3 + 2x 2 2x + 1 függvény szélsőértékeit a [ 2, 2] halmazon.

Matematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.

Hidden Markov Model. March 12, 2013

SZTE TTIK Bolyai Intézet

Diszkrét matematika 2.C szakirány

Differenciálegyenlet rendszerek

Integrálszámítás. a Matematika A1a-Analízis nevű tárgyhoz november

Differenciálegyenletek december 13.

Numerikus módszerek 1.

Röntgensugárzás az orvostudományban. Röntgen kép és Komputer tomográf (CT)

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

Diszkrét idejű felújítási paradoxon

Véletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.

Matematika szigorlat, Mérnök informatikus szak I máj. 29.

Rekurzív sorozatok. SZTE Bolyai Intézet nemeth. Rekurzív sorozatok p.1/26

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Matematika A1a Analízis

n 2 2n), (ii) lim Értelmezési tartomány, tengelymetszetek, paritás. (ii) Határérték. (iii) Első derivált, monotonitás, (ii) 3 t 2 2t dt,

FELVÉTELI VIZSGA, július 15.

2. Fourier-elmélet Komplex trigonometrikus Fourier-sorok. 18 VEMIMAM244A előadásjegyzet, 2010/2011

Valószínűségszámítás összefoglaló

A Feldmann ~ Sapiro - elv igazolása

(1 + (y ) 2 = f(x). Határozzuk meg a rúd alakját, ha a nyomaték eloszlás. (y ) 2 + 2yy = 0,

Keresztezett pálcák II.

Kockázati folyamatok. Sz cs Gábor. Szeged, szi félév. Szegedi Tudományegyetem, Bolyai Intézet

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Feladatok Oktatási segédanyag

Wigner tétele kvantummechanikai szimmetriákról

BKT fázisátalakulás és a funkcionális renormálási csoport módszer

Egyváltozós függvények 1.

Numerikus módszerek 1.

Dr. Kuczmann Miklós JELEK ÉS RENDSZEREK

LEGJOBB BECSLÉS Módszerek, egyszerűsítések

Akkor én most bölcsész vagyok?! Avagy: híd, amit matematikának hívunk

3. Fuzzy aritmetika. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

Átírás:

Populációdinamika kurzus, projektfeladat Aszimptotikus viselkedés egy determinisztikus járványterjedési modellben El adó: Unger Tamás István okleveles villamosmérnök matematika B.Sc. szakos hallgató Szeged Szegedi Tudományegyetem Bolyai Intézet Szeged 219. május 25.

Bevezetés Tartalom 1 Bevezetés 2 Az alkalmazott modell: SIS Alapvet összefüggések A modell módosítása 3 Periodikus érintkezési ráta A dierenciálegyenlet és megoldása A modell implementálása Matlab-kód 4 Hordozó egyedek hatása Konstans számú hordozó "Csak hordozók" esete Exponenciálisan csökken hordozószám Matlab-kód, a modell viselkedése 5 Összefoglalás

Bevezetés Bevezetés A feldolgozott cikk: (9) H. W. Hethcote: Asymptotic Behavior in a Deterministic Epidemic Model. Bulletin of Mathematical Biology, 35(5-6), 67-614, 1973. El zmények: Determinisztikus járványterjedési modellek alapjai: Bailey (1957); Dietz (1967) matematikai munkái (újabb, pontosabb modellek); Klasszikus megközelítés: SIR-modell. fertőzés gyógyulás S I R ábra: SIR-modell Nem alkalmazható olyan járványok modellezésére, melyek esetén a gyógyult egyed ismét fogékonnyá válhat.

Az alkalmazott modell: SIS Tartalom 1 Bevezetés 2 Az alkalmazott modell: SIS Alapvet összefüggések A modell módosítása 3 Periodikus érintkezési ráta A dierenciálegyenlet és megoldása A modell implementálása Matlab-kód 4 Hordozó egyedek hatása Konstans számú hordozó "Csak hordozók" esete Exponenciálisan csökken hordozószám Matlab-kód, a modell viselkedése 5 Összefoglalás

Az alkalmazott modell: SIS Alapvet összefüggések A SIS-modell alapjai Weiss és Dishon (1971) N: teljes populáció; S (t): fogékony egyedek száma; I (t): fert zött egyedek száma. N = S (t) + I (t), I (t = ) = I. fertőzés S I gyógyulás ábra: SIS-modell I (t) = βi (t) S (t) γi (t), S (t) = N I (t). (1) β: érintkezési ráta (infection vagy contact rate); γ: gyógyulási ráta (recovery rate).

