Информация о документе

Цена 40000UZS
Размер 256.6KB
Покупки 0
Дата загрузки 31 Октябрь 2026
Расширение docx
Раздел Курсовые работы
Предмет Алгебра

Продавец

DocX Seller

Дата регистрации 31 Октябрь 2026

0 Продаж

Epidemiya jarayonining SIR modeli

Купить
“ EPIDEMIYA JARAYONINING SIR MODELI ” MAVZUSIDA KURS ISHI Mundarija Kirish ................................................................................................................................................ 2 1. Epidemik modellashtirishning nazariy asoslari ........................................................................... 3 1.1. Epidemiologik modellashtirish asoslari ................................................................................ 3 1.2. Modellardagi populyatsiya tuzilishi ...................................................................................... 7 1.3. Asosiy epidemiologik parametrlar ...................................................................................... 11 2. SIR modelining hosilasi va matematik asoslari ......................................................................... 15 2.1. SIR modelining tuzilishi va komponentlari ........................................................................ 15 2.2. Modelning matematik formulasi ......................................................................................... 19 2.3. Modelning asosiy xususiyatlari ........................................................................................... 24 3. SIR modelining dinamik tahlili, simulyatsiyasi va qo llanilishiʻ ................................................ 28 3.1. Dinamik xatti-harakatlar va barqarorlik tahlili ................................................................... 28 3.2. Kengaytmalar va real hayotda qo llanilishi ʻ ........................................................................ 32 XULOSA ....................................................................................................................................... 36 Foydalanilgan adabiyotlar .............................................................................................................. 37 Ilova ............................................................................................................................................... 38 Toshkent-2026 Kirish Epidemik jarayonlarni o rganish zamonaviy ilmiy landshaftda fanlararoʻ tadqiqotlarning eng muhim sohalaridan biriga aylandi. COVID-19, gripp va boshqa yuqumli kasalliklar kabi yuqumli kasalliklarning global miqyosda tez tarqalishi epidemiyalarning sog liqni saqlash tizimlari, iqtisodiy barqarorlik va ijtimoiy ʻ tuzilmalarga chuqur ta'sir ko rsatishi mumkinligini ko rsatdi. Shu nuqtai nazardan, ʻ ʻ matematik modellashtirish yuqumli kasalliklarning tarqalishini tushunish, bashorat qilish va nazorat qilish uchun asosiy vosita bo lib xizmat qiladi. Biologik va ʻ ijtimoiy o zaro ta'sirlarni miqdoriy doiralarga aylantirish orqali tadqiqotchilar va ʻ siyosatchilar epidemiyalar ta'sirini yumshatishga qaratilgan xabardor qarorlar qabul qilish imkoniyatiga ega bo ladilar. ʻ Ushbu kurs ishining asosiy maqsadi SIR modelini keng qamrovli o rganish ʻ bo lib, uchta asosiy jihatga e'tibor qaratishdan iborat. Birinchidan, model ʻ tenglamalarining matematik kelib chiqishi populyatsiya tuzilishi va kasallik yuqishi haqidagi asosiy taxminlardan boshlab batafsil taqdim etiladi. Bunga har bir bo lim uchun o zgarish tezligini tavsiflovchi differentsial tenglamalarni ʻ ʻ shakllantirish, shuningdek, tegishli parametrlarni tushuntirish kiradi. Xulosa qilib aytganda, SIR modeli yuqumli kasalliklar dinamikasini tushunish uchun fundamental asos bo lib xizmat qiladi. Uni o rganish nafaqat ʻ ʻ qimmatli nazariy tushunchalarni beradi, balki tadqiqotchilar va siyosatchilarni real dunyo sog liqni saqlash muammolarini hal qilish uchun vositalar bilan ta'minlaydi. ʻ Matematik qat'iylikni grafik va raqamli tahlil bilan birlashtirgan holda, ushbu kurs ishi epidemiya modellashtirish va uning zamonaviy fandagi amaliy ahamiyatini keng qamrovli o rganishni taqdim etishga qaratilgan. ʻ 2 1. Epidemik modellashtirishning nazariy asoslari 1.1. Epidemiologik modellashtirish asoslari Epidemiologik modellashtirish zamonaviy sog liqni saqlash tahliliningʻ asosiy tarkibiy qismi bo lib, yuqumli kasalliklarning populyatsiyalar orasida ʻ qanday tarqalishini tushunish uchun tizimli asos yaratadi. Matematik tuzilmalardan foydalangan holda, epidemiologlar murakkab biologik va ijtimoiy o zaro ta'sirlarni ʻ soddalashtirilgan, ammo analitik jihatdan tushunarli shaklda ifodalashlari mumkin. Bu asosiy yuqish mexanizmlarini aniqlash, epidemiya tendentsiyalarini bashorat qilish va aralashuv strategiyalarini baholash imkonini beradi. Epidemiologik modellashtirish o zining asosiy qismida muhim savollarga javob berishga intiladi: ʻ kasallik qanchalik tez tarqalishi, qancha odam ta'sir qilishi mumkinligi va qanday choralar avj olishni samarali nazorat qilishi yoki yo q qilishi mumkinligi. ʻ Epidemik jarayonni vaqt o tishi bilan populyatsiya ichida yuqumli ʻ kasallikning dinamik tarqalishi sifatida aniqlash mumkin, bu moyil va yuqtirilgan shaxslar o rtasidagi o zaro ta'sirlar orqali amalga oshiriladi. Bu jarayon o z-o zidan ʻ ʻ ʻ ʻ dinamik va chiziqli emas, chunki kasallikning yuqish tezligi nafaqat yuqtirilgan shaxslar soniga, balki populyatsiyaning tuzilishi va xulq-atvoriga ham bog liq. ʻ Epidemiyalar odatda oz sonli yuqtirilgan shaxslar bilan boshlanadi, so ngra ʻ infeksiya tarqalishi bilan tez o sish davri boshlanadi, oxir-oqibat cho qqiga chiqadi ʻ ʻ va keyin moyil shaxslar soni kamayishi yoki immunitet rivojlanishi bilan kamayadi. Ushbu fazalarni o rganish - paydo bo lish, o sish, cho qqi va pasayish - ʻ ʻ ʻ ʻ epidemiologik modellashtirishning markaziy qismidir. Epidemiologik modellashtirishdagi asosiy farqlardan biri deterministik va stoxastik yondashuvlar o rtasida. Deterministik modellar tizimning o rtacha xatti- ʻ ʻ harakatlarini tavsiflovchi oldindan belgilangan matematik tenglamalarga asoslangan. Ushbu modellarda natija butunlay dastlabki shartlar va parametr qiymatlari bilan belgilanadi, tasodifiylik uchun hech qanday rol o ynamaydi. ʻ 3 Masalan, agar bir xil boshlang ich miqdordagi sezgir va yuqtirilgan shaxslar,ʻ shuningdek, bir xil yuqish va tiklanish darajasi ishlatilsa, model har doim bir xil natijalarni beradi. Deterministik modellar, ayniqsa, umumiy tendentsiyalarni tushunish, chegara shartlarini aniqlash va epidemiyalarning sifatli xatti- harakatlarini tahlil qilish uchun foydalidir. Ular soddaligi va ularni ham analitik, ham sonli tahlil qilish osonligi tufayli keng qo llaniladi. ʻ Biroq, deterministik modellar cheklovlarga ega, ayniqsa kichik populyatsiyalar yoki tasodifiy hodisalar natijalarga sezilarli darajada ta'sir qilishi mumkin bo lgan erta bosqichdagi avj olishlar bilan ishlashda. Bunday hollarda, ʻ stoxastik modellar yanada realistik tasvirni taqdim etadi. Stoxastik epidemiologik modellar kasallik yuqishi tabiiy ravishda ehtimoliy ekanligini tan olib, tasodifiylik elementlarini o z ichiga oladi. Masalan, sezgir va yuqtirilgan shaxs o rtasidagi har ʻ ʻ bir aloqa yuqishga olib kelmaydi va tiklanish vaqti shaxslar orasida farq qilishi mumkin. Stoxastik modellar ushbu noaniqliklarni ehtimollik