传播模型

前提假设：
$$
假设存在一个相关人群，用N_{POP}表示。感染者或知情者用I_{t}表示,其余成员(易感者)用S_{t}表示。
$$
$$
相关人群的总人数等于感染者或知情者人数加上易感者人数的总和：N_{POP}=I_{t}+S_{t}
$$

广播模型 - R形

$$
I_{t+1}=I_{t}+P_{broad}\times S_{t}
$$
$$
其中，P_{broad}表示广播概率，I_{t}和S_{t}分别等于时间t上的知情者和易感者的数字。
$$
$$
初始状态为I_{0}=0，且S_{0}=N_{POP}
$$
这个模型的目标是描述一个信息源传播信息的过程，可以是政府、企业或报纸。但是，这个模型不适用于在人与人之间传播的传染病或思想。由于广播模型更适合描述思想和信息的传播（而不是传染病的传播），所以我们在这里说知情者的人数，而不说感染者的人数。

扩散模型 - S形

扩散模型假设，当一个人采用了某种技术或患上了某种传染病时，这个人有可能将之传递或传染给与他接触的人。在传染传染病的情况下，个人的选择不会在其中发挥任何作用。技术的传播则与采用者的选择有关，因此更有用的技术被采用的概率更高。

将扩散概率(diffusion probability)定义为接触概率(contact probability)和分享概率(sharing probability)的乘积。

[!NOTE] ⚠️
扩散模型假定随机混合(random mixing)。随机混合的含义是，相关群体中任何两个人接触的可能性都相同。对于这个假设，我们应该保持警惕。

$$
I_{t+1}=I_{t}+P_{diffuse}\times\frac{I_{t}}{N_{POP}}\times S_{t}
$$
$$
其中，P_{diffuse}=P_{spread}\times P_{contact}
$$

巴斯模型 - R+S形

大多数消费品和信息都是通过广播和扩散传播的。而巴斯模型则将这两个过程组合在一起了。
巴斯模型中的差分方程等于广播模型和扩散模型中的差分方程之和。
在巴斯模型中，扩散概率越大，采用曲线的S形就越显著。
$$
I_{t+1}=P_{broad}\times S_{t}+P_{diffuse}\times\frac{I_{t}}{N_{POP}}\times S_{t}
$$
$$
其中，P_{broad}=广播概率，P_{diffuse}=扩散概率
$$

SIR模型

不同于上述三个模型的是，一旦有人采用了一项技术，则永远不会放弃它。SIR模型考虑到，将放弃所采用的某种事物的人称为痊愈者。
$$
I_{t+1}=I_{t}+P_{contact}\times P_{spread}\times\frac{I_{t}}{N_{POP}}\times S_{t}-P_{recover}\times I_{t}
$$
$$
其中，P_{contact}，P_{spread}和P_{recover}分别等于传染病的接触概率、传播概率和痊愈概率。
$$
SIR模型会产生一个临界点，就是所谓的基本再生数，也就是接触概率乘以扩散概率与痊愈概率之比。
$$
基本再生数R_{0}=\frac{P_{spread}\times P_{contact}}{P_{recover}}
$$
⚠️：这个模型意味着，这些概率只要发生了微小的变化，就可以使R0移动到高于零的水平，从而造成成功与失败之间的天壤之别。

如果存在疫苗，那么疫苗接种可以预防传染病传播。即便做不到每个人都接种疫苗，也可以预防传染病传播。必须接种疫苗的人的比例，即疫苗接种阈值(vaccination threshold)。我们可以从上述模型中推导出这个公式。
$$
V\ge\frac{R_{0}-1}{R_{0}}
$$
⚠️：有些人担心疫苗有副作用，选择不参加疫苗接种计划。如果这些人只占人口的一小部分，那么其他人接种疫苗也可以防止这些人感染这种传染病，流行病学家将这种现象称为群体免疫力。选择不接种疫苗的人事实上是搭了其他接种疫苗的人的便车

超级传播者与度的平方
如果将SIR模型嵌入到网络中，就会观察到度分布对传染病传播的重要性。
如果中心节点患上了某种传染病，那么它可以将传染病传播到任何一个其他节点。我们预计这种传染病会扩散，即便传播的概率很低也是如此。

对于中心辐射型网络，R0携带的信息量很有限，因为如果中心节点患上了传染病，传染病就会传播开来。流行病学家们将位置在度很高的中心节点上的人称为“超级传播者”(superspreaders)。

高度数节点不但能够更快地传播传染病，而且会更快地患上传染病。节点对传染病（或思想）传播的贡献与节点的度的平方相关。（这里涉及到被传染与传染，所以是平方）

如果节点A的度数是节点B的K倍，那么节点A传播传染病的可能性是节点B的K倍，同时传染病传播到节点A的概率也是节点B的K倍。因此，节点A对传染病传播的总效应将是节点B的K2倍。这种现象被称为度的平方。

小结

在SIR模型中，我们推导出了两个关键阈值，即R0和疫苗接种阈值。这两个阈值都是属于敏感依赖于环境的临界点，环境（情境）中的微小变化都会对结果产生很大的影响。这种临界点不同于直接临界点(direct tipping point)。在直接临界点，特定时刻的微小行动会永久性地改变系统的路径。直接临界点出现不稳定的点是，例如当球停在山顶上时。在任一方向上稍微推一下，都将会使球从山的这一侧或另一侧滚下去，这个小小推动是一个直接的倾覆。

而在依赖于环境的临界点上，参数的变化会改变系统的行为方式。在直接临界点上，未来的结果轨迹急转直下。折弯，例如由扩散模型产生的S形采用曲线中的第一个弯曲，不满足这两种临界点的定义。采用曲线中的折弯对应于斜率增长率最大的点。在那一点上，扩散一发不可收拾，但是并没有发生倾覆。

在将广播模型、扩散模型和传染模型应用于社会现象时，我们可能会发现某些假设是成立的，而其他一些假设则不能成立。在这些情况下，我们可能必须对基本模型进行修正。例如，允许每次接触的采用概率会随着接触次数的增多而增大。