Az alkalmazott modell: SIS A modell módosítása Módosított modell Els módosítás: periodikus érintkezési ráta β konstans helyett β (t): id függ, periodikus. N > átlagos relatív gyógyulási ráta (ρ): I (t) asz. periodikus, t ; N átlagos relatív gyógyulási ráta (ρ): I (t) oszc., t. Második módosítás: a fert zés hordózó egyedek általi elterjesztése Konstans számú hordozó (carrier) egyed: I (t) K, K R +, t ; Exponenciálisan csökken hordozószám: I (t), t. Hordozó:"Egy egyed, aki egy patogén mikroorganizmust hordoz klinikai tünetek nélkül, a fert zésnek egy potenciális forrását szolgáltatva." Mire jó ez a modell? Fert z légúti betegségek, megfázás, inuenza,..., a speciális vagy gyorsan megsz n immunitás miatt.

Periodikus érintkezési ráta Tartalom 1 Bevezetés 2 Az alkalmazott modell: SIS Alapvet összefüggések A modell módosítása 3 Periodikus érintkezési ráta A dierenciálegyenlet és megoldása A modell implementálása Matlab-kód 4 Hordozó egyedek hatása Konstans számú hordozó "Csak hordozók" esete Exponenciálisan csökken hordozószám Matlab-kód, a modell viselkedése 5 Összefoglalás

Periodikus érintkezési ráta A dierenciálegyenlet és megoldása Periodikus érintkezési ráta Legyen β = β (t) pozitív, folytonos és p-vel periodikus függvény, γ konstans, p periódusid pedig legyen 1 év. I (t) = β (t) I (t) [N I (t)] γi (t) = [β (t) N γ] I (t) β (t) I 2 (t). (2) Állítás: A fenti dierenciálegyenlet megoldása az I (t = ) = I kezdeti feltétel mellett: [ ] t exp N β (u) du γt I (t) = t [ ]. (3) v β (v) exp N β (u) du γv dv + 1 I Bizonyítás: Nehéz, a cikk nem is részletezi.

Periodikus érintkezési ráta A modell implementálása A modell implementálása Legyen β (t) = A B cos (Ct), A, B, C R. Ekkor t t β (u) du = (A B cos (Cu)) du = At B sin (Ct). (4) C Ezt felhasználva kapjuk: I (t) = t = t [ ] t exp N β (u) du γt ] v N β (u) du γv [ ] exp NAt NB C sin (Ct) γt [ β (v) exp dv + 1 I =. NAv NB (A B cos (Cv)) e C sin(cv) γv dv + 1 I A nevez ben szerepl integrál numerikusan például trapézszabály segítségével könnyen meghatározható, így I (t) numerikusan számítható. (5)

Periodikus érintkezési ráta Matlab-kód Matlab-kód ábra: A modell Matlab-kódja

Periodikus érintkezési ráta Legyen k = N ˆβ γ, ahol ˆβ p = 1 β (u) du, továbbá ρ = γˆβ. p 1 ˆβ = (A B cos (Cu)) du = A B sin C C. Állítás: Ha k, akkor N ρ és I (t) oszc., t. Bizonyítás: Tfh. k. k N ˆβ γ N ˆβ γ. Mivel ˆβ = γ ρ, ezért γ N ρ. N γ ρ I (t) viselkedése az implementált Matlab-script segítségével vizsgálható.

Periodikus érintkezési ráta Pl.: N = 1, A = 2, B = 1.8, C = 5 és γ = 2.4 esetén ˆβ 2.345, k.55..8.8.7.7.6.6.5.5 I(t).4 I(t).4.3.3.2.2.1.1 2 4 6 8 1 t 1 2 3 4 5 6 7 8 9 1 t ábra: A megoldás (I (t)) γ = 2.4 és γ = 3 esetén, különböz I értékekre

Periodikus érintkezési ráta Állítás: Ha k >, akkor N > ρ és I (t) asz. periodikus, t. Bizonyítás: Tfh. k >. k > N ˆβ γ > N ˆβ > γ. Mivel ˆβ = γ ρ, ezért N γ > γ N > ρ. ρ I (t) viselkedése az implementált Matlab-script segítségével vizsgálható. Pl.: N = 1, A = 2, B = 1.8, C = 5 és γ = 1 esetén ˆβ 2.345, k 1.3455..8.8.7.7 I(t).6.5.4.3 I(t).6.5.4.3.2.2.1.1 1 2 3 4 5 6 7 8 9 1 t 1 2 3 4 5 6 7 8 9 1 t ábra: A megoldás (I (t)) γ = 1 és γ = 2 esetén, különböz I értékekre

Hordozó egyedek hatása Tartalom 1 Bevezetés 2 Az alkalmazott modell: SIS Alapvet összefüggések A modell módosítása 3 Periodikus érintkezési ráta A dierenciálegyenlet és megoldása A modell implementálása Matlab-kód 4 Hordozó egyedek hatása Konstans számú hordozó "Csak hordozók" esete Exponenciálisan csökken hordozószám Matlab-kód, a modell viselkedése 5 Összefoglalás

