[논문 리뷰] CLT for the proportion of infected incividuals for an epidemic model on a complete graph

Fábio P. Machado, H. Mashurian외 1명|arXiv (Cornell University)|2010. 11. 16.

Complex Network Analysis Techniques참고 문헌 8인용 수 4

한 줄 요약

이 논문은 $ n $ 개의 정점으로 이루어진 완전 그래프 위에서 이산 시간 전염병 모델의 감염자 비율에 대한 중심극한정리(CLT)를 수립한다. 모델은 간단한 랜덤 워크를 수행하는 활성 입자(바이러스)로 구성되며, 감염 가능성이 있는 개인을 감염시키고 이미 감염된 사람과 접촉하면 사라진다. 주요 결과는 적절하게 스케일링된 감염자 수가 $ n \to \infty $일 때 정규분포로 수렴함을 보이며, 감염 확률 매개변수를 포함하는 적분을 통해 명시적인 점근적 분산이 유도됨을 보여준다.

ABSTRACT

We prove a Central Limit Theorem for the proportion of infected individuals for an epidemic model by dealing with a discrete time system of simple random walks on a complete graph with n vertices. Each random walk makes a role of a virus. Individuals are all connected as vertices in a complete graph. A virus duplicates each time it hits a susceptible individual, dying as soon as it hits an already infected individual. The process stops as soon as there is no more viruses. This model is closely related to some epidemiologial models like those for virus dissemination in a computer network.

연구 동기 및 목표

• 이산 시간 전염병 과정에서 완전 그래프 위의 감염자 수의 점근적 분포를 분석하는 것.
• 그래프 크기 $ n \to \infty $일 때 감염 정점 비율에 대한 중심극한정리(CLT)를 수립하는 것.
• 재접촉 시 흡수되는 종속적인 랜덤 워크 시스템으로 바이러스 확산을 모델링하여 실제 질병 또는 악성 소프트웨어 확산을 반영하는 것.
• 적절한 스케일링 하에 최종 감염 정점 수 $ V_\infty $ 의 점근적 행동을 정량화하는 것.

제안 방법

• 시간 $ t $ 에서 활성 입자, 사망 입자, 비활성 입자를 추적하는 마코프 체인 $ (A_t, D_t, I_t) $ 로 전염병을 모델링한다.
• 시간 $ t $ 에서 방문한(감염되거나 사망한) 정점 수 $ V_t = A_t + D_t $ 를 정의하며, $ V_\infty = \lim_{t\to\infty} V_t $ 로 정의한다.
• 정점 $ s $ 를 방문하는 데 소요되는 시간 $ T(s) $ 를 기반으로 한 재생 구조를 사용하고, 수준 $ s $ 에서 머무는 시간을 $ \bar{X}_s $ 로 정의한다.
• 서로 독립이지만 동일한 분포를 가지는 랜덤 변수 $ Y_i^* $ 의 합을 분석하며, $ Y_i^* = Y_i - \mathbb{E}[Y_i] $ 이고, $ Y_i $ 는 기하분포를 따른다.
• 편차 $ \sum Y_i^* $ 의 제어를 위해 허프딩 부등식과 모멘트 경계를 적용하여 정규성 수렴을 보장한다.
• 한계 분산 $ \sigma^2 $ 를 $ \sigma^2 = \left( \int_0^q \frac{x}{(1-x)^2} dx \right) / \mu_r^2 $ 로 유도하며, 여기서 $ \mu_r = 2 - \frac{1}{1-q} $.

실험 결과

연구 질문

• RQ1 이산 시간 전염병 과정에서 완전 그래프 위에서 감염자 수의 점근적 분포는 무엇인가? $ n \to \infty $ 일 때.
• RQ2 최종 감염 정점 수 $ V_\infty $ 는 $ n $ 과 어떻게 스케일링되며, 그 점근적 분산은 무엇인가?
• RQ3 모델에서 활성 입자 간의 강한 의존성에도 불구하고 $ V\_\infty $ 에 대해 CLT 를 수립할 수 있는가?
• RQ4 방정정식 $ 2p = -\ln(1-p) $ 의 해인 매개변수 $ q $ 는 감염 과정의 점근적 행동에서 어떤 역할을 하는가?
• RQ5 각 수준 $ s $ 에서 방문 정점의 체류 시간이 전체 정규성 수렴에 어떻게 기여하는가?

주요 결과

• 적절하게 스케일링된 랜덤 변수 $ \frac{V_\infty - qn}{\sigma\sqrt{n}} $ 는 $ n \to \infty $ 일 때 표준 정규분포로 수렴한다.
• 한계 분산 $ \sigma^2 $ 는 $ \sigma^2 = \frac{\int_0^q \frac{x}{(1-x)^2} dx}{\mu_r^2} $ 로 주어지며, 여기서 $ \mu_r = 2 - \frac{1}{1-q} $ 이다.
• 매개변수 $ q \in (0,1) $ 는 $ 2p = -\ln(1-p) $ 의 유일한 해로서 점근적 감염자 비율을 특징짓는다.
• 과정이 일반적인 행동에서 크게 벗어나는 확률(즉, $ B_1^n $, $ B_2^n $, $ B_0^n $) 은 $ n \to \infty $ 일 때 0으로 수렴하여 수렴을 보장한다.
• 기대 체류 시간에서의 편차 합 $ \sum Y_i^* $ 는 독립적이지만 동일한 분포를 가지지 않는 변수에 대한 CLT 에 의해 정규분포로 수렴한다.
• 시간 $ \tau $ ( $ qn $ 명의 감염자에 도달하는 데 소요되는 시간) 에 대한 $ Y_i^* $ 의 합으로의 근사에서의 오차는 $ n \to \infty $ 일 때 사라지며, 정규성으로의 약한 수렴을 확인한다.