taqsimotlari va tasodifiy o zgaruvchilardan foydalanib hisobga oladi, bu esa bir xil boshlang ich ʻ ʻ sharoitlarda ham bir nechta mumkin bo lgan natijalarga imkon beradi. Bu ularni ʻ xavfni baholash va epidemik traektoriyalardagi o zgaruvchanlikni tushunish uchun ʻ ayniqsa qimmatli qiladi. Afzalliklariga qaramay, stoxastik modellar odatda deterministik modellarga qaraganda murakkabroq va hisoblash jihatidan intensivroqdir. Natijada, deterministik modellar ko pincha tahlil uchun boshlang ich nuqta bo lib xizmat ʻ ʻ ʻ qiladi, stoxastik effektlarni kiritishdan oldin asosiy tushunchani ta'minlaydi. Ko pgina amaliy qo llanmalarda analitik ravshanlikni realistik tasvir bilan ʻ ʻ muvozanatlash uchun ikkala yondashuvning kombinatsiyasi qo llaniladi. ʻ Epidemiologik modellashtirishdagi markaziy tushuncha - bu bo limli ʻ modellashtirish yondashuvi. Ushbu metodologiya populyatsiyani kasallik holatiga qarab alohida guruhlarga yoki bo limlarga ajratishni o z ichiga oladi. Har bir ʻ ʻ 4 bo lim ichidagi shaxslar bir xil deb hisoblanadi, ya'ni ular kasallik yuqishi vaʻ rivojlanishiga nisbatan bir xil xususiyatlarga ega. Shaxslarning bo limlar orasidagi ʻ harakati matematik tenglamalar bilan, odatda oddiy differentsial tenglamalar shaklida tasvirlanadi. Eng oddiy va eng keng qo llaniladigan bo limli model - bu SIR modeli ʻ ʻ bo lib, u shaxslarni uch guruhga ajratadi: sezgir, yuqtirilgan va tuzalgan. Sezgir ʻ guruh kasallikni yuqtirish xavfi ostida bo lgan shaxslardan iborat. Yuqtirilgan ʻ guruhga hozirda kasallikni tashuvchi va yuqtirgan shaxslar kiradi. Sog aygan ʻ guruhga immunitetga ega bo lgan yoki keyingi infektsiyalanish ehtimolidan xalos ʻ bo lgan shaxslar kiradi. Bu bo limlar orasidagi o tishlar infektsiya va sog ayish ʻ ʻ ʻ ʻ kabi biologik jarayonlarni aks ettiruvchi tezliklar bilan boshqariladi. Bo limli yondashuvning kuchli tomoni shundaki, u matematik soddalikni ʻ saqlab qolgan holda kasallik tarqalishining asosiy dinamikasini aniqlash qobiliyatiga ega. Shaxsiy darajadagi o zaro ta'sirlarga emas, balki agregatlangan ʻ populyatsiya xatti-harakatlariga e'tibor qaratish orqali ushbu modellar samarali tahlil qilish va natijalarni aniq talqin qilish imkonini beradi. Bundan tashqari, bo limli modellar qo shimcha xususiyatlarni, masalan, ta'sirlangan shaxslarni ʻ ʻ (SEIR modellarida), tug ilish va o lim, emlash va turli xil aloqa darajasini o z ʻ ʻ ʻ ichiga olishi mumkin. Bo limli modellashtirishning yana bir muhim jihati bir hil aralashtirish ʻ taxminidir. Bu taxmin populyatsiyadagi har bir shaxsning boshqa har bir shaxs bilan o zaro ta'sir qilish ehtimoli teng ekanligini anglatadi. Bu matematik ʻ formulani soddalashtirsa-da, u o zaro ta'sirlarga geografiya, yosh va ijtimoiy ʻ tarmoqlar kabi omillar ta'sir qiladigan real dunyodagi ijtimoiy tuzilmalarni aniq aks ettirmasligi mumkin. Shunga qaramay, bir hil aralashtirish taxmini ko pincha katta ʻ populyatsiyalar uchun oqilona taxminni ta'minlaydi va murakkabroq modellar uchun foydali asos bo lib xizmat qiladi. ʻ 5 Nazariy ahamiyatidan tashqari, bo limli modellar muhim amaliyʻ qo llanmalarga ega. Ular kuzatilgan ma'lumotlardan yuqish tezligi va tiklanish ʻ darajasi kabi asosiy epidemiologik parametrlarni baholash uchun ishlatiladi. Bu parametrlar, o z navbatida, jamoat salomatligi siyosati va aralashuv strategiyalarini ʻ shakllantiradi. Masalan, aloqa darajasidagi o zgarishlar kasallik tarqalishiga ʻ qanday ta'sir qilishini tahlil qilish orqali siyosatchilar ijtimoiy masofalanish yoki karantin kabi choralarning potentsial ta'sirini baholashlari mumkin. Xulosa qilib aytganda, epidemiologik modellashtirish asoslari yuqumli kasalliklar dinamikasini tahlil qilish uchun asos bo lib xizmat qiladigan bir qator ʻ muhim tushunchalar va metodologiyalarni o z ichiga oladi. Epidemiya ʻ jarayonlarining ta'rifi kasalliklarning vaqt o tishi bilan qanday tarqalishini ʻ tushunish uchun kontseptual asos yaratadi. Deterministik va stoxastik modellar o rtasidagi farq analitik soddalik va realistik tasvir o rtasidagi murosani ta'kidlaydi. ʻ ʻ Va nihoyat, bo linma modellashtirish yondashuvi epidemiya dinamikasining asosiy ʻ xususiyatlarini aniqlash uchun kuchli va moslashuvchan vositani taklif etadi. Birgalikda, bu elementlar SIR doirasi kabi muayyan modellarni olish va tahlil qilishni o z ichiga olgan yanada ilg or tadqiqotlar uchun mustahkam poydevor ʻ ʻ yaratadi. 6 1.2. Modellardagi populyatsiya tuzilishi Epidemiologik modellashtirishning muhim tarkibiy qismi populyatsiyaning matematik doirada qanday ifodalanishida yotadi. Populyatsiya tuzilishi modelning xatti-harakatlariga, bashoratlarning aniqligiga va natijalarni talqin qilishga bevosita ta'sir qiladi. Populyatsiya dinamikasi haqidagi taxminlarni soddalashtirish ko pincha modellarni analitik jihatdan tushunarli qilish uchun zarur; ammo, buʻ taxminlarni diqqat bilan tushunish kerak, chunki ular modelning ko lami va ʻ cheklovlarini belgilaydi. Bu kontekstdagi eng muhim mulohazalar qatoriga yopiq va ochiq populyatsiyalar o rtasidagi farq, bir hil aralashtirish taxmini va bu ʻ soddalashtirishlar real hayotda qo llanilishi uchun qo yadigan ichki cheklovlar ʻ ʻ kiradi. Epidemiologik modellashtirishdagi asosiy farqlardan biri yopiq va ochiq populyatsiyalar o rtasidagi farqdir. Yopiq populyatsiya vaqt o tishi bilan ʻ ʻ shaxslarning umumiy soni doimiy bo lib qoladigan tizim sifatida belgilanadi. ʻ Bunday modellarda tug ilish, o lim (kasallik bilan bog liq bo lmagan), ʻ ʻ ʻ ʻ immigratsiya yoki emigratsiya bo lmaydi. Faqatgina kasallik holatlari o rtasidagi ʻ ʻ o tishlar, masalan, moyildan yuqtirilganga yoki yuqtirilgandan tuzalganga o tish. ʻ ʻ Bu taxmin matematik formulani sezilarli darajada soddalashtiradi, chunki populyatsiyaning umumiy hajmi doimiy parametrga aylanadi. Ko pgina klassik ʻ modellar, jumladan, asosiy SIR modeli, dastlab yopiq populyatsiya taxmini ostida ishlab chiqilgan. Yopiq populyatsiya doirasi, ayniqsa, qisqa muddatli epidemiya dinamikasini tahlil qilish uchun foydalidir, bunda demografik o zgarishlar kasallik tarqalish ʻ tezligiga nisbatan ahamiyatsiz. Masalan, epidemiyaning dastlabki bosqichlarida yangi infeksiyalar soni odatda tug ilish yoki migratsiya tufayli populyatsiya soniga ʻ qaraganda ancha tez o zgaradi. Bunday hollarda, yopiq populyatsiya taxmini ʻ 7 oqilona taxminni ta'minlaydi va tadqiqotchilarga kasallik tarqalishining asosiy mexanizmlariga e'tibor qaratish imkonini beradi. Aksincha, ochiq populyatsiya modellari tug ilish, tabiiy o lim va migratsiyaʻ ʻ kabi demografik jarayonlarni o z ichiga oladi. Bu modellar, ayniqsa uzoq muddatli ʻ tahlil uchun, populyatsiya almashinuvi kasallik dinamikasini shakllantirishda muhim rol o ynaydigan uzoq muddatli tahlil uchun yanada realistikdir. Masalan, ʻ tug ilish orqali yangi sezgir shaxslarning kiritilishi populyatsiyada kasallikning ʻ mavjudligini saqlab qolishi mumkin, bu esa bitta epidemiya avj olishiga emas, balki endemik xatti-harakatlarga olib keladi. Xuddi shunday, migratsiya yuqtirilgan shaxslarni ilgari ta'sirlanmagan hududlarga kiritishi va yangi infeksiya to lqinlarini qo zg atishi mumkin. Ochiq populyatsiya modellari haqiqatning ʻ ʻ ʻ yanada keng qamrovli tasvirini taqdim etsa-da, ular matematik murakkablikni oshiradi va ko pincha aniq parametrlarni baholash uchun qo shimcha ʻ ʻ ma'lumotlarni