概率统计方法模型上.pdf

第 6 章 概率统计方法模型 在对实际问题进行数学建模的过程中，人们经常遇到随机性的不确定问题，用传统的数学建模 方法难以解决。此时，就需要基于概率论和数理统计知识，运用概率统计的方法建立数学模型，对 实际问题进行求解，揭示事物发展的基本规律。本章详细介绍用概率统计方法建模的基本思路，结 合实际的案例，指出如何用随机变量和概率分布来描述随机不确定事件，说明求解概率统计类模型 的一般过程，并指出该类数学模型在社会调查、影响因素分析、发展趋势模拟等方面的广泛应用。 §6.1 概率模型与 Monte Carlo 模拟 6.1.1 概率模型 （1）传染病随机模型 在各种传染病的流行过程中，无论健康人还是病人，任何两个人之间接触的机会都是随机的， 而且当健康人与病人接触时，健康人是否被传染也是一个随机的事件。我们通过建立传染病随机模 型来分析这些随机规律。 假设人群总的规模为 N ，在总人群中，病人的数量为 m ，健康人的数量为 s ，即满足 N=m+s 。 在人们的日常生活中，任意两人之间（包括健康人和病人）接触的概率相同，每人平均与 k 个人接 触。当健康人和病人接触时，被传染的概率为p 。在以上假设的参数中，m 和 s 通常是已知的，k 和 p 可以通过专家的经验和统计数据获得。我们分析的目的是寻找健康人群中每天平均被感染的人数 与已知参数之间的关系，以及初始参数对传染病的扩散速度和流行趋势的影响。 我们首先以每一名健康人为研究对象，探讨其每天被感染的概率，而每一名健康人被一名指定 病人接触并传染的概率等于每名健康人与指定传染者接触的概率乘以接触时感染的概率。记人群中 任意两人接触的概率为 q ，则对每一名健康人来说，其每天接触的人数服从二项分布，分布函数 为 l l n-l -1 P {=l }=Cn -1q (1 q ) , （6.1.1 ） 这个分布的期望为 k ，即k = (n 1)q ，进而q= k (n 1) 。这样，一名健康人被一名指定病人接触 并感染的概率为 p k = = . p 1 pq n 1 进一步，对人群中的每一名健康人来说，其每天不被感染的概率为(p )m ，被感染的概率为  p =1 ( p )m . （6.1.2 ） 2  所以，对人群中的所有健康人来说，每天被感染的人数 服从二项分布，分布函数为 l l sl P { =l }=C p (1 p ) , （6.1.3 ） s 2 2 每天被感染的人数 期望为=sp2 ，标准差为 ( )= sp 2 (1 p 2 ) 为了得到简明的结果，对p 2 进行近似计算，由于通常人群的总数n k ，且根据 Talyor 展开， 得 p k m mpk mpk p 2 =1 ( ) =1