Beruflich Dokumente
Kultur Dokumente
Aula 2
Tânia Tomé
Tânia (2010)
Equação mestra
1 (visto na
i Primeira AULA)
1
Tânia (2010)
Variável de spin associada ao sítio i da rede
Glauber 1963
Para simular a evolução de um estado inicial qualquer para o
devemos acoplar uma dinâmica estocástica que
possui .
Tânia (2010)
0 Sítio i ocupado por um indivíduo suscetível (S) z
i
1 Sítio ocupado por um indivíduo infectado (I)
Tânia (2010)
2) Sistema definido por uma dinâmica estocástica
(conjunto de regras markovianas locais).
Tânia (2010)
irreversível
t t
Tânia Tomé IFUSP: Segunda aula Salvador
6
juhlo de 2010
Modelo de contato ou Processo de Contato (PC)
Modelo estocástico em reticulado com um estado absorvente
Tânia (2010)
Estados estacionários:
Estado absorvente: rede completamente vazia (preenchida por indivíduos S).
/ 2
(i) Infecção auto-catalítica: i 1 i i 1 i 1 i i 1
Tânia (2010)
Se o sítio i está ocupado por um indivíduo infectado:
i i
(ii) Recuperação espontânea: 1
Rede 1d
i 1 i 1 i
___o______o______o_____o_____o____
Tânia Tomé IFUSP: Segunda aula Salvador 8
juhlo de 2010
Modelo de contato em uma dimensão
i 0 I
(i) Infecção: 0
i 1 S
1
i 1 i i 1 i 1 i i 1 i 1 i i 1
Tânia (2010)
1 0 1 0 0 1 1 0 0
Taxa de
infecção:
/2 /2
1 1 0 0 1 1 1 1 0
Dinâmica de
um sítio i 0 I
Dinâmica i 1 S
global:
Tânia (2010)
W ( , ' ) j ( , ' ) .... (c
1 1 j , (1 j ' )) ... ( N , ' N ))w j ( ' )
j
(...)Soma sobre
os primeiros
{(1 i ) j j } i
Dinâmica
local: wi (i ) vizinhos do sítio i
2
wi (i ) (1 i ) j j i
4
i 0
Tânia (2010)
I
i 1 S
j
(...) Soma sobre
os primeiros
vizinhos do sítio i
Tânia (2010)
i (1 ,2 , ..., (1 i ), ..., N )
Soma sobre
(1 i ) j j i
(...)
wi (i ) j os primeiros
2 vizinhos do sítio i
k P(1) Isotropia
Tânia (2010)
A( ) A( ) P( , t ) (II)
N
d
A( ) { [ A( j ) A( )] w j ( ) }
(III)
dt j 1
(*) Essa equação pode ser obtida utilizando a equação mestra (I) e
a definição (II). OBTER!!
Tânia Tomé IFUSP: Segunda aula Salvador
juhlo de 2010
15
Equação de evolução para a densidade de infectados
Tânia (2010)
A( j ) k k j
Então
A( j ) 1 k k j
0 k j
A( j ) A( )
A( k ) 1 2 k k j
Utilizando a Eq. (III):
d
k [1 2 k ] wk ( ) Equação de evolução para a
dt densidade de infectados
Tânia Tomé IFUSP: Segunda aula Salvador
juhlo de 2010
16
Equação de evolução para a densidade de infectados
k
d
[1 2 k ] wk ( )
dt
Tânia (2010)
1 2 3 4
Rede 1d ___o______o______o_____o_____o____
Exemplo:
k 2 2 Isotropia
d
[1 2 2 ] w2 ( )
dt
Eq. Evolução de infectados
Tânia Tomé IFUSP: Segunda aula Salvador
17
juhlo de 2010
Equação de evolução para a
densidade de infectados
1 2 3 4
Rede 1d ___o______o______o_____o_____o____
k 2 2 I Isotropia
d
[1 2 2 ] w2 ( ) P(101) P(1 1,2 0,3 1)
dt
Tânia (2010)
d
[1 2 (1)] w2 (111) P(111)
dt
[1 2 (1)] w2 (110) P(110)
[1] w2 (101) P(101) [1] w2 (100) P(100)
-
...