talab qiladi. Ko pgina epidemiologik modellardagi yana bir asosiy taxmin - bu bir xil ʻ aralashishdir. Bu taxmin populyatsiyadagi har bir shaxsning boshqa har qanday shaxs bilan aloqa qilish ehtimoli teng ekanligini anglatadi. Boshqacha qilib aytganda, populyatsiya hech qanday fazoviy, ijtimoiy yoki demografik tuzilmasiz bir xil aralashgan deb hisoblanadi. Ushbu taxminga ko ra, kasallikning yuqish ʻ tezligi o zaro ta'sirning o ziga xos naqshlariga emas, balki faqat sezgir va ʻ ʻ yuqtirilgan shaxslar soniga bog liq. ʻ Bir xil aralashtirish taxmini modellashtirish jarayonini sezilarli darajada soddalashtiradi, bu esa agregat o zgaruvchilardan foydalanishga imkon beradi va ʻ individual darajadagi o zaro ta'sirlarni hisobga olish zaruratini kamaytiradi. Bu, ʻ ayniqsa, kontakt naqshlari haqida batafsil ma'lumotlar mavjud bo lmasligi mumkin ʻ bo lgan katta populyatsiyalarda foydalidir. Bundan tashqari, u epidemiya avj ʻ 8 olishining chegara shartlari va asosiy epidemiologik parametrlar uchun ifodalar kabi oqlangan matematik natijalarni olish imkonini beradi. Biroq, bu taxmin real dunyodagi ijtimoiy tizimlarni aniq aks ettirmaydi. Aslida, shaxslar geografiya, yosh, kasb va ijtimoiy xulq-atvor kabi omillar bilan belgilanadigan tuzilgan tarmoqlar ichida o zaro ta'sir qiladi. Masalan, maktabʻ o quvchilari tengdoshlari bilan yuqori aloqa qilish darajasiga ega bo lishadi, keksa ʻ ʻ odamlar esa cheklangan ijtimoiy o zaro ta'sirga ega bo lishlari mumkin. Xuddi ʻ ʻ shunday, shahar aholisi ko pincha qishloq jamoalariga nisbatan turli xil aralashish ʻ naqshlarini namoyish etadi. Ushbu heterojenliklarni e'tiborsiz qoldirish bashoratlarning haddan tashqari soddalashtirilishiga olib kelishi mumkin va kasallik tarqalish tezligi va darajasini kam baholaydi yoki oshirib yuborishi mumkin. Ushbu soddalashtirish taxminlarining cheklovlari epidemiologik modellashtirishda analitik soddalik va realizm o rtasidagi muhim murosani ʻ ta'kidlaydi. Bir hil aralashtirish bilan yopiq populyatsiya modellari qimmatli tushunchalarni taqdim etsa va nazariy tahlil uchun asos bo lib xizmat qilsa-da, ular ʻ haqiqiy epidemik jarayonlarning murakkabligini to liq aks ettirmasligi mumkin. ʻ Natijada, ushbu cheklovlarni bartaraf etish uchun yanada rivojlangan modellar ishlab chiqildi. Bularga yosh tuzilishi, fazoviy taqsimoti, tarmoqqa asoslangan o zaro ta'sirlar va vaqt o zgarishi parametrlariga ega modellar kiradi. ʻ ʻ Cheklovlariga qaramay, soddalashtirilgan populyatsiya tuzilmalari epidemiologiyada muhim ahamiyat kasb etadi. Ular asosiy tamoyillarni tushunish uchun asos yaratadi va tadqiqotchilarga kasallik dinamikasi haqida sezgi yaratishga imkon beradi. Bundan tashqari, ular murakkabroq modellar uchun boshlang ich ʻ nuqta bo lib xizmat qiladi, bu yerda qo shimcha murakkablik qatlamlari ʻ ʻ bosqichma-bosqich kiritilishi mumkin. 9 Xulosa qilib aytganda, epidemiologik modellardagi populyatsiya tuzilishi tahlil natijalari va talqinlarini shakllantirishda hal qiluvchi rol o ynaydi. Yopiq vaʻ ochiq populyatsiyalar o rtasidagi farq demografik jarayonlar hisobga olinadimi ʻ yoki yo qligini belgilaydi, bir xil aralashtirish taxmini esa o zaro ta'sirlarning ʻ ʻ qanday ifodalanishiga ta'sir qiladi. 10 1.3. Asosiy epidemiologik parametrlar Epidemiya dinamikasini chuqur tushunish kasallikning yuqishi va tiklanishini boshqaradigan asosiy parametrlarni sinchkovlik bilan o rganishni talabʻ qiladi. SIR tizimi kabi bo linma modellarida bu parametrlar infeksiyalarning ʻ populyatsiya orqali qanday tarqalishini tavsiflash uchun miqdoriy asos yaratadi. Eng muhimlari qatoriga yuqish darajasi, tiklanish darajasi va aloqa shakllari va infektsiya ehtimolini belgilovchi asosiy komponentlar kiradi. Ushbu parametrlar bilan chambarchas bog liq bo lgan narsa asosiy ko payish soni tushunchasi, ya'ni ʻ ʻ ʻ epidemiyaning kengayishi yoki kamayishini aniqlashda markaziy rol o ynaydigan ʻ chegaraviy miqdordir. Uzatish darajasi, odatda β bilan belgilanadi, sezgir shaxslarning yuqumli shaxslar bilan aloqa orqali yuqish tezligini ifodalaydi. Bu to g ridan-to g ri ʻ ʻ ʻ ʻ kuzatiladigan miqdor emas, balki shaxslar o rtasidagi aloqalar chastotasini va ʻ ma'lum bir aloqaning yuqishga olib kelish ehtimolini o z ichiga olgan kompozit ʻ parametrdir. Matematik jihatdan, yuqish tezligi sezgir bo linmadan yuqtirilgan ʻ bo linmaga shaxslarning oqimini boshqaradi. ʻ β ning yuqori qiymati yuqumli kasallik yoki tez-tez o zaro ta'sirga ega populyatsiyani ko rsatadi, bu ikkalasi ham ʻ ʻ infeksiya tarqalishini tezlashtiradi. Uzatish tezligini yana ikkita asosiy komponentga ajratish mumkin: aloqa darajasi va har bir aloqa uchun infektsiya ehtimoli. Kontakt darajasi bir vaqtning o zida shaxsning kasallikni yuqtirish uchun yetarli bo lgan o rtacha o zaro ta'sirlar ʻ ʻ ʻ ʻ sonini anglatadi. Bu o zaro ta'sirlar ijtimoiy xulq-atvorga, aholi zichligiga, ʻ madaniy amaliyotlarga va ijtimoiy masofalanish kabi jamoat salomatligi aralashuvlariga bog liq. Boshqa tomondan, har bir kontaktda infeksiya ehtimoli ʻ patogenning biologik xususiyatlarini, jumladan, uning yuqish usuli va virulentligini aks ettiradi. Masalan, havo orqali yuqadigan kasalliklar odatda 11 to g ridan-to g ri jismoniy aloqani talab qiladigan kasalliklarga qaraganda yuqoriʻ ʻ ʻ ʻ yuqish ehtimoliga ega. Ushbu parchalanishni tushunish, ayniqsa, jamoat salomatligi siyosati uchun muhimdir, chunki u aralashuvning bir nechta yo llarini ta'kidlaydi. Karantin yoki ʻ ijtimoiy masofalanish choralari orqali kontakt darajasini kamaytirish samarali yuqish darajasini bevosita pasaytiradi. Xuddi shunday, gigiena amaliyotlarini, niqoblardan foydalanishni yoki emlashni ko paytirish har bir kontaktda infeksiya ʻ ehtimolini kamaytirishi mumkin. Shunday qilib, β biologik jarayonlar va xulq- atvor yoki siyosatga asoslangan omillar o rtasida ko prik vazifasini bajaradi. ʻ ʻ γ bilan belgilangan tiklanish darajasi yuqtirilgan shaxslarning kasallikdan tuzalishi va tuzalish bo limiga o tish tezligini ifodalaydi. Bu parametr odatda ʻ ʻ o rtacha yuqumli davrning teskarisi sifatida belgilanadi. Masalan, agar biror kishi ʻ o rtacha besh kun davomida yuqumli bo lib qolsa, tiklanish darajasi kuniga ʻ ʻ γ =1/5 ni tashkil qiladi. Tiklanish darajasi yuqtirilgan shaxslarning kasallikni yuqtirishga qodir bo lganlar guruhidan qanchalik tez chiqarilishini belgilaydi. ʻ Yuqori tiklanish darajasi qisqaroq yuqumli davrni anglatadi, bu esa kasallikning tarqalish imkoniyatini kamaytiradi. Aksincha, uzoq yuqumli davrlarga ega kasalliklarda tiklanish darajasi pastroq bo ladi, bu esa yuqish uchun ko proq ʻ ʻ vaqt beradi va potentsial ravishda katta epidemiyalarga olib keladi. Agar model tuzalgan va vafot etgan shaxslarni farqlamasa, tiklanish darajasi kasallik keltirib chiqaradigan o limni ham bilvosita o z ichiga olishi mumkin. Keyinchalik ʻ ʻ rivojlangan modellarda tiklanish va o lim ko pincha kasallik natijalarini batafsilroq ʻ ʻ tasvirlash uchun alohida jarayonlar sifatida ko rib chiqiladi. ʻ Yuqish darajasi va tiklanish darajasi o rtasidagi o zaro ta'sir epidemik xatti- ʻ ʻ harakatlarni tushunish uchun muhimdir. β infeksiyaning kengayishiga turtki bo lsa, ʻ γ shaxslarni yuqumli guruhdan chiqarib tashlash orqali muvozanat vazifasini 12 bajaradi. Bu ikki parametrning nisbiy kattaligi infeksiya vaqt o tishi bilanʻ tarqalishini yoki