统一网络上的连续、离散与混合易感-感染-康复过程
物理与社会
2020-07-27 v2 统计力学
社会与信息网络
应用统计
摘要
在传播过程中，两个连续感染与康复事件之间的等待时间常被假设为指数分布，这导致马尔可夫（即无记忆）的连续传播动力学。然而，这未考虑已在社交、交通与疾病动力学中被认为相关的记忆（关联）效应与离散交互。我们引入一个框架，用于建模网络上的连续、离散以及混合形式的（非）马尔可夫易感-感染-康复（SIR）随机过程。本文所研究的混合 SIR 过程将感染描述为离散时间马尔可夫过程，而将康复事件描述为连续时间非马尔可夫过程，这模拟了细胞周期的分布。我们的结果表明，传染病过程的有效感染率描述无法唯一刻画此类混合以及一般非马尔可夫疾病动力学的行为。通过提供对一般马尔可夫与非马尔可夫疾病暴发的统一描述，我们转而证明平均传播率所产生的相图与底层事件间时间分布无关。
引用
@article{arxiv.2002.11765,
title = {Unifying continuous, discrete, and hybrid susceptible-infected-recovered processes on networks},
author = {Lucas Böttcher and Nino Antulov-Fantulin},
journal= {arXiv preprint arXiv:2002.11765},
year = {2020}
}
备注
14 pages, 10 figures