Eq. Evolução de infectados
Tânia Tomé IFUSP: Segunda aula Salvador
18
juhlo de 2010
Equaçãode evolução para a densidade de infectados
Isotropia
d
P(01) P(1)
dt
Isotropia
Tânia (2010)
jk P(11)
Isotropia
Tânia (2010)
jk P(11) P(10) P(01) P(1) P(11)
d
P(11) 2 P(11) P(10) P(101) Eq .de evolução para
dt a correlação de dois
sítios depende da
correlação de
três sítios!
correlação de correlação
dois sítios de três sítios
Tânia (2010)
Exemplo:
Tânia (2010)
(I) Aproximação de ordem mais baixa:
N
P ( 1 , 2 , 3 ,...., N ) P ( 1 ) P ( 2 ) P( 3 )..... P( N ) P ( i )
i 1
Tânia (2010)
P ( 1 , 2 , 3 ) P(1 | 2 , 3 ) P( 2 , 3 )
Tânia (2010)
d
(1 )
dt
0
c
Soluções estacionárias:
0 Fase absorvente de suscetíveis c 1
(campo médio simples)
1
Fase ativa c
Tânia Tomé IFUSP: Segunda aula Salvador
24
juhlo de 2010
Aproximação de campo médio com pares
Tânia (2010)
Aproximação: P(12 )
P(1 | 2 3 )
P(2 )
dt (1 )
Soluções estacionárias:
2
1
z
2
Fase ativa c
26
Esboço!
abs
c
Campo médio 1
Nas proximidades do ponto crítico ( c )
Campo médio simples c 1 Campo médio com pares c 2
Simulações numéricas
c 3, 298(2) 0.277
Expansões em séries Classe de universalidade da
(Jensen&Dickman (1993))
percolação direcionada
27
d+1 dimensões.
Tânia Tomé IFUSP: Segunda aula Salvador
juhlo de 2010
Método de Monte Carlo
D K
1
K
D 1
F ( ( ) ) F ( )
abs
c
( c ) (Nas proximidades do ponto crítico)
Classe de universalidade da
Uma dimensão: c 3.298 percolação direcionada 1+1
0.277
dimensões.
(Jensen&Dickman (1993);
Expansões em séries.) Tânia Tomé IFUSP: Segunda aula Salvador
29
juhlo de 2010
Densidade de partículas versus taxa de criação de partículas
Simulações de Monte Carlo para o modelo de contato definido em
cadeias regulares de diversos tamanhos L
versus
Densidade de infectados
T. Tomé & M. J. de Oliveira (2005)
= parâmetro de ordem
c
Tânia (2010) L
c 3, 298(2)
Classe de
universalidade
da percolação
0, 277 direcionada
Limiar de
espalhamento TT & MJO, 2005
da epidemia
Taxa de
c 3, 298(2) Tânia Tomé IFUSP: Segunda aula Salvador
infecção:
30
juhlo de 2010
Processo de Contato em uma dimensão.
Regime subcrítico c
Evolução temporal das configurações
c 3, 298(2)
2, 0
3, 0
Tempo
i
i
z
z /
Tânia Tomé IFUSP: Segunda aula Salvador
31
juhlo de 2010
Outros modelos para sistemas da dinâmica de populações
biológicas
Tânia (2010)
Tânia Tomé IFUSP: Segunda aula Salvador
32
juhlo de 2010
Oscilações enm um sistema predador-presa
Experiências em laboratório
com habitat não homogêneo Huffaker (1958)
----- densidade de presas
densidade de predadores
Tânia (2010)
Dia
(Hastings)
Tânia (2010)
1 Presa Suscetível (S)
i 2
Predador Infectado (I)
Reação 3 Reação 1
Tânia (2010)
0 2
Reação 2
c Morte espontânea
Tânia (2010)
de predadores
3a / 4 Nascimento
(auto-catalítico)
de presas
Tânia Tomé IFUSP: Segunda aula Salvador
36
juhlo de 2010
Probabilidades de transição para o modelo predador-presa
wi (i )
Predação auto-catalítica
b
wi (1 2) (i ,1) ( k ,2) (1)
4 k
Tânia (2010)
wi (2 0) c (i ,2) (2)
a
wi (0 1) (i ,0)
4 k
( k ,1) (3)
Tânia (2010)
x (i ,1) P(1)
Densidades de individuos:
y (i ,2) P(2)
z (i ,0) P(0)
x y z 1
Correlações de dois sítios:
Exemplos:
Tânia (2010)
(1,1, 0 , 2, 2, ...) i (1,1, 2 , 2, 2, ...)