kamayishini belgilaydi. Bu bog liqlik asosiy ko payish sonida aks ettirilgan, odatda R0 deb ʻ ʻ belgilanadi. Bu o lchovsiz miqdor to liq moyil populyatsiyada bitta yuqtirilgan ʻ ʻ shaxs tomonidan yuzaga keladigan ikkilamchi infeksiyalarning o rtacha soni ʻ sifatida belgilanadi. SIR modeli kontekstida u quyidagi nisbat bilan beriladi: R0= β γ (1) Asosiy ko payish soni epidemiyaning sifat jihatidan xatti-harakatlarini ʻ belgilovchi chegaraviy parametr bo lib xizmat qiladi. ʻ Agar R 0 >1 bo lsa, har bir yuqtirilgan shaxs o rtacha hisobda kasallikni bir ʻ ʻ nechta odamga yuqtiradi. Bu infeksiyalar sonining eksponensial o sishiga olib ʻ keladi, natijada epidemiya avj oladi. R 0 qiymati qanchalik katta bo lsa, kasallik ʻ shunchalik tez tarqaladi va infeksiyaning potentsial cho qqisi shunchalik yuqori ʻ bo ladi. ʻ Va aksincha R0 <1 bo lsa, har bir yuqtirgan shaxs o rtacha hisobda bittadan ʻ ʻ kam yangi infeksiya keltirib chiqaradi, bu esa holatlar sonining asta-sekin kamayishiga va oxir-oqibat populyatsiyadan kasallikning yo q qilinishiga olib ʻ keladi. R 0 kontseptsiyasi nazariy tahlil va amaliy qarorlar qabul qilish uchun kuchli vosita bo lib xizmat qiladi. Bu tadqiqotchilarga epidemiyaning potentsial ʻ og irligini tezda baholash va nazorat choralarining samaradorligini baholash ʻ imkonini beradi. Masalan, emlash strategiyalari sezgir shaxslar ulushini kamaytirish orqali samarali ko payish sonini kamaytirishga qaratilgan bo lib, shu ʻ ʻ bilan tizimni bitta kritik chegaradan pastga tushiradi. Haqiqiy misollar asosiy ko payish sonining muhimligini ko rsatadi. COVID- ʻ ʻ 19 pandemiyasining dastlabki bosqichlarida R0 ning taxminlari odatda 2 dan 3 gacha bo lgan, bu aralashuvlar bo lmaganda tez tarqalish ehtimoli yuqori ʻ ʻ 13 ekanligini ko rsatadi. Aksincha, qizamiq kabi o ta yuqumli kasalliklar ʻ ʻ R0 qiymatlari 10 dan oshishi mumkin, bu ularning o ta yuqumliligini aks ettiradi. Bu ʻ farqlar kasallikning xususiyatlariga qarab moslashtirilgan sog liqni saqlash ʻ choralari zarurligini ta'kidlaydi. Xulosa qilib aytganda, yuqish darajasi va tiklanish darajasi kabi asosiy epidemiologik parametrlar yuqumli kasalliklarning matematik modellarining asosini tashkil qiladi. Ularning o zaro ta'siri kasallikning tarqalish sur'ati va ʻ darajasini belgilaydi, asosiy ko payish soni esa bu bog liqlikning qisqacha ʻ ʻ xulosasini beradi. Birgalikda, bu tushunchalar epidemiya dinamikasini chuqurroq tushunishga imkon beradi va kasalliklarni nazorat qilish va oldini olish bo yicha ʻ samarali strategiyalarni ishlab chiqishni qo llab-quvvatlaydi. ʻ 14 2. SIR modelining hosilasi va matematik asoslari 2.1. SIR modelining tuzilishi va komponentlari SIR modeli epidemiologik modellashtirishdagi eng fundamental asoslardan birini ifodalaydi va yuqumli kasalliklarning populyatsiya ichida qanday tarqalishini tushunishga tizimli yondashuvni taqdim etadi. Model o zining asosiy qismidaʻ umumiy populyatsiyani kasallik holatiga qarab uchta alohida bo limga ajratadi: ʻ sezgir (S), yuqtirilgan (I) va tuzalgan (R). Ushbu bo limga ajratish murakkab ʻ biologik va ijtimoiy o zaro ta'sirlarni matematik jihatdan tushunarli tizimga ʻ aylantirish imkonini beradi, bu esa epidemiya dinamikasini ham sifat jihatidan, ham miqdoriy tahlil qilish imkonini beradi. Sezgir guruh (S) hozirda yuqtirilmagan, ammo kasallikni yuqtirish xavfi ostida bo lgan shaxslardan iborat. Bu shaxslar infeksiyaga qarshi immunitetga ega ʻ emas va yuqumli shaxslar bilan aloqada bo lganda yuqtirishi mumkin. Sezgir ʻ populyatsiyaning hajmi odatda epidemiya paytida vaqt o tishi bilan kamayadi, ʻ chunki shaxslar yuqtirilgan bo limga o tishadi. ʻ ʻ Yuqtirilgan guruh (I) kasallikni yuqtirgan va uni boshqalarga yuqtirishga qodir bo lgan shaxslarni o z ichiga oladi. Bu bo lim epidemiya jarayonida ʻ ʻ ʻ markaziy o rin tutadi, chunki u sezgir shaxslar bilan o zaro ta'sir orqali ʻ ʻ infeksiyaning tarqalishini boshqaradi. Kasallangan shaxslar soni odatda chiziqli bo lmagan traektoriya bo yicha boradi: u epidemiyaning dastlabki bosqichida tez ʻ ʻ ko payadi, cho qqisiga chiqadi va keyin tiklanish jarayonlari ustunlik qilgani va ʻ ʻ sezgir populyatsiya kamaygani sayin kamayadi. Sog aygan guruh (R) kasallikdan tuzalib, immunitetga ega bo lgan yoki ʻ ʻ tizimdan chiqarilgan shaxslardan iborat (masalan, modelning taxminlariga qarab, izolyatsiya yoki o lim orqali). Klassik SIR modelida tuzalgan shaxslar doimiy ʻ immunitetga ega deb taxmin qilinadi va sezgir guruhga qaytmaydi. Natijada, bu bo limning hajmi vaqt o tishi bilan monoton ravishda oshadi. ʻ ʻ 15 Bu uchta bo lim o rtasidagi o zaro ta'sir epidemiyaning umumiy dinamikasiniʻ ʻ ʻ belgilaydi. Sezgirdan kasallanganga o tish bu ikki guruhdagi shaxslar o rtasidagi ʻ ʻ aloqa orqali sodir bo ladi. Bu jarayon ham aloqa chastotasiga, ham har bir o zaro ʻ ʻ ta'sir paytida yuqish ehtimoliga bog liq. Kasallangandan so ng, shaxslar oxir- ʻ ʻ oqibat biologik va tibbiy omillar bilan belgilanadigan tezlikda tuzalib, tuzalgan bo limga o tadilar. Bu o tishlarni kontseptual ravishda oqim sifatida ifodalash ʻ ʻ ʻ mumkin: S→I→R Ushbu oddiy tuzilma analitik va raqamli tadqiqotlar uchun yetarlicha moslashuvchan bo lib qolgan holda, kasallikning rivojlanishining asosiy ʻ mexanizmini aks ettiradi. Ushbu o tishlarni yaxshiroq tushunish uchun, masalan, universitet kampusida ʻ mavsumiy grippning tarqalishi kabi real hayotdagi misolni ko rib chiqing. Semestr ʻ boshida ko pchilik talabalar kasal bo lib, faqat bir nechta yuqtirgan shaxslar ʻ ʻ qoladi. Talabalar darslarga qatnashib, yotoqxonalarda muloqot qilib va ijtimoiy tadbirlarda ishtirok etib, infeksiya tez tarqaladi va yuqtirgan shaxslar sonini ko paytiradi. Muayyan vaqtdan so ng, yuqtirgan talabalar tiklana boshlaydi va ʻ ʻ immunitetni rivojlantiradi, tuzalgan guruhga o tadi. Oxir-oqibat, yuqtirgan shaxslar ʻ soni infeksiya endi o zini o zi ushlab tura olmaydigan darajaga kamayadi, bu esa ʻ ʻ yangi holatlarning kamayishiga olib keladi. SIR modelining dinamik xatti-harakati ko pincha epidemiya jarayoniga ʻ intuitiv tushuncha berish uchun grafik tarzda tasvirlangan. Uchta bo linmaning ʻ vaqt evolyutsiyasining odatiy ko rinishi quyida ko rsatilgan. ʻ ʻ Bunday grafiklarda yuqtirgan shaxslarning kamayib ketishini aks ettiruvchi vaqt o tishi bilan yuqtirgan shaxslarning kamayib ketishini aks ettiruvchi sezgir ʻ egri chiziq vaqt o tishi bilan pasayadi. Yuqtirilgan egri chiziq qo ng iroq ʻ ʻ ʻ shaklidagi naqshni ko rsatadi, bu faol holatlarning ko payishi va pasayishini aks ʻ ʻ 16 ettiradi. Shu bilan birga, tiklangan egri chiziq barqaror ravishda oshib boradi, bu immunitetga ega bo lgan shaxslarning to planishini ifodalaydi. Infektsiyalanganʻ ʻ egri chiziq maksimal darajaga yetgan nuqta epidemiyaning eng yuqori cho qqisiga ʻ to g ri keladi, bu sog liqni saqlash tizimlari va siyosat aralashuvlari uchun juda ʻ ʻ ʻ muhim momentdir. SIR modelini shakllantirish real dunyo populyatsiyalarining murakkab tabiatini soddalashtiradigan bir nechta asosiy taxminlarga asoslanadi. Asosiy taxminlardan biri yopiq populyatsiyadir. Bu shuni anglatadiki, tahlil davrida shaxslarning umumiy soni doimiy bo lib qoladi, tug ilish, o lim (kasallik bilan ʻ ʻ ʻ bog liq bo lmagan), immigratsiya yoki emigratsiya bo lmaydi. Ushbu taxminga ʻ ʻ ʻ ko ra, uchta bo linmaning yig indisi doimiy bo lib qoladi: