[论文解读] CLT for the proportion of infected incividuals for an epidemic model on a complete graph

Fábio P. Machado, H. Mashurian+1 more|arXiv (Cornell University)|Nov 16, 2010

Complex Network Analysis Techniques参考文献 8被引用 4

一句话总结

本文在包含 $ n $ 个顶点的完全图上，为离散时间流行病模型中感染个体的比例建立了中心极限定理（CLT）。该模型中，活跃粒子（病毒）执行简单随机游走，感染易感个体，并在与已感染个体接触时死亡。关键结果表明，当 $ n \to \infty $ 时，经适当缩放的感染个体数量收敛于正态分布，其渐近方差通过涉及感染概率参数的积分显式导出。

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.

研究动机与目标

• 分析完全图上离散时间流行病过程中感染个体数量的渐近分布。
• 在图大小 $ n \to \infty $ 的极限下，为感染顶点的比例建立中心极限定理（CLT）。
• 将病毒传播建模为具有重接触吸收的相依随机游走系统，以反映现实世界中疾病或恶意软件的传播。
• 在适当缩放下，量化最终感染顶点数 $ V_\infty $ 的极限行为。

提出的方法

• 将流行病建模为马尔可夫链 $ (A_t, D_t, I_t) $，其中 $ A_t $、$ D_t $、$ I_t $ 分别表示时间 $ t $ 时的活跃粒子、死亡粒子和非活跃粒子。
• 定义 $ V_t = A_t + D_t $ 为时间 $ t $ 前已访问（感染或死亡）的顶点数，其中 $ V_\infty = \lim_{t\to\infty} V_t $。
• 基于到达 $ s $ 个已访问顶点的时间 $ T(s) $ 构建更新结构，并定义 $ \bar{X}_s $ 为在状态 $ s $ 停留的时间。
• 分析独立同分布的随机变量 $ Y_i^* $ 的和，表示停留时间的偏差，其中 $ Y_i^* = Y_i - \mathbb{E}[Y_i] $，且 $ Y_i $ 服从几何分布。
• 应用霍夫丁不等式和矩界来控制 $ \sum Y_i^* $ 的偏差，确保其收敛于正态分布。
• 推导出极限方差 $ \sigma^2 $ 为 $ \sigma^2 = \left( \int_0^q \frac{x}{(1-x)^2} dx \right) / \mu_r^2 $，其中 $ \mu_r = 2 - \frac{1}{1-q} $。

实验结果

研究问题

• RQ1 当 $ n \to \infty $ 时，完全图上离散时间流行病过程中感染个体数量的极限分布是什么？
• RQ2 最终感染顶点数 $ V_\infty $ 如何随 $ n $ 缩放？其渐近方差是什么？
• RQ3 尽管模型中活跃粒子之间存在强依赖性，是否仍可为 $ V_\infty $ 建立中心极限定理？
• RQ4 参数 $ q $（即方程 $ 2p = -\ln(1-p) $ 的解）在感染过程的极限行为中起什么作用？
• RQ5 在每个已访问顶点数 $ s $ 的停留时间如何共同促进整体向正态性的收敛？

主要发现

• 当 $ n \to \infty $ 时，经适当缩放的随机变量 $ \frac{V_\infty - qn}{\sigma\sqrt{n}} $ 收敛于标准正态分布。
• 极限方差 $ \sigma^2 $ 由 $ \sigma^2 = \frac{\int_0^q \frac{x}{(1-x)^2} dx}{\mu_r^2} $ 给出，其中 $ \mu_r = 2 - \frac{1}{1-q} $。
• 参数 $ q \in (0,1) $ 是方程 $ 2p = -\ln(1-p) $ 的唯一解，表征了感染个体的渐近比例。
• 过程显著偏离典型行为（即 $ B_1^n $、$ B_2^n $、$ B_0^n $）的概率随 $ n \to \infty $ 趋近于零，从而确保收敛性。
• 由于独立但非同分布变量的中心极限定理，偏差和 $ \sum Y_i^* $ 收敛于正态分布。
• 对 $ \tau $（即达到 $ qn $ 个感染个体的时间）的近似中，由 $ Y_i^* $ 和构成的误差项在 $ n \to \infty $ 时趋于零，证实了弱收敛于正态性。