数学建模常用算法——传染病模型(一)SI模型
数学建模常用算法——传染病模型（一）SI模型详解尽管我们通常专注于算法的话题 ，但考虑到近期同学们在传染病传播问题上的需求 ，今天我们将探索一下传染病模型。这些模型旨在分析疾病的传播速度、范围和动力学机制，以支持防控策略的制定 。常见的传染病模型包括SI 、SIS 、SIR、SIRS和SEIR模型 。
SI模型的微分方程为：di/dt = λ * s * i。由于总人数N保持不变，可以简化为：di/dt = λ * ） * i。模型预测：最终状态：当时间趋向无限大时 ，患病者占比i将趋近1 ，即几乎所有个体最终都会成为患病者 。疫情高峰：患病者数量达到最大值时，即I = N/2 ，此时增长速度最快 。
- 传染期接触数σ=λ/μ ，即每个患病者在整个传染期1/μ天内，有效接触的易感者人数。- 根据模型假设：每个病人每天可使λ*s（t）个易感者变为患病者 ，患病者人数为N*i（t） ，所以每天有λ*s（t）*N*i（t）个易感者被感染，即每天新增的患病者数 。
《复式条形统计图》教学案例(D99)
设问：怎样用条形统计图表示这两组数据呢？【设计意图】根据问题的背景让学生选取合适的统计图 ，进一步提高学生表示数据、分析数据的能力；巧妙设问 ，让学生勇敢尝试，也为本节课的重点铺垫 。
数学建模累计确诊怎么计算的
通过MATLAB计算仿真程序求解相关参数和模型结果 ，并用统计学指标来评估结果的误差 ，然后评估效果较好的模型则用于对疫情发展趋势做短期预测和中长期预测。其次，我们结合统计学原理做全面而深入的数据分析 。
这些测量值在我们疾病传播问题中可以是每天的天数 （x）和每天的累计确诊人数 （y） 。
计算比例：将每个位置的累计值除以总数据量（或总和），得到该位置的累计比。示例：以销售数据为例 ，原始数据为产品A（50） 、产品B（30） 、产品C『20』 。排序后：产品A（50）、产品B（30） 、产品C『20』 。累计值：产品A（50） 、产品B（50+30=80）、产品C（80+20=100）。