ʻ ʻ ʻ ʻ S(t)+I(t)+R(t)=N (2) bu yerda N umumiy populyatsiya sonini ifodalaydi. Bu taxmin odatda qisqa muddatli epidemik tahlil uchun oqilona bo lib, bu yerda demografik o zgarishlar ʻ ʻ kasallik tarqalish tezligiga nisbatan ahamiyatsiz. Yana bir muhim taxmin - bu bir xil aralashish. Bu shuni anglatadiki, populyatsiyadagi har bir shaxs boshqa har bir shaxs bilan o zaro ta'sir qilish ʻ ehtimoli teng. Amaliy jihatdan, u kontaktlar tasodifiy va populyatsiya bo ylab bir ʻ tekis taqsimlangan deb taxmin qiladi. Bu taxmin matematik formulani soddalashtirsa-da, u ijtimoiy tarmoqlar, geografik cheklovlar va xulq-atvor naqshlari ta'sirida bo lgan real dunyodagi o zaro ta'sirlarning tuzilgan tabiatini ʻ ʻ to liq aks ettirmaydi. ʻ Ushbu soddalashtirishlarga qaramay, SIR modeli yuqumli kasalliklarning asosiy dinamikasini tushunish uchun kuchli vositani taqdim etadi. Uning bo linma ʻ tuzilishi kasallikning rivojlanishini aniq talqin qilish imkonini beradi, taxminlari esa analitik yechimlar va hisoblash simulyatsiyalarini ishlab chiqish imkonini beradi. Bundan tashqari, u yosh tuzilishi, fazoviy taqsimot va turli xil aloqa 17 naqshlari kabi qo shimcha murakkabliklarni o z ichiga olgan yanada rivojlanganʻ ʻ modellar uchun asos bo lib xizmat qiladi. ʻ Xulosa qilib aytganda, SIR modelining tuzilishi va komponentlari epidemiologik tahlilning asosini tashkil qiladi. Populyatsiyani sezgir, yuqtirilgan va tuzalgan guruhlarga bo lish va bu holatlar orasidagi o tishlarni aniqlash orqali ʻ ʻ model epidemiya tarqalishini boshqaradigan asosiy mexanizmlarni aks ettiradi. Matematik formulalar va grafik tasvirlar orqali u yuqumli kasalliklarning xatti- harakatlari haqida qimmatli ma'lumotlarni taqdim etadi, bu esa uni nazariy tadqiqotlarda ham, amaliy sog liqni saqlashni rejalashtirishda ham ajralmas ʻ vositaga aylantiradi. 18 2.2. Modelning matematik formulasi SIR modelining matematik formulasi populyatsiya ichida yuqumli kasalliklarning tarqalishini tavsiflash uchun qat'iy asos yaratadi. Biologik jarayonlarni differentsial tenglamalar tizimiga aylantirish orqali model vaqt o tishiʻ bilan sezgir, yuqtirilgan va tuzalgan shaxslar o rtasidagi dinamik o zaro ta'sirni aks ʻ ʻ ettiradi. Ushbu formula analitik tadqiqot va raqamli simulyatsiyani ta'minlaydi, bu esa uni epidemiologik modellashtirishning asosiga aylantiradi. SIR modelining markazida ikkita asosiy parametr mavjud: yuqish tezligi β va tiklanish darajasi γ. Bu parametrlar shaxslarning bo limlar orasidagi harakatini ʻ boshqaradi va epidemiyaning umumiy xatti-harakatlarini belgilaydi. Yuqish tezligi β sezgir shaxslarning yuqtirilgan shaxslar bilan aloqa orqali yuqish tezligini ifodalaydi. U ikkita asosiy omilni aks ettiradi: vaqt birligida har bir shaxsga o rtacha kontaktlar soni va aloqa yuqishga olib kelish ehtimoli. β ning ʻ yuqori qiymati tez-tez o zaro ta'sirlarni yoki yuqumli kasallikni ko rsatadi, ikkalasi ʻ ʻ ham infektsiyaning tarqalishini tezlashtiradi. Tiklanish darajasi γ yuqtirilgan shaxslarning tiklanish va tuzalgan bo limga ʻ o tish tezligini tavsiflaydi. Odatda u o rtacha yuqumli davrning teskarisi sifatida ʻ ʻ belgilanadi. Masalan, agar biror kishi taxminan 5 kun davomida yuqumli bo lib ʻ qolsa, u holda γ=0.2 bo ladi. Yuqori tiklanish darajasi yuqtirilgan shaxslarning ʻ yuqumli holatdan tezroq chiqib ketishini anglatadi va shu bilan keyingi yuqish ehtimolini kamaytiradi. 19 Differensial tenglamalar tizimi SIR modeli har bir bo lim vaqt o tishi bilan qanday rivojlanishiniʻ ʻ tavsiflovchi uchta bog langan oddiy differensial tenglamalar tizimi sifatida ʻ ifodalanadi: dS dt =− βSI dI dt = βSI − γI (3) dR dt = γI Bu tenglamalar mos ravishda sezgir, yuqtirilgan va tuzalgan populyatsiyalarning o zgarish tezligini ifodalaydi. Har bir atama aniq ʻ epidemiologik talqinga ega. Birinchi tenglama shuni ko rsatadiki, sezgir populyatsiya shaxslar ʻ yuqtirilganda kamayadi. Bu pasayish tezligi sezgir shaxslar soniga ham, yuqtirilgan shaxslar soniga ham mutanosib bo lib, bu ikki guruh o rtasidagi o zaro ʻ ʻ ʻ ta'sirni aks ettiradi. Ikkinchi tenglama yuqtirilgan populyatsiya dinamikasini tavsiflaydi. U yangi infektsiyalar orqali ko payadi (sezgir guruhni kamaytiradigan atama) va shaxslar ʻ tuzalganda kamayadi. Bu ikki jarayon o rtasidagi muvozanat infektsiyalar sonining ʻ ko payishini yoki kamayishini belgilaydi. ʻ Uchinchi tenglama tuzalgan populyatsiyaning o sishini aks ettiradi. U ʻ yuqtirilgan shaxslar soniga mutanosib tezlikda oshadi, chunki tiklanish bu bo limga kirishning yagona yo li hisoblanadi. ʻ ʻ 20 Modelni bosqichma-bosqich chiqarish SIR tenglamalarini chiqarish bir nechta soddalashtirilgan taxminlar bilan boshlanadi. Birinchidan, populyatsiya yopiq deb taxmin qilinadi, ya'ni umumiy populyatsiya soni doimiy bo lib qoladi. Ikkinchidan, shaxslar bir xil aralashadi, buʻ har bir shaxsning boshqalar bilan o zaro ta'sir qilish imkoniyati teng ekanligini ʻ anglatadi. N umumiy populyatsiyani quyidagicha belgilasin: S(t)+I(t)+R(t)=N (2) Infektsiya atamasini chiqarish uchun har bir yuqtirgan shaxs birlik vaqt ichida ma'lum miqdordagi odamlar bilan aloqada bo lishini hisobga oling. ʻ Berilgan aloqaning sezgir shaxs bilan bo lish ehtimoli S/N ga mutanosib. ʻ Shuning uchun, birlik vaqt ichida yangi infektsiyalar soni quyidagilarga mutanosib: β ⋅ S ⋅ I Bu atama sezgir bo limdan yuqtirilgan bo limga o tishni ifodalaydi. ʻ ʻ ʻ Keyin, tiklanishni ko rib chiqing. Har bir yuqtirgan shaxs mustaqil ravishda ʻ doimiy γ tezlikda tiklanadi, ya'ni birlik vaqt ichida tiklanish soni quyidagilarga mutanosib: γ ⋅ I Bu atama yuqtirilgan bo limdan tiklangan bo limga o tishni ifodalaydi. ʻ ʻ ʻ Ushbu oqimlarni birlashtirish orqali biz yuqorida keltirilgan differentsial tenglamalar tizimini olamiz. 21 Haqiqiy hayot misoli: COVID-19 tarqalishi Ushbu modelning amaliy misolini shahar ichida COVID-19 ning erta tarqalishida ko rish mumkin. Dastlab, aholining aksariyati sezgir, faqat oz sonliʻ yuqtirilgan shaxslar mavjud. Shahar muhitida yuqori aloqa darajasi tufayli yuqish tezligi β nisbatan yuqori bo lib, bu infektsiyalarning tez o sishiga olib keladi. ʻ ʻ Karantin va ijtimoiy masofalanish kabi sog liqni saqlash choralari amalga ʻ oshirilganligi sababli, samarali yuqish darajasi pasayadi. Shu bilan birga, tibbiy davolanish va izolyatsiya tiklanish darajasini γ oshiradi. Bu o zgarishlar epidemiya ʻ egri chizig ining shaklini o zgartiradi, cho qqini tekislaydi va infeksiyalarning ʻ ʻ ʻ umumiy sonini kamaytiradi. SIR modelining matematik formulasi epidemiya dinamikasini tahlil qilish uchun aniq va kuchli asos yaratadi. Asosiy parametrlarni aniqlash va differentsial tenglamalar tizimini olish orqali model kasallik tarqalishini boshqaradigan asosiy jarayonlarni aks ettiradi. Analitik tuzilma va grafik talqinning kombinatsiyasi epidemiyalar qanday rivojlanishi va ularni maqsadli aralashuvlar orqali qanday nazorat qilish mumkinligi haqida chuqur tushunchalar berish imkonini beradi. 