×

随机流行病:高维模型中流行期的预期持续时间。 (英语) Zbl 0930.92021号

摘要:提出了一种方法来近似流行病模型的长期随机动力学,该模型由表示不同类别人群的状态变量构成,例如在SIR和SEIR模型中。该模型包括不同地点人群的流行病以及这些人群之间的迁移。建立了总感染人口的logistic随机过程;它符合整个模型中总感染人口的长期随机行为。只要平衡点附近的动力学是合适的,就可以得到很好的近似值。

MSC公司:

92天30分 流行病学
60J70型 布朗运动和扩散理论的应用(种群遗传学、吸收问题等)
60K99型 特殊工艺
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] K.Dietz,传染病传播和控制理论中的一些问题,载:D.Mollison(编辑),流行病模型,剑桥大学,1995年,第3页;K.Dietz,传染病传播和控制理论中的一些问题,载:D.Mollison(编辑),流行病模型,剑桥大学,1995年,第3页·Zbl 0850.92045号
[2] N.T.J.Bailey,《传染病数学理论及其应用》,格里芬,伦敦,1975年,第143页;N.T.J.Bailey,传染病数学理论及其应用,格里芬,伦敦,1975年,第143页·Zbl 0334.92024号
[3] N.S.Goel,N.Richter-Dyn,《生物学中的随机模型》,学术出版社,纽约,1974年;N.S.Goel,N.Richter Dyn,《生物学中的随机模型》,学术出版社,纽约,1974年
[4] M.F.Neuts,J.-M.Li,S-I-R随机流行病模型的算法研究,载:C.C.Heyde,Yu。V.Prohorov,R.Pyke,S.T.Rachev(编辑),雅典应用概率会议和时间系列,第一卷:应用概率,Springer统计讲义,第114卷,1996年,第295页;M.F.Neuts,J.-M.Li,S-I-R随机流行病模型的算法研究,载:C.C.Heyde,Yu。V.Prohorov,R.Pyke,S.T.Rachev(编辑),雅典应用概率会议和时间系列,第一卷:应用概率,Springer统计讲义,第114卷,1996年,第295页·Zbl 0857.92013号
[5] O.A.Van Herwaarden。;Grasman,J.,《随机流行病:主要疫情和流行期的持续时间》,J.Math。《生物学》,33,581(1995)·Zbl 0830.92024号
[6] Van Herwaarden,O.A.,《随机流行病:重大疫情结束时传染病灭绝的概率》,J.Math。《生物学》,35793(1997)·Zbl 0877.92024号
[7] Grasman,J.,相互作用生物种群系统中种群的预期灭绝时间,公牛。数学。《生物学》,58555(1996)·Zbl 0852.92024号
[8] Roozen,H.,种群动力学中二维退出问题的渐近解,SIAM J.Appl。数学。,49, 1793 (1989) ·Zbl 0697.92022号
[9] H.Roozen,应用中随机扰动动力系统的退出问题分析,博士论文,瓦赫宁根农业大学,荷兰,1990年;H.Roozen,应用中随机扰动动力系统的退出问题分析,博士论文,瓦赫宁根农业大学,荷兰,1990年
[10] Grasman,J。;HilleRisLambers,R.,关于集合种群中的局部灭绝,生态。建模,103,71(1997)
[11] C.W.Gardiner,《物理、化学和自然科学随机方法手册》,施普林格,柏林,1983年;C.W.Gardiner,《物理、化学和自然科学随机方法手册》,施普林格,柏林,1983年·Zbl 0515.60002号
[12] M.Eichner,K.P.Hadeler,K.Dietz,《消灭脊髓灰质炎的随机模型:脊髓灰质病毒持续存在的最小种群规模》,载于:V.Isham,G.Medley(编辑),《人类传染病模型》,剑桥大学,剑桥,1996年;M.Eichner,K.P.Hadeler,K.Dietz,根除脊髓灰质炎的随机模型:脊髓灰质病毒持续存在的最小人口规模,收录于:V.Isham,G.Medley(编辑),人类传染病模型,剑桥大学,剑桥,1996年·1076.92500兹罗提
[13] Bartlett,M.S.,《美国麻疹的临界社区规模》,J.Roy。Stat.Soc.A,123,37(1960)
[14] Chan,医学硕士。;Jeger,M.J.,《植物病毒病动态分析模型与放牧和再植》,J.Appl。Ecol.公司。,31, 413 (1994)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。