如何将 ODE 方程转换为离散概率模型?
我以人口增长的 Verhulst 方程为例。
我正在考虑将人口动态简单地模拟为一个循环(对于时间),并且在每个时间步长,对于人口中的每个成员评估生育概率(在这种情况下,我将人口计数器加 1)和概率一个成员已经死亡,在这种情况下,我从人口计数器中删除 1。
我不知道如何使用 r 和 K 来评估这种概率。您能给我一些提示或将我链接到一些解释如何执行此操作的好资源吗?
一般来说,将 ODE(或 ODE 系统)转换为概率等价物的策略是什么?
提前非常感谢!
如何将 ODE 方程转换为离散概率模型?
我以人口增长的 Verhulst 方程为例。
我正在考虑将人口动态简单地模拟为一个循环(对于时间),并且在每个时间步长,对于人口中的每个成员评估生育概率(在这种情况下,我将人口计数器加 1)和概率一个成员已经死亡,在这种情况下,我从人口计数器中删除 1。
我不知道如何使用 r 和 K 来评估这种概率。您能给我一些提示或将我链接到一些解释如何执行此操作的好资源吗?
一般来说,将 ODE(或 ODE 系统)转换为概率等价物的策略是什么?
提前非常感谢!
如果我理解正确,您可能正在寻找 Gillespie 算法的一些实现,它利用了比率和概率可以相互转换的想法。该算法通过根据事件时间对系统进行排序来工作,这似乎与您想要做的非常接近。
Keeling 和 Rohani 的书虽然侧重于数学流行病学,但对几种不同的实现以及方法之间的准确性和计算时间之间的权衡都有很好的处理。让流行病模型适应人口增长模型应该不难——它们的工作方式基本相同。
这个网站上的这个问题(由我提出)可能也很有趣。我知道在 R 中也有一些方法可以做到这一点,如果你愿意的话,手动编码的实现看起来可能相当容易。