22 23 2.3. Modelning asosiy xususiyatlari SIR modeli, nisbatan sodda tuzilishiga qaramay, epidemik jarayonlar dinamikasini tushunish uchun zarur bo lgan bir qancha muhim matematikʻ xususiyatlarga ega. Bu xususiyatlar tizimning vaqt o tishi bilan qanday ʻ rivojlanishini tushunishga imkon beradi va nazariy tahlil va amaliy qo llanmalar ʻ uchun asos bo lib xizmat qiladi. Eng muhimlari orasida umumiy populyatsiyaning ʻ saqlanish qonuni, bo limlar orasidagi oqimlarni talqin qilish va tizimning asosiy ʻ analitik xususiyatlari mavjud. Klassik SIR modelining asosiy taxminlaridan biri shundaki, populyatsiya yopiq, ya'ni vaqt o tishi bilan shaxslarning umumiy soni doimiy bo lib qoladi. Bu ʻ ʻ tahlil davrida tug ilish, o lim (kasallik bilan bog liq bo lmagan) yoki migratsiya ʻ ʻ ʻ ʻ yo qligini anglatadi. Ushbu taxminga ko ra, umumiy populyatsiya N quyidagicha ʻ ʻ beriladi. N=S(t)+I(t)+R(t) (2) Ushbu xususiyatni rasmiylashtirish uchun biz uchta bo limning o zgarish ʻ ʻ tezligi yig indisini ko rib chiqamiz: ʻ ʻ dS dt +dR dt +dI dt SIR modeli tenglamalarini ushbu ifodaga qo yish quyidagicha natija beradi: ʻ (−β S I)+(β S I−γ I)+(γ I)=0 (4) Bu natija shuni ko rsatadiki: ʻ dt d ( S + I + R ) = 0 (5) bu umumiy populyatsiya N barcha vaqt davomida doimiy ekanligini anglatadi. Bu SIR modelining saqlanish qonuni sifatida tanilgan. Bu xususiyatning ahamiyati uning tizimning murakkabligini kamaytirish qobiliyatidadir. Umumiy populyatsiya doimiy bo lgani uchun, o zgaruvchilardan ʻ ʻ birini boshqalari bilan ifodalash mumkin. Masalan: 24 R(t)=N−S(t)−I(t) (6) Bu uch o lchovli tizimni ikki o lchovli tizimga qisqartirish imkonini beradi,ʻ ʻ bu esa ham analitik, ham sonli tahlilni soddalashtiradi. Bo limlar orasidagi oqimlarni talqin qilish ʻ SIR modelini bo limlar orasidagi oqimlar tizimi sifatida ham tushunish ʻ mumkin. Har bir differentsial tenglama shaxslarning bir holatdan ikkinchi holatga o tish tezligini ifodalaydi. ʻ βSI atamasi sezgirdan yuqtirilganga o tish oqimini ifodalaydi. Bu oqim ʻ sezgir va yuqtirilgan shaxslar o rtasidagi o zaro ta'sirga bog liq. U kasallik yuqish ʻ ʻ ʻ mexanizmini aks ettiradi va epidemiyaning o sishi uchun javobgardir. ʻ γI atamasi yuqtirilgandan tuzalganga o tish oqimini ifodalaydi. Bu oqim ʻ tuzalish (yoki olib tashlash) ga mos keladi va shaxslarning yuqumli holatdan qanchalik tez chiqib ketishini belgilaydi. Bu oqimlarni yo naltirilgan jarayon sifatida tasavvur qilish mumkin: ʻ S βSI → I γI → R Ushbu talqin SIR modeli asosan massa uzatish tizimi ekanligini ta'kidlaydi, bu yerda shaxslar biologik va ijtimoiy omillar bilan belgilanadigan tezlikda bo linmalar orasida harakatlanadi. Bu oqimlar o rtasidagi muvozanat ʻ ʻ epidemiyaning umumiy xatti-harakatlarini belgilaydi. Agar yuqtirilgan bo linmaga ʻ kiruvchi oqim chiquvchi oqimdan oshsa, infeksiyalar soni ortadi; aks holda u kamayadi. Yuqtirilgan egri chiziq maksimal darajaga yetgan nuqta yuqtirilgan bo linmaning kiruvchi va chiqib ketishi teng bo lgan paytga to g ri keladi, ya'ni: ʻ ʻ ʻ ʻ βSI=γI (7) Bu nuqtada epidemiya eng yuqori cho qqisiga chiqadi. ʻ 25 Tizimning asosiy analitik xususiyatlari SIR modeli epidemik xatti-harakatlarni chuqurroq tushunish imkonini beruvchi bir qancha muhim analitik xususiyatlarni namoyish etadi. Birinchidan, tizim SI mahsulot atamasi tufayli chiziqli emas. Bu chiziqli emaslik epidemiyalarda kuzatiladigan murakkab dinamika, jumladan, tez o sish vaʻ oxir-oqibat pasayish uchun javobgardir. Chiziqli tizimlardan farqli o laroq, chiziqli ʻ bo lmagan tizimlarni odatda oddiy yopiq shaklli ifodalar yordamida yechib ʻ bo lmaydi, bu esa raqamli usullarni tahlil qilish uchun muhim vositaga aylantiradi. ʻ Ikkinchidan, model barcha o zgaruvchilar barcha vaqt davomida salbiy ʻ bo lmasligini ta'minlaydi, agar dastlabki sharoitlar salbiy bo lmasa. Bu xususiyat ʻ ʻ jismoniy realizmni saqlab qolish uchun juda muhimdir, chunki salbiy populyatsiya qiymatlari mazmunli emas. Uchinchidan, tizim ma'lum bo limlarda monoton xatti-harakatlarni namoyish ʻ etadi. Xususan, tiklangan populyatsiya R(t) har doim o sib boradi, chunki shaxslar ʻ faqat shu bo limga kiradi va hech qachon chiqmaydi. Xuddi shunday, sezgir ʻ populyatsiya S(t) tug ilish yoki immunitetni yo qotish bo lmaganda har doim ʻ ʻ ʻ kamayadi. Yana bir muhim xususiyat - bu epidemiya sodir bo lishini belgilaydigan ʻ chegaraviy holatning mavjudligi. Bu holat yuqish va tiklanish darajasi o rtasidagi ʻ muvozanat bilan chambarchas bog liq. Agar sezgir shaxslarning dastlabki soni ʻ γ / β nisbatiga nisbatan yetarlicha katta bo lsa, infeksiya tarqaladi; aks holda u yo q ʻ ʻ bo lib ketadi. ʻ Haqiqiy hayot talqini Ish joyida yuqumli kasallikning tarqalishi kabi real hayotdagi misolni ko rib ʻ chiqing. Boshida ko pchilik xodimlar sezgir bo ladi va oz sonli qismi yuqtiriladi. ʻ ʻ Uchrashuvlar, umumiy joylar va kundalik mashg ulotlar paytida o zaro ta'sirlar ʻ ʻ sodir bo lganda, shaxslar sezgir guruhdan yuqtirilgan guruhga o tadilar. Vaqt ʻ ʻ 26 o tishi bilan yuqtirgan xodimlar tuzalib, immunitetga ega bo ladilar yokiʻ ʻ izolyatsiya qilinadilar, tuzalgan toifaga o tadilar. ʻ Saqlash qonuni xodimlarning umumiy sonining doimiy bo lib qolishini ʻ ta'minlaydi, oqim talqini esa kasallikning shaxslararo o zaro ta'sirlar orqali qanday ʻ tarqalishini tushuntiradi. Grafiklar orqali dinamikani kuzatish rahbariyatga infeksiyaning eng yuqori davrini aniqlash va masofaviy ish siyosati yoki sog liqni ʻ saqlash choralari kabi o z vaqtida aralashuvlarni amalga oshirish imkonini beradi. ʻ SIR modelining asosiy xususiyatlari epidemik tizimlarning qanday ishlashini to liq tushunish imkonini beradi. Saqlash qonuni matematik izchillikni ta'minlaydi ʻ va tahlilni soddalashtiradi, oqimlarni talqin qilish esa kasallikning yuqishini intuitiv tushunishni ta'minlaydi. Nochiziqlilik va monoton xulq-atvor kabi asosiy analitik xususiyatlar bilan birgalikda, bu xususiyatlar SIR modelini nazariy va real dunyo sharoitlarida epidemiya dinamikasini o rganish uchun kuchli va chuqur ʻ vositaga aylantiradi. 27 3. SIR modelining dinamik tahlili, simulyatsiyasi va qo llanilishiʻ 3.1. Dinamik xatti-harakatlar va barqarorlik tahlili SIR modeli (Sezgir-Yuqtirilgan-Sog aygan) - bu matematik ʻ epidemiologiyada yuqumli kasalliklarning yopiq populyatsiya ichida qanday tarqalishini tasvirlash uchun ishlatiladigan klassik deterministik asos. Uning dinamikasi uchta bo linma: sezgir (S), yuqtirilgan (I) va sog aygan (R) o rtasidagi ʻ ʻ ʻ o tishlarni kuzatadigan chiziqli bo lmagan oddiy differentsial tenglamalar tizimi ʻ ʻ bilan boshqariladi. Umumiy populyatsiya doimiy deb hisoblanadi, ya'ni (2)- formula, tug ilish, o lim (asosiy modelda) yoki migratsiya yo q. ʻ ʻ ʻ Modelning asosiy jihati muvozanat nuqtalarini aniqlashdir, ular tizim vaqt o tishi bilan o zgarmaydigan barqaror holat sharoitlarini ifodalaydi. ʻ ʻ Muvozanat nuqtalari SIR modelida ikkita asosiy muvozanat holati mavjud: Kasalliksiz muvozanat (DFE) Bu populyatsiyada infeksiya mavjud bo lmaganda sodir bo ladi: ʻ ʻ (S * , I * , R * ) = (N, 0, 0) (8) Bu vaqtda butun populyatsiya sezgir va kasallik yo q. ʻ Endemik muvozanat (EE) Bu kasallik populyatsiyada doimiy darajada davom etganda yuzaga keladi: (S * , I * , R * ) = ( γ β , I ¿ , N − γ β − I ¿ ) (9) bu yerda β - yuqish tezligi va γ - tiklanish tezligi. Bu muvozanat faqat infeksiya populyatsiyada o zini saqlab qola olgan ma'lum sharoitlarda mavjud. ʻ Asosiy ko payish soni R ʻ 0 Barqarorlik tahlilidagi markaziy tushuncha R 0 bilan belgilangan asosiy ko payish sonidir va quyidagicha ta’riflanadi: ʻ R 0 = βN γ (10) 28 Bu to liq sezgir populyatsiyada bitta yuqtirilgan shaxs tomonidan yuzagaʻ keladigan ikkilamchi infeksiyalarning kutilgan sonini