概率论与数理统计实验传染病传播问题.docx

传染病传播问题 传染病是人类共同的敌人 . 小到流感、病毒性肝炎，大到霍乱、天花、艾滋病、非典型 性肺炎等， 危害着人们的健康， 扰乱了人们正常的工作和生活， 同时也侵蚀着人类大量的财 富. 因此建立传染病的数学模型来描述传染病的传播过程， 预报传染病高峰的到来， 及时控 制传染病的传播是非常重要的事情， 一直是各国政府和科学家关注的课题 . 以下探讨几类传 染病数学模型，对传染病相关的问题做出相应的回答 . 注：（1）这里不从医学的角度分析各种传染病的传播，而只是按照一般的传播机理建 立几种数学模型； （2）讨论问题的前提是假定在疾病的传播期内， 所考察地区的总人数不变 （总人数为 N）. 解：假设 (1) t 时刻健康者和病人在总人数中所占的比例分别为 s(t), i (t). 另外 , i (0) i0 ； (2) 每个病人每天有效接触的平均人数为常数 . 称日接触率， 即当病人与健康者有 效接触时，使健康者感染变成病人. 根据假设，有 N di (t) Ns(t)i (t ) dt s(t) i (t) 1 i( 0) i 0 故可得 di (t ) i(t )[1 i (t )] dt （ 1） i (0) i0 得到 i( t) 1 (2) 1 1 1 e t i 0 这个模型可以用于传染病的前期（对于传染较快的病） ，早期预报传染病高峰的到来 . 1） i (t) ~ t 曲线表示传染病的传染曲线； di ~ t 曲线表示传染病的上升率与时间的关系， 医学上称为传染病曲线 . dt i di ???? 1 dt 0.06 0.8 0.05 0.6 0.04 0.4 0.03 0.02 0.2 t 20 40 60 80 100  0.01 t 20 40 60 80 100 图 图 求 i (t ) 的一阶导数： 这里已经把 i0 代入到 i(t) 的表达式 . 再输入 回到 i (t) 的表达式 (2), 再求 i (t) 的二阶导数 , 令 d 2i 0 ，求出 di 函数的极大值点 , dt 2 dt Log[ 1 ai0 ] {{ t }, { t ai 0 }} t1 1 ln 1 1 （ 3） i0 再代入 i (t) 的表达式，得 1 2 即已求出 i * 1 时， di 达到最大值 . 即传染病的上升率达到最大，这个时刻是 2 dt t1 1 ln 1 1 . i 0 说明：病人在这个时刻增加得最快，预示着传染病高潮的到来，是医疗卫生部门特别关 注的时刻 . 3）从（ 3）式可知 t1 与 成反比 . 日接触率标志着该地区的卫生水平， 越小，卫生 水平越高 . 而 越小， t1 越大，传染病爆发的时刻就会越迟 . 所以改善保健设施， 采取有效 的隔离措施，降低日接触率，可以推迟传染病高峰的到来 . 4）由（ 2）式可知，当 t 时， i (t) 1 . 这就意味着所有的人都将被传染，处于 生病状态 . 这是不符合实际情况的 . 事实上， 传染病人经治疗后， 或者痊愈， 因而具有免疫 力；或者死亡；所以最终病人的比例数 i (t) 应该趋于零，即当 t 时， i (t ) 0. 由此 可见，需要重新修改模型假设，再建立数学模型. 感染 -- 治愈 假设： 与感染模型 相同； 与感染模型 相同； (3) 病人可以治愈 . 病人每天被治愈的人数占病人总数的比例 ，称为日治愈率 . 病人 治愈后仍可成为被感染的健康者，所以 1 是这种传染病的平均传染期 . 由假设（ 3）可知 故可得 变换得  di(t ) i (t) dt s(t )i (t ) s(t) i (t) 1 i (0) i 0 di(t ) i (t )[1 i (t )] i (t ) dt i( 0) i 0 di(t ) i 2 (t ) ( )i (t ) dt i (0) i 0  4） 5） 此方程为贝努利方程， {{i [t]-> et ( ) ai 0 }} ) (et et ) ai 0 et ( 得到 1 1 e t 当 i (t) i0 当 时，上式不是方程的解，应从原方程出发求解. ( ) 2 di t i ( t) dt i 0 i0 可以利用分离变量法求解 . {{i[t]-> ai0 }} 1 t ai 0 即 1 t 1 时的解 . ( ) 为当 所以方程组的解为： i t i0 1 1 e t 当 时； i 0 i t 1 1 当 时 t i0 分析：  6） （ 7） 定义： （ 8） 从 和 1 的定义可知， 是一个传染期内每个病人有效接触的平均人数，称为接触数 . 1）作出 i t ~ t 曲线图，分析病人数的变化