AKJPプロンプト

Mathematical.jp BU/repo

お問い合わせ
お問い合わせ

RstudioでSIRモデル②

akjp

, , , ,

RstudioでSIRモデル②

ケルマックマッケンドリック微分方程式

ケルマックマッケンドリック微分方程式（Kellogg-McKendrick differential equation）とは、人口動態や疫学において使われる微分方程式であり、この微分方程式は特定の条件下における人口動態をモデル化するために使用されるものになります。以下の3つの常微分方程式よりなります。

上記微分方程式において免疫力を獲得しないで回復する率をとおいた場合次のような関係式が関係式が求まります。

この上記式におけるそれぞれの集団が感染症に対して「感受性（Susceptible）」、「感染している（Infected）」、「回復（Recovered）」の3つの状態に分類されます。

また人口をとすれば次のような関係式が成り立ちます。

SIRモデル第２式に対する数理的考察

上記SIR式モデルにおける次の第２式、

この微分方程式を解いていきます。

両辺に対して積分を実行します。

ここで以下のようにおきます。

そうすると結果として以下のような式が求まります。

ここから次のようにしてイクスポーネンシャルの乗数部分に関してでくくって変形していきます。

さらにここで上記乗数部分のに関してそれを基本再生産数として次のようにおきます。

一般的に上記は(Rノート)と呼ばれており、これを使えば先ほどの式は次のように表されることになります。

この結果によりイクスポーネンシャルの乗数部分が1以上であれば指数関数的に上昇していき、１以下であるならば収束するということがわかります。

R StudioでのSIRモデル計算

R studioを起動させ次のように打ち込みます。

sir202104 <- function(t, y, parameters){
            with(
            as.list(c(parameters, y)),
                            list(c
                                      (S = -lambda * S * I,
                                       I = lambda * S * I - gamma * I,
                                       R = lambda * I)
                                )
             )
    }

S、I、Rのそれぞれの変数に値を代入していきます。
ちなみに代入している値はあくまで架空の数値なので本気にしないようにしてください。

y_init <- c(S = 0.998537432, I = 0.000213768, R = 0.001248782)

out202104にy_init、経過日数の範囲、生成データ、、をdeSolveのパッケージ、“ode”を使って代入します。
このodeが入っていないと動作しないのでライブラリ読み込みしていない場合はlibrary(deSolve)と打ち込んで読み込んでから出力をします。

out202104 <- ode(y = y_init, times = 1:100, func = sir202104, parms = c(lambda = 0.9, gamma = 0.1))

out202104を出力させます。

out202104
time 　　　　　S　　　　 I　　　　 R
1 1 0.9985374320 0.0002137680 0.001248782
2 2 0.9982412177 0.0004770163 0.001545476
3 3 0.9975856819 0.0010595619 0.002202387
4 4 0.9961291960 0.0023537033 0.003663488
5 5 0.9929072736 0.0052156544 0.006903230
6 6 0.9858225492 0.0115047026 0.014064316
7 7 0.9704548361 0.0251266669 0.029776055
8 8 0.9380492518 0.0537585492 0.063739373
9 9 0.8736448587 0.1102596172 0.134869298
10 10 0.7594138407 0.2089210159 0.274995872
11 11 0.5922624058 0.3484511232 0.523587821
12 12 0.4048325562 0.4936057964 0.904064409
13 13 0.2467751147 0.5966631001 1.399065649

　　　・・・（中略）・・・

89 89 0.0001253295 0.0004536435 8.984798825
90 90 0.0001252808 0.0004105198 8.985187377
91 91 0.0001252368 0.0003714954 8.985538992
92 92 0.0001251969 0.0003361808 8.985857183
93 93 0.0001251609 0.0003042231 8.986145126
94 94 0.0001251283 0.0002753034 8.986405697
95 95 0.0001250988 0.0002491328 8.986641498
96 96 0.0001250721 0.0002254500 8.986854883
97 97 0.0001250479 0.0002040185 8.987047984
98 98 0.0001250261 0.0001846243 8.987222729
99 99 0.0001250063 0.0001670737 8.987380862
100 100 0.0001249884 0.0001511917 8.987523961

得られたデータのCSVへの格納

得られたデータをCSVファイルにします。

write.csv(out202104, "out202104.csv")

csvファイルの読み込み

ｃｓｖファイルはカレントディレクトリに生成されても読み込みを行わないと認識されません。
次のように入力してEnterを押下します。

out202104_csv <- read.csv("out202104.csv",header=TRUE,sep=",")

これで読み込みができるようになります。
次のように入力してEnterを押せばデータが表示されます。

out202104_csv
      X time            S            I           R
1     1    1 0.9985374320 0.0002137680 0.001248782
2     2    2 0.9982412177 0.0004770163 0.001545476
3     3    3 0.9975856819 0.0010595619 0.002202387

　・・・（中略）・・・

99   99   99 0.0001250063 0.0001670737 8.987380862
100 100  100 0.0001249884 0.0001511917 8.987523961

生成されたCSVファイルのデータをout202104_dataに格納します。

out202104_data <- read.csv(file = "out202104.csv", header = TRUE, sep = ",")

out2021004_data_1にデータフレームを格納します。

out202104_data_1 <- as.data.frame(out202104_data)

３つのグラフを同時に描画

withを使ってSIRを描画。次のように入力します。

with(out202104_data_1, {
plot(time, S, type = "l", col = "blue", xlab = "経過日数", ylab = "人口")
lines(time, I, col = "red")
lines(time, R, col = "green")
})
legend("right", c("感染人口", "感染者", "回復者"), col = c("blue", "red", "green"), lty = 1, bty = "n")

上記のように打ち込んでEnterを押せば以下のように画像が出力されます。

PAGE TOP