Stephan Gerlach
2020-03-21 01:45:06 UTC
Wir gehen aus von einer abgeschlossenen Population, in der die Anzahl N
der zum Zeitpunkt t Infizierten Personen angegeben werden soll.
Eine Quick-&-dirty-Modellierung:
N_0 = Anzahl der am Anfang (Zeit t=0) infizierten Personen
N_g = Gesamt-Anzahl aller Personen in der Population (zu jedem Zeitpunkt
konstant)
t = Zeit (genauer: Zeitpunkt)
dt = (infinitesimales) Zeitintervall
K = Anzahl aller(!) Kontakte in der Population im Zeitintervall dt
N(t) = Anzahl der infinierten Personen zum Zeitpunkt t
dN = Anzahl neu infizierter Personen im Zeitintervall dt
k = verhaltensabhängige Konstante der Population, nicht von N_g oder t
abhängig, beschreibt die Anzahl aller Kontakte pro Gesamtzahl Personen
und pro Zeitintervall, also k = K/(N_g*dt)
K_{i,n} = Anzahl aller Kontakte der Art [infiziert<->nicht_infiziert] in
der Population im Zeitintervall dt
p = Wahrscheinlichkeit für einen beliebigen Kontakt, daß dieser Kontakt
von der Art [infiziert<->nicht_infiziert] ist.
Weitere Bemerkungen / idealisierte Annahmen:
- Eigentlich sind K, N(t), dN, K_{i,n} Zufallsvariablen, und man müßte
statt ihrer selbst deren Erwartungswerte benutzen. Der Einfachheit
halber identifizieren wir die Zufallsvariablen mit ihren Erwartungswerten.
- k ist zeitlich konstant (wurde schon erwähnt)
- Eine einmal infizierte Person bleibt der Population als infizierte
Person "erhalten". (Aufgrund dieser Annahme ist die Prognose als
pessimistisch zu bezeichnen.)
Gesucht ist N als Funktion von t, d.h. N(t).
Es gilt
K = k*N_g*dt
dN = K{i,n}
K_{in} = K*p
p = 2*n*(N_g-N)/((N_g*(N_g-1))
Das führt zur Differentialgleichung bzw. dem Anfangswertproblem
dN/dt = 2*k*N*(N_g-N)/(N_g-1)
N(0) = N_0.
Die Lösung ist (selber nachrechnen / prüfen, ob's stimmt):
N(t) = N_g/2 * [tanh(artanh(2*N_0/N_g-1) + k*N_g/(N_g-1)*t) + 1]
In Kurzform:
N(t) = a * tanh(b*t + c) + d.
mit gewissen Parametern a, b, c, d.
D.h. der Graph von N ist eine "verschobene und gestreckte/gestauchte"
Tangenshyperbolicus-Funktion.
Eine etwas einfachere(?) Form der Lösung lautet
N(t) = N_g*N_0 / (N_0 + (N_g-N_0)*e^[-2*k*N_g*t/(N_g-1)]).
Für t --> unendlich konvergiert das Ganze gegen N_g, was plausibel
erscheint.
Allerdings ist das kein exponentielles Wachstum von N(t), wie in den
Medien immer wieder behauptet wird, sondern ein tangenshyperbolisches.
Wahrscheinlich klingt "exponentiell" einfach nur besser, weil das jeder
Zuschauer gut aus der Schule kennt.
Bezieht man mögliche Heilungen mit ein, wird es vermutlich "noch weniger
exponentiell". Allerdings ist es wohl so, daß es am Anfang, d.h. für
kleine t, wie ein exponentielles Wachstum aussieht.
der zum Zeitpunkt t Infizierten Personen angegeben werden soll.
Eine Quick-&-dirty-Modellierung:
N_0 = Anzahl der am Anfang (Zeit t=0) infizierten Personen
N_g = Gesamt-Anzahl aller Personen in der Population (zu jedem Zeitpunkt
konstant)
t = Zeit (genauer: Zeitpunkt)
dt = (infinitesimales) Zeitintervall
K = Anzahl aller(!) Kontakte in der Population im Zeitintervall dt
N(t) = Anzahl der infinierten Personen zum Zeitpunkt t
dN = Anzahl neu infizierter Personen im Zeitintervall dt
k = verhaltensabhängige Konstante der Population, nicht von N_g oder t
abhängig, beschreibt die Anzahl aller Kontakte pro Gesamtzahl Personen
und pro Zeitintervall, also k = K/(N_g*dt)
K_{i,n} = Anzahl aller Kontakte der Art [infiziert<->nicht_infiziert] in
der Population im Zeitintervall dt
p = Wahrscheinlichkeit für einen beliebigen Kontakt, daß dieser Kontakt
von der Art [infiziert<->nicht_infiziert] ist.
Weitere Bemerkungen / idealisierte Annahmen:
- Eigentlich sind K, N(t), dN, K_{i,n} Zufallsvariablen, und man müßte
statt ihrer selbst deren Erwartungswerte benutzen. Der Einfachheit
halber identifizieren wir die Zufallsvariablen mit ihren Erwartungswerten.
- k ist zeitlich konstant (wurde schon erwähnt)
- Eine einmal infizierte Person bleibt der Population als infizierte
Person "erhalten". (Aufgrund dieser Annahme ist die Prognose als
pessimistisch zu bezeichnen.)
Gesucht ist N als Funktion von t, d.h. N(t).
Es gilt
K = k*N_g*dt
dN = K{i,n}
K_{in} = K*p
p = 2*n*(N_g-N)/((N_g*(N_g-1))
Das führt zur Differentialgleichung bzw. dem Anfangswertproblem
dN/dt = 2*k*N*(N_g-N)/(N_g-1)
N(0) = N_0.
Die Lösung ist (selber nachrechnen / prüfen, ob's stimmt):
N(t) = N_g/2 * [tanh(artanh(2*N_0/N_g-1) + k*N_g/(N_g-1)*t) + 1]
In Kurzform:
N(t) = a * tanh(b*t + c) + d.
mit gewissen Parametern a, b, c, d.
D.h. der Graph von N ist eine "verschobene und gestreckte/gestauchte"
Tangenshyperbolicus-Funktion.
Eine etwas einfachere(?) Form der Lösung lautet
N(t) = N_g*N_0 / (N_0 + (N_g-N_0)*e^[-2*k*N_g*t/(N_g-1)]).
Für t --> unendlich konvergiert das Ganze gegen N_g, was plausibel
erscheint.
Allerdings ist das kein exponentielles Wachstum von N(t), wie in den
Medien immer wieder behauptet wird, sondern ein tangenshyperbolisches.
Wahrscheinlich klingt "exponentiell" einfach nur besser, weil das jeder
Zuschauer gut aus der Schule kennt.
Bezieht man mögliche Heilungen mit ein, wird es vermutlich "noch weniger
exponentiell". Allerdings ist es wohl so, daß es am Anfang, d.h. für
kleine t, wie ein exponentielles Wachstum aussieht.
--
(...Dialog aus m.p.d.g.w.a.)
Eigentlich sollte Brain 1.0 laufen.
gut, dann werde ich mir das morgen mal besorgen...(...Dialog aus m.p.d.g.w.a.)