§ 23. Моделирование эпидемии гриппа

Определения и обозначения

Эпидемия — быстрое распространение инфекционного заболевания среди населения. Единичные случаи могут возникать независимо и не образовывать заметной цепи заражений, а эпидемия означает значительный рост числа связанных случаев. Понятие нужно, чтобы отличать обычную заболеваемость от ситуации, которую следует изучать как общий процесс.

Математическая модель эпидемии — упрощённое описание распространения инфекции с помощью переменных, правил и параметров. Переменные показывают состояние системы, а правила объясняют, как оно меняется. Модель нужна для безопасного исследования условий, которые трудно или невозможно проверить только наблюдением.

Параметр модели — заданная величина, влияющая на ход расчёта. Например, это вероятность заражения при контакте или продолжительность болезни. Параметр не является случайным результатом отдельного шага: его выбирают до расчёта, чтобы задать свойства рассматриваемого сценария.

Шаг моделирования — промежуток времени, за который по правилам обновляются данные о заболевших и остальных людях. Шагом может быть день или другая выбранная единица времени. Он связывает вычисления с развитием эпидемии и позволяет построить последовательность состояний.

Как это устроено

Реальные наблюдения ограничены: нельзя мгновенно узнать все контакты людей и заранее проверить каждый вариант развития болезни. Кроме того, экспериментировать с настоящей эпидемией опасно и недопустимо. Модель заменяет часть таких наблюдений расчётом, поэтому позволяет сравнить последствия разных условий без риска для людей.

Население условно делят на восприимчивых, заболевших и переболевших. Восприимчивые ещё могут заразиться, заболевшие способны передавать инфекцию, а переболевшие в простой модели больше не переходят в группу заболевших. Численность каждой группы — это переменная, описывающая состояние всей системы в конкретный момент.

Правила перехода показывают, как меняются группы. При заражении часть восприимчивых вычитается из первой группы и добавляется к заболевшим, а после выздоровления часть заболевших переходит к переболевшим. Упрощение состоит в том, что контакты часто заменяют средними значениями, не учитывают различия людей и могут считать вероятность заражения одинаковой для всех.

До расчёта задают начальную численность групп и параметры: например, вероятность заражения, число контактов или длительность болезни. Если увеличить вероятность заражения, восприимчивые будут быстрее переходить в заболевшие, а пик может стать выше. Если болезнь длится дольше, заболевшие дольше остаются источником инфекции, поэтому рост обычно продолжается интенсивнее.

Расчёт проводят последовательно: для текущего шага определяют новые заражения и выздоровления, затем получают численность групп на следующем шаге. Значения записывают в таблицу, чтобы видеть рост, пик и спад заболеваемости. После этого результат сравнивают с другими сценариями и оценивают его только с учётом исходных допущений.

Составляющие модели эпидемии гриппа

Сначала в таблице фиксируют начальные данные, затем для каждого шага записывают рассчитанные переходы между группами. Параметры не следует путать с результатами: они задаются заранее, а численности групп меняются во время расчёта. Проверяйте, чтобы сумма всех групп на каждом шаге была равна общей численности населения.

Разбор задач

Задача 1. Какие данные нужны для расчёта?

В небольшом коллективе известно начальное число заболевших и задано правило заражения. Нужно определить, какие сведения понадобятся, чтобы провести модель по шагам времени. Численные значения здесь не вычисляются: требуется правильно разделить исходные данные, правила и параметры.

1. Задайте общую численность коллектива и число людей в каждой группе в начале расчёта: восприимчивых, заболевших и переболевших.
2. Выберите шаг моделирования, например один день, и установите, сколько шагов нужно просчитать.
3. Запишите параметр заражения: вероятность заражения при контакте или правило, по которому определяется число новых заболевших.
4. Задайте параметр выздоровления: длительность болезни либо долю заболевших, переходящих в переболевшие за один шаг.
5. Подготовьте таблицу для записи численности групп после каждого пересчёта и правило проверки их суммы.