ifodalaydi. Agar R 0 <1 bo lsa: har bir yuqtirilgan shaxs kasallikni o rtacha bir kishidan ʻ ʻ kam odamga yuqtiradi, bu esa kasallikning yo q bo lib ketishiga olib keladi. ʻ ʻ Agar R 0 >1 bo lsa: infeksiya populyatsiyada tarqaladi va epidemiyaga olib ʻ kelishi mumkin. Shunday qilib, R 0 epidemiya sodir bo lishini belgilovchi chegara parametri ʻ vazifasini bajaradi. Barqarorlik tahlili muvozanat nuqtalarining barqarorligini (tizim buzilishdan keyin muvozanatga qaytadi) yoki beqarorligini (tizim uzoqlashadi) aniqlaydi. Kasalliksiz muvozanat barqarorligi DFE mahalliy asimptotik jihatdan barqaror bo ladi, agar: ʻ R 0 <1 Bu kichik epidemiyalar tabiiy ravishda yo q bo lib ketishini anglatadi. ʻ ʻ Matematik jihatdan, bu DFEdagi tizimning Yakobian matritsasini tahlil qilish va barcha xususiy qiymatlar bu holatda manfiy haqiqiy qismlarga ega ekanligini ko rsatish orqali tasdiqlanadi. ʻ Kasalliksiz muvozanat beqarorligi Agar: R 0 >1 unda DFE beqaror bo lib qoladi, ya'ni hatto oz sonli infeksiyalar ʻ ham o sib, epidemiya avj olishiga olib keladi. ʻ Endemik muvozanat barqarorligi Endemik muvozanat odatda R 0 >1 bo lganda barqaror bo ladi. Bu holda, ʻ ʻ kasallik yo qolib ketmasdan, doimiy darajada davom etadi. Barqarorlik yana ʻ muvozanat nuqtasi atrofida chiziqli tizimning o z qiymatini tahlil qilish orqali ʻ aniqlanadi. Dinamik tizimlar nuqtai nazaridan, SIR modeli chegaraga asoslangan xatti- harakatni namoyish etadi. R 0 , 1ning kritik qiymatidan o tganda, tizim transkritik ʻ 29 bifurkatsiya deb nomlanuvchi sifat o zgarishiga uchraydi, bu yerda barqarorlikʻ kasalliksiz muvozanatdan endemik muvozanatga o tadi. ʻ Bu xatti-harakatlar real dunyodagi epidemiologik sezgini aks ettiradi: epidemiyani nazorat qilish nafaqat infektsiyalarni kamaytirish, balki R 0 <1 ni saqlab qolish uchun yuqish tezligining yetarlicha pastligini ta'minlashdir. Emlash, ijtimoiy masofalanish va davolash kabi jamoat salomatligi aralashuvlari β ni kamaytiradi yoki γ ni oshiradi va shu bilan tizim barqarorligiga ta'sir qiladi. Xulosa qilib aytganda, muvozanat tahlili va R 0 ning roli kasallik dinamikasini asosiy tushunishni ta'minlaydi, bu tadqiqotchilarga epidemiya yo qolib ketishini yoki davom etishini oldindan aytib berish va aralashuv ʻ strategiyalarining samaradorligini baholash imkonini beradi. Soddalashtirilgan misolni ko rib chiqamiz: ʻ Umumiy populyatsiya: N=10,000 Dastlabki infeksiya: I 0 =10 Dastlabki tiklanish: R 0 =0 Dastlabki sezgirlik: S 0 =9,990 Uzatish tezligi: β=0.0003 Tiklanish darajasi: γ=0.1 Tizim quyidagi usullar yordamida diskret vaqt bosqichlarida iterativ ravishda yangilanadi: S(t+1)=S(t)-β*S(t)*I(t)*Δt I(t+1)=I(t)+(β*S(t)*I(t)-γ*I(t))*Δt (11) R(t+1)=R(t)+γ*I(t)*Δt Ushbu parametrlar bilan raqamli simulyatsiya odatda quyidagi xatti-harakatni keltirib chiqaradi: 1.Infektsiyalar tez o sadi birinchi bosqich, sezgir va yuqtirilgan shaxslar ʻ o rtasida yuqori aloqa tufayli yuzaga keladi. ʻ 30 2.Yuqtirilgan egri chiziq aholining taxminan 30-40% yuqtirilganda (parametr qiymatlariga qarab) cho qqiga chiqadi.ʻ 3.Chuqurlikdan so ng, immunitet to planishi bilan infektsiyalar keskin ʻ ʻ kamayadi. 4.Oxir-oqibat, tizim tiklangan sinfdagi ko pchilik shaxslar bilan ʻ barqarorlashadi va juda oz sonli odamlar sezgir bo lib qoladi. ʻ Grafik va raqamli tahlil SIR modelini nazariy konstruksiyadan amaliy prognozlash vositasiga aylantiradi. Bu tadqiqotchilarga quyidagilarga imkon beradi: 1.Epidemiya hajmi va davomiyligini baholash 2.Sog liqni saqlashga eng yuqori talabni aniqlash ʻ 3.Aralashuv ta'sirini baholash (masalan, β ni kamaytirish) 4.Epidemiya stsenariylarini turli parametrlar bo yicha taqqoslash ʻ Haqiqiy hayotda bunday simulyatsiyalar COVID-19 kabi epidemiyalar paytida to lqin dinamikasini tushunish va farmatsevtik bo lmagan aralashuvlarning ʻ ʻ potentsial ta'sirini sinab ko rish uchun keng qo llanilgan. ʻ ʻ Umuman olganda, raqamli simulyatsiya matematik nazariya va haqiqiy epidemiologik qarorlar qabul qilish o rtasida ko prik yaratadi, bu esa ʻ ʻ kasalliklarning vaqt o tishi bilan populyatsiyalar orqali qanday tarqalishini aniq ʻ vizualizatsiya qilish imkonini beradi. 31 3.2. Kengaytmalar va real hayotda qo llanilishiʻ Klassik SIR modeli yuqumli kasalliklar dinamikasini tushunish uchun asosiy asos yaratsa-da, uning soddalashtirilgan taxminlari uning murakkab real dunyo epidemiyalariga bevosita qo llanilishini cheklaydi. Xususan, model bir hil ʻ aralashishni, tuzalishdan keyin doimiy immunitetni va doimiy populyatsiya hajmini nazarda tutadi. Bu taxminlar ko pincha amaliy epidemiologik ʻ kontekstlarda buziladi. Natijada, realizm va bashorat qilish aniqligini oshirish uchun ko plab kengaytmalar va hisoblash vositalari ishlab chiqildi. ʻ Asosiy SIR modelining cheklovlari Standart SIR modeli bir nechta idealizatsiya qilingan taxminlarga asoslangan: Bir hil aralashtirish U populyatsiyadagi har bir shaxsning boshqa har bir shaxs bilan aloqa qilish ehtimoli teng deb taxmin qiladi. Aslida, ijtimoiy tarmoqlar tuzilgan (oilalar, ish joylari, maktablar), bu esa klasterli yuqish shakllariga olib keladi. Doimiy immunitet Sog aygan shaxslar umrbod immunitetga ega bo ladi deb taxmin qilinadi. ʻ ʻ Biroq, ko plab kasalliklar (masalan, gripp, COVID-19 variantlari) immunitetning ʻ pasayishi yoki mutatsiya tufayli qayta yuqtirishga imkon beradi. Yashirin davr yo q ʻ Asosiy SIR tizimi shaxslar ta'sir qilishdan so ng darhol yuqumli bo lib ʻ ʻ qolishini taxmin qiladi, bu esa inkubatsiya davrlari bo lgan kasalliklar uchun real ʻ emas. Yopiq aholi Tug ilishlar, o limlar va migratsiya e'tiborga olinmaydi, bu esa uzoq ʻ ʻ muddatli epidemik xatti-harakatlarga sezilarli ta'sir ko rsatishi mumkin. ʻ 32 Bu cheklovlar yanada rivojlangan bo limli modellarni ishlab chiqishga turtkiʻ beradi. Kengaytirilgan modellar: SIRS, SEIR va undan tashqari SIRS modeli (Sezgir-Yuqtirilgan-Sog aygan-Sezgir) ʻ SIRS modeli immunitetning yo qolishini keltirib chiqaradi, bu esa sog aygan ʻ ʻ shaxslarga ma'lum bir vaqtdan keyin sezgir sinfga qaytish imkonini beradi. Bu takroriy avj olishlar va endemik sikllar ehtimolini yaratadi. Bu, ayniqsa, immunitet vaqtinchalik bo lgan gripp kabi kasalliklar uchun juda muhimdir. ʻ SEIR modeli (Sezgir-Yuqtirilgan-Yuqtirilgan-Sog aygan) ʻ SEIR modeli infektsiyalangan, ammo hali yuqtirmagan shaxslarni ifodalovchi qo shimcha ochiq (E) bo limni o z ichiga oladi. Bu ko plab ʻ ʻ ʻ ʻ kasalliklarning inkubatsiya davrini hisobga oladi. Matematik jihatdan, model o tishni taqdim etadi: ʻ S→E→I→R Ushbu kengaytma COVID-19, Ebola va qizamiq kabi kasalliklarni modellashtirish uchun juda muhimdir, bu yerda kechikish yuqish dinamikasida muhim rol o ynaydi. ʻ Boshqa kengaytmalar Yana ilg or modellar quyidagilarni o z ichiga olishi mumkin: ʻ ʻ SEIRS modellari (latentlik va vaqtinchalik immunitetni birlashtirish) Yoshga asoslangan modellar (yosh guruhlari bo yicha turli aloqa darajasi) ʻ Stoxastik modellar (uzilishda tasodifiylikni hisobga olgan holda) Tarmoqqa asoslangan modellar (ijtimoiy o zaro ta'sirlarning aniq ʻ ifodalanishi) Ushbu takomillashtirishlar realizmni sezilarli darajada yaxshilaydi, ammo matematik va hisoblash murakkabligini ham oshiradi. Haqiqiy epidemiyalarga qo llanilishi ʻ 33 Kompartmental modellar epidemiologiyada haqiqiy avj olishlarni tushunish va bashorat qilish uchun keng qo