数学建模常用算法——传染病模型(一)SI模型
每个患病者每天有效接触的易感者的平均人数是λ：这是模型中的一个重要参数 ，表示每个患病者每天能够感染多少个易感者。
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 。
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 。
SIR模型是一种用于描述无潜伏期 、治愈后获得终身免疫的传染病传播过程的数学模型，适用于如水痘等治愈后不再发的疾病 ，也可用于致死性传染病（死亡者归入康复者类） 。
传染病模型
传染病传播模型是通过数学形式展现的形式化结构 ，用于理解传染病的传播规律，其中经典的SIR模型是理解传染病传播的重要工具 ，同时多模型思维能弥补单一模型的局限 ，更准确地应对传染病传播问题。
SIR模型是一种用于描述无潜伏期 、治愈后获得终身免疫的传染病传播过程的数学模型，适用于如水痘等治愈后不再发的疾病 ，也可用于致死性传染病（死亡者归入康复者类）。
传染病的数学模型是流行病学家理解疾病传播规律、预测疫情发展的重要工具 ，主要分为以下几类： 基础模型：SIR模型SIR模型将人群分为三类状态：易感者（S） 、感染者（I） 、康复者/移出者（R） 。
SIR模型由W. O. Kermack与McKendrick在1927年提出，成为经典传染病传播模型之一 。各国卫生机构根据疾病特性 ，拓展出更多版本 ，此模型在疾病预防与控制决策中发挥重要作用。SIR模型将人群分为三类：易感、感染与康复 。通过建立描述各群体数量随时间变化的数学模型，描述易感人群减少、感染与康复过程 。
传染病模型中的“拐点 ”可以通俗理解为病例增长速度的转折点 ，即从“增速越来越快 ”转变为“增速逐渐减慢”的临界时刻。以下是具体解释：核心概念：增速的转折数学角度：拐点是函数图像凹凸性改变的点 。例如 ，在病例增长曲线中，拐点前曲线向上凸起（增速加快），拐点后向下凸起（增速减慢） 。
关于传染病的数学模型有哪些?
〖壹〗 、传染病的数学模型是流行病学家理解疾病传播规律 、预测疫情发展的重要工具 ，主要分为以下几类： 基础模型：SIR模型SIR模型将人群分为三类状态：易感者（S）、感染者（I） 、康复者/移出者（R）。其核心是通过常微分方程描述三者的动态转换：dS/dt = -βSI：易感者因接触感染者而减少 ，接触率用β表示 。
〖贰〗 、在传染病的研究领域，常用的数学模型主要有以下几种：SEIR模型：定义：SEIR模型将人群划分为易感者、潜伏者 、感染者和抵抗者四个阶段 。适用场景：特别适用于有潜伏期的恶性传染病 ，如典型感冒或某些病毒感染。特点：通过模拟这四个阶段的人群变化 ，可以预测疫情的动态行为，包括疫情爆发的峰值和感染人数 。
〖叁〗 、SIR模型是一种用于描述无潜伏期、治愈后获得终身免疫的传染病传播过程的数学模型 ，适用于如水痘等治愈后不再发的疾病 ，也可用于致死性传染病（死亡者归入康复者类） 。
〖肆〗 、SI模型是最简单的传染病模型之一，它假设人群中的个体只有两种状态：易感者（Susceptible）和感染者（Infectious）。在这个模型中 ，感染者可以传播疾病给易感者 ，但没有恢复或移除的过程。因此，SI模型适用于那些没有治愈方法或疫苗的传染病 ，如某些类型的流感 。
《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 。