Ответ: нужны общая численность и начальные группы, шаг времени, правила заражения и выздоровления, параметры модели и таблица для результатов. Одного начального числа заболевших недостаточно, потому что без остальных групп и правил нельзя определить дальнейшее развитие.

Задача 2. Как определить переходы между группами?

В таблице указано, что на одном шаге восприимчивых стало меньше, заболевших почти столько же, а переболевших больше. Нужно выяснить, сколько человек перешло из восприимчивых в заболевшие и сколько выздоровело. Обозначим численности до шага индексом 1, а после шага — индексом 2.

1. Найдите число новых заражений как разность: восприимчивые₁ − восприимчивые₂.
2. Найдите число выздоровевших как разность: переболевшие₂ − переболевшие₁, если в переболевших никто не попадает другим способом.
3. Проверьте группу заболевших: её изменение должно быть равно числу новых заражений минус число выздоровевших.
4. Сравните суммы трёх групп до и после шага с общей численностью коллектива.

Ответ: переходы определяют по изменениям соседних строк или столбцов таблицы, а затем подтверждают по формуле для заболевших. Если баланс не сходится, значит, в таблице есть ошибка или действует дополнительное правило, которое не было учтено.

Задача 3. Как сравнить два сценария?

Нужно сравнить расчёты при разных вероятностях заражения и объяснить, в каком случае пик наступит раньше или окажется выше. Оба сценария должны начинаться с одинаковых начальных данных и использовать одинаковые шаги времени. Меняется только вероятность заражения.

1. Запишите исходные группы, длительность болезни и остальные параметры первого сценария.
2. Скопируйте эти условия для второго сценария и измените только вероятность заражения.
3. Сравните максимальную численность заболевших и номер шага, на котором она достигнута.
4. Объясните результат: большая вероятность обычно ускоряет переход восприимчивых в заболевшие, поэтому пик может прийти раньше и быть выше.

Ответ: при прочих равных условиях больший параметр заражения обычно даёт более ранний и высокий пик. Однако вывод относится к данной упрощённой модели: при малом числе восприимчивых или другой структуре контактов форма графика может отличаться.

Типичные ошибки

Считать модель точным предсказанием. Так происходит, когда забывают о допущениях и воспринимают расчёт как описание каждого человека. Проверьте, какие условия упрощены, и называйте результат оценкой для выбранного сценария.

Путать заболевших за шаг с общим числом заболевших. Число новых случаев показывает переход за один интервал, а численность заболевших — состояние группы в этот момент. Для проверки уточните, меняется ли показатель добавлением новых случаев или уже включает всех заболевших группы.

Одновременно изменять несколько параметров. Такой подход не позволяет понять, что именно вызвало различие результатов. Сравнивайте сценарии при одинаковых начальных данных и меняйте только один параметр.

Не проверять сумму групп. Ошибку допускают при пропуске перехода или двойном учёте одних и тех же людей. На каждом шаге складывайте восприимчивых, заболевших и переболевших: сумма должна совпадать с численностью населения.

Связь с другими темами

До изучения модели полезно уметь задавать переменные и параметры, составлять алгоритмы и выполнять повторяющиеся вычисления. Эти навыки нужны, потому что расчёт эпидемии состоит из одинаковых действий, повторяемых для каждого шага времени.

Моделирование связано с компьютерными экспериментами, табличными вычислениями и анализом динамических процессов. В таблице или программе можно менять параметры, получать последовательности значений и сравнивать сценарии, не проводя опасный эксперимент в реальности.

Что запомнить

• Модель описывает явление упрощённо, а не копирует его во всех деталях.
• Начальные данные задают состояние системы в начале расчёта.
• Параметры и правила определяют, как изменяется модель со временем.
• Шаг моделирования связывает вычисления с ходом времени.
• Сценарии корректно сравнивать, изменяя один параметр при прочих равных условиях.
• Результаты модели нужно проверять и толковать с учётом её допущений.