Hordozó egyedek hatása Konstans számú hordozó Konstans számú hordozó Legyen C R + konstans számú hordozó egyed. Ekkor I (t) = β (I (t) + C) S (t) γi (t) = β (I (t) + C) (N I (t)) γi (t) = =... = βnc + (βn βc γ) βi 2 (t). (6) Bevezetve ρ = γ β relatív gyógyulási rátát: I (t) = βnc + β (N C ρ) I (t) βi 2 (t). (7) Állítás: Megoldása I (t = ) = I kezdeti feltétel mellett: I (t) = 1 α 1 (βi + α 2 ) e α1t + α 2 (βi α 1 ) e α 2t β (βi + α 2 ) e α1t (βi α 1 ) e α, (8) 2t ahol α 1,2 = β { [ (N C ρ) 2 1 } 2 + 4CN] ± (N C ρ). (9) 2 Bizonyítás: Nem nehéz, csak hosszadalmas, a cikk nem is részletezi.

Hordozó egyedek hatása Konstans számú hordozó Konstans számú hordozó Állítás: Konstans számú hordozó egyed: I (t) K, K R +, t. Bizonyítás: Vegyük észre, hogy α 1, α 2 > N, C, ρ. Így: 1 e α 1t α 1 (βi + α 2 ) + α 2 (βi α 1 ) e ( α 2 α 1 )t lim I (t) = lim t t β e α 1t (βi + α 2 ) (βi α 1 ) e ( α = α 1 = K. 2 α 1 )t β Matlab-kód: ábra: A modell Matlab-kódja

Hordozó egyedek hatása N = 1, C =.5..8.9.7.8.7.6.6 I(t).5 I(t).5.4.4.3.3.2.2 2 4 6 8 1 t.1 2 4 6 8 1 t ábra: A megoldás (I (t)) (β, γ) = (3, 1) és (β, γ) = (1, 3) esetén, különböz I értékekre

Hordozó egyedek hatása "Csak hordozók" esete "Csak hordozók" esete I (t) = βcs (t) γi (t) = βc (N I (t)) γi (t) = βcn I (t) (βc + γ), I (t = ) = I. Homogén általános megoldás: I h (t) = Me λt, I h (t) = Mλeλt, Mλe λt = Me λt (βc + γ) λ = (βc + γ). I h (t) = Me (βc+γ)t. Partikuláris megoldás: I p (t) = K, K R, I p βcn (t) =, = βcn K (βc + γ) K = Ip (t) = βc + γ. I (t) = I h (t) + I p (t) = Me (βc+γ)t + βcn βc+γ. Kezdeti feltétel: I () = I = M + βcn βc+γ M = I βcn βc+γ. ( I (t) = I βcn βc + γ ) e (βc+γ)t + βcn βc + γ βcn, t. (1) βc + γ

Hordozó egyedek hatása Exponenciálisan csökken hordozószám Exponenciálisan csökken hordozószám A hordozószám az id nek csökken exponenciális függvénye. Ekkor: I (t) = βce at S (t) γi (t) = βcne at I (t) ( βce at + γ ). Állítás: A dierenciálegyenlet megoldása: t βcn I (t) = ) exp ( av βce av + γv dv + I a e βc a ( exp βce at + γt a ). (11) Állítás: Belátható, hogy I (t), t.

Hordozó egyedek hatása Matlab-kód, a modell viselkedése Matlab-kód ábra: A modell Matlab-kódja

Hordozó egyedek hatása Matlab-kód, a modell viselkedése N = 1, C (t) =.1e.65t..9.9.8.8.7.7.6.6 I(t).5.4 I(t).5.4.3.3.2.2.1.1 2 4 6 8 1 t 2 4 6 8 1 t ábra: A megoldás (I (t)) (β, γ) = (1, 1) és (β, γ) = (1, 2.5) esetén, különböz I értékekre

Összefoglalás Tartalom 1 Bevezetés 2 Az alkalmazott modell: SIS Alapvet összefüggések A modell módosítása 3 Periodikus érintkezési ráta A dierenciálegyenlet és megoldása A modell implementálása Matlab-kód 4 Hordozó egyedek hatása Konstans számú hordozó "Csak hordozók" esete Exponenciálisan csökken hordozószám Matlab-kód, a modell viselkedése 5 Összefoglalás

Összefoglalás Összefoglalás Módosított SIS-modell; 1. módosítás: periodikus érintkezési ráta; 2. módosítás: konstans/exponenciális számú hordozó egyed; I (t) aszimptotikus viselkedése különböz módon, eltér feltételek mellett. Els módosítás: periodikus érintkezési ráta N > átlagos relatív gyógyulási ráta (ρ): I (t) asz. periodikus, t ; N átlagos relatív gyógyulási ráta (ρ): I (t) oszc., t. Második módosítás: a fert zés hordózó egyedek általi elterjesztése Konstans számú hordozó (carrier) egyed: I (t) K, K R +, t ; Exponenciálisan csökken hordozószám: I (t), t.

Köszönöm a gyelmet! Kérdések