llanilgan. Masalan:ʻ COVID-19 (2019–2023) SEIRga asoslangan modellar infeksiya to lqinlarini, kasalxonaga bo lgan ʻ ʻ talabni va karantin va emlash kampaniyalari kabi aralashuvlarning ta'sirini baholash uchun keng qo llanilgan. ʻ Gripp avj olishlari SIRS modellari odatda mavsumiy takrorlanish va vaqtinchalik immunitet tufayli qo llaniladi. ʻ Ebola avj olishlari SEIR tipidagi modellar inkubatsiya davrlarini baholashga va G arbiy ʻ Afrikada cheklash strategiyalarini boshqarishga yordam berdi. Amalda, ushbu modellar ko payish soni, eng yuqori infeksiya vaqtlari va ʻ zarur tibbiy yordam imkoniyatlarini baholash orqali sog liqni saqlash organlariga ʻ qaror qabul qilishda yordam beradi. Biroq, real hayotda qo llash empirik ma'lumotlar yordamida kalibrlashni ʻ talab qiladi, bu ko pincha eng kichik kvadratlarni moslashtirish yoki maksimal ʻ ehtimollikni baholash kabi parametrlarni baholash usullarini o z ichiga oladi. ʻ Epidemiologik modellashtirish uchun dasturiy vositalar Zamonaviy epidemik modellashtirish simulyatsiya, vizualizatsiya va parametrlarni baholash imkonini beruvchi hisoblash vositalariga katta tayanadi. Python Python o zining moslashuvchanligi va boy ilmiy ekotizimi tufayli ʻ epidemiologik modellashtirish uchun eng keng tarqalgan tillardan biridir: Kutubxonalar: NumPy, SciPy, Matplotlib, pandas Differentsial tenglama yechuvchilar: scipy.integrate.odeint Kengaytirilgan modellashtirish: Bayes xulosasi uchun PyMC 34 Python SIR tenglamalarini raqamli integratsiyalashdan tortib, epidemik egri chiziqlarni vizualizatsiya qilishgacha bo lgan to liq simulyatsiya quvurlariniʻ ʻ ta'minlaydi. Excel Excel odatda ta'lim va asosiy modellashtirish maqsadlarida qo llaniladi. U ʻ quyidagilarga imkon beradi: Formulalardan foydalangan holda bosqichma-bosqich raqamli iteratsiya Oddiy Eyler usulini amalga oshirish S, I va R egri chiziqlarini grafik vizualizatsiya qilish Miqyaslashuvchanligi cheklangan bo lsa-da, Excel intuitiv tushunish va kurs ʻ ishlarini namoyish qilish uchun foydalidir. MATLAB MATLAB differensial tenglamalarni modellashtirish uchun kuchli platformadir: Raqamli integratsiya uchun ode45 kabi o rnatilgan yechuvchilar ʻ Kuchli vizualizatsiya imkoniyatlari Tizim dinamikasi va parametrlarni tozalashni samarali boshqarish MATLAB aniqligi va mustahkamligi tufayli akademik tadqiqotlar va muhandislik dasturlarida keng qo llaniladi. ʻ SIR modelining kengaytmalari immunitetning yo qolishi, inkubatsiya ʻ davrlari va populyatsiyaning heterojenligi kabi asosiy cheklovlarni bartaraf etish orqali uning real dunyo epidemiologik stsenariylariga qo llanilishini sezilarli ʻ darajada oshiradi. SEIR va SIRS kabi modellar kasallik dinamikasining yanada realistik tasvirlarini taqdim etadi, Python, Excel va MATLAB kabi hisoblash vositalari esa amaliy qo llash va simulyatsiya qilish imkonini beradi. ʻ 35 XULOSA Ushbu kurs ishi SIR (Sezgir-Yuqtirilgan-Sog aygan) modeli doirasidaʻ epidemiya dinamikasining strukturaviy matematik va analitik tekshiruvini taqdim etdi. Epidemiologik modellashtirishning nazariy asoslaridan boshlab, tadqiqotda kompartmental yondashuvlar murakkab biologik jarayonlarni matematik jihatdan osonlashtiriladigan tizimlarga qanday soddalashtirishi ta'kidlangan. Populyatsiyalarni epidemiologik holatlarga tasniflash, yuqish va tiklanish darajasi kabi asosiy parametrlar bilan birgalikda, yuqumli kasalliklar vaqt o tishi bilan ʻ qanday rivojlanishini tushunish uchun asos yaratadi. SIR modelining hosilasi va matematik formulasi chiziqli bo lmagan ʻ differentsial tenglamalar sezgir, yuqtirilgan va tiklangan bo limlar orasidagi ʻ o tishlarni qanday boshqarishini ko rsatdi. Ushbu formulaning markaziy natijasi R ʻ ʻ asosiy ko payish soni 0 bo lib, u infeksiyaning yo qolishini yoki epidemiyaga ʻ ʻ ʻ aylanishini belgilovchi chegara parametri bo lib xizmat qiladi. Bu tushuncha ʻ epidemiologiyada asosiy hisoblanadi, chunki u matematik tuzilmani real dunyodagi kasalliklarning xatti-harakati va nazorat strategiyalari bilan bevosita bog laydi. ʻ Dinamik tahlil bo limi muvozanat nuqtalari va tizim barqarorligini o rganish ʻ ʻ orqali bu tushunchani yanada kengaytirdi. Kasalliksiz va endemik muvozanatlar o rtasidagi farq epidemiyaning uzoq muddatli xatti-harakati parametr qiymatlariga ʻ qanday bog liqligini ko rsatdi. Xususan, R0 bilan bog liq barqarorlik sharti ʻ ʻ ʻ epidemiya davom etishini yoki kamayishini bashorat qilish uchun aniq matematik mezonni taqdim etdi. Xulosa qilib aytganda, SIR modeli matematik epidemiologiyada asosiy ustun bo lib xizmat qiladi. Soddalashtirilgan taxminlarga qaramay, u kasallik ʻ dinamikasi haqida muhim tushunchalar beradi va yanada ilg or modellashtirish ʻ yondashuvlari uchun kuchli boshlang ich nuqta bo lib qolmoqda. ʻ ʻ 36 Foydalanilgan adabiyotlar 1. Michael Y. Li An Introduction to Mathematical Modeling of Infectious Diseases Springer, 2018. SIR, SEIR va epidemiologik differensial tenglamalar haqida darslik. Springer kitobi 2. Eyal Oren, Heidi E. Brown Infectious Disease Epidemiology: An Introduction Springer Publishing, 2022. Zamonaviy epidemiologiya va infeksion kasalliklar modellashtirishiga kirish. Rasmiy sahifa 3. Maia Martcheva An Introduction to Mathematical Epidemiology Springer, 2016 nashri.. Springer kitobi 4. Helena Sofia Rodrigues Application of SIR epidemiological model: new trends 2016. arXiv maqola 5. Carolina Fransson, Pieter Trapman SIR epidemics and vaccination on random graphs with clustering 2018. arXiv maqola 6. David McAdams Nash SIR: An Economic-Epidemiological Model of Strategic Behavior During a Viral Epidemic 2020. arXiv maqola 7. A . Vahobov , Sh . Karimov Epidemiologiya asoslari Toshkent , 2019. 8. . B. Sodiqov Matematik modellashtirish asoslari Toshkent, 2021. Differensial tenglamalar va modellashtirish usullari. 37 Ilova import numpy as np import matplotlib.pyplot as plt from scipy.integrate import odeint # Total population, N. N = 1000 # Contact rate, beta, and mean recovery rate, gamma, (in 1/days). beta, gamma = 0.3, 0.1 # Initial conditions: 999 susceptible, 1 infected, 0 recovered. S0, I0, R0 = 999, 1, 0 y0 = (S0, I0, R0) # Time points (in days) t = np.linspace(0, 160, 160) # The SIR model differential equations. def sir(y, t, N, beta, gamma): S, I, R = y dSdt = -beta * S * I / N dIdt = beta * S * I / N - gamma * I dRdt = gamma * I return dSdt, dIdt, dRdt # Integrate the SIR equations over the time grid, t. res = odeint(sir, y0, t, args=(N, beta, gamma)) S, I, R = res.T # Plotting plt.figure(figsize=(10,6)) plt.plot(t, S, 'b', label='Susceptible') plt.plot(t, I, 'r', label='Infected') plt.plot(t, R, 'g', label='Recovered') plt.xlabel('Time /days') plt.ylabel('Number of People') plt.legend() plt.grid(True) plt.show() 38 39

MUNDARIJA

Kirish

1. Epidemik modellashtirishning nazariy asoslari

1.1. Epidemiologik modellashtirish asoslari

1.2. Modellardagi populyatsiya tuzilishi

1.3. Asosiy epidemiologik parametrlar

2. SIR modelining hosilasi va matematik asoslari

2.1. SIR modelining tuzilishi va komponentlari

2.2. Modelning matematik formulasi

2.3. Modelning asosiy xususiyatlari

3. SIR modelining dinamik tahlili, simulyatsiyasi va qoʻllanilishi

3.1. Dinamik xatti-harakatlar va barqarorlik tahlili

3.2. Kengaytmalar va real hayotda qoʻllanilishi

XULOSA

Foydalanilgan adabiyotlar

Ilova

Купить