Tânia (2010)
para o modelo
Predador-Presa
estocástico em um
Reticulado
dx
au bv
dt
Tânia (2010)
Esta equação é exata.
A evolução temporal de x depende da correlação de pares u e v:
u P(01) v P(12)
Tânia (2010)
Exemplo:
dy Termo logístico
bxy cy Os recursos para proliferação de presas
dt não são ilimitados!!! E isto aparece
decorre como conseqüência de
considerarmos um modelo que inclui
o sítio vazio.
Tânia (2010)
Estado Ativo: Coexistência com x e y diferentes de zero mas
constantes no tempo.
Estado absorvente de presas x=1, y=z=0
Tânia Tomé IFUSP: Segunda aula Salvador
43
juhlo de 2010
Sobre a aproximação de campo médio simples para o modelo
de gás na rede para o sistema predador-presa: A equação para a
evolução temporal
Seja a equação para a evolução de evolução para a densidade de x Eq. (1) em CMS
de presas x: é escrita em termos
somente de densidades.
dx
au bv Como vale a relação (2)
Tânia (2010)
então a evolução
dt (1)
temporal fica descrita em
termos somente de duas
Aproximação de campo médio simples (CMS): densidades (escolhemos
x e y no slide anterior).
(CMS)
O que temos de diferente
com relação às
u P(01) P(0) . P(1) x. z descrições que utilizam
equações. da cinética
v P(12) P(1). P(2) x . y química?
Tânia (2010)
Absorbing
Active
45
Tânia Tomé IFUSP: Segunda aula Salvador
juhlo de 2010
(*) Parametrização: a presa - nascimento
Três parâmetros: b predador - nascimento
c predador - morte
Mas só dois
são
independentes!
Parametrização:
(renormalização
do tempo na a b c 1 (*)
Eq. Mestra)
p
p e c: dois novos
Tânia (2010)
parâmetros
independentes
1 c
a p
2
1 c
b p
2
(*)
(Satulovsky&TT 1994)
Tânia (2010)
Bifurcação de
A Hopf
NO
O
Tânia Tomé IFUSP: Segunda aula Salvador
49
juhlo de 2010
Resultados Predador-Presa: (T. Tomé)
Aproximação de campo médio com pares
Regime com oscilações não-amortecidas e estáveis!
tempo
Densidade de presa
Ciclos Estáveis
Tânia (2010)
a presa - nascimento
a=b=0.492 c=0.016 b predador - nascimento
c predador – morte
Tânia Tomé IFUSP: Segunda aula Salvador
50
juhlo de 2010
Simulações de Monte Carlo
Estados ativos:
coexistência das duas espécies
Modelo de Contato
função da frequencia
t
a = b = 0.475 (p =0)
c = 0.05
Carvalho &TT (2006)
Tânia Tomé IFUSP: Segunda aula Salvador
53
juhlo de 2010
Estados ativos sem comportamento oscilatório
Tânia (2010)
densidades
t
a = b = 0.41 (p=0)
c = 0.18
Tânia Tomé IFUSP: Segunda aula Salvador
54
juhlo de 2010
Oscilações em um sistema predador-presa: ciclos
populacionais
Número de lebres (presa) e linces
(predador) versus tempo (anos)
McLulich, Canadá, (1937).
Autômato celular
probabilístico
predador-presa
Simulações de Monte Carlo
de Carvalho & TT
Int. J.Mod. Phys. C (2007).
Tânia (2010)
Oscilações
temporais
Autômato
Predador-
Presa
Azul: presa
Vermelho: predador
Branco: vazio
a = 0,17
b = 0,77
c = 0,06
T = Período
de
Oscilação
Branco: presa
Cluster com atividade Ver.: predador Cluster Crítico
Cinza: vazio
p = 0.3 c = 0.0075 p = 0.3 c = 0.0075
t =500 t =3000
Tânia Tomé IFUSP: Segunda aula Salvador
58
juhlo de 2010
Função de auto-correlação temporal:
cx (t )
rx
Tânia (2010)
cx (0)
cxy (t )
rxy
cxy (0)
120 0.4
y
x
9
Azul: (presa)
80 0.0
6
rxy Vermelho: linces
(a) 40
3
-0.4
(predador)
0 -0.8
1845 1860 1875 1890 1905 1920 1935 0 20 40 60 80
t t
0.8
1
(b) Espectro de potencias
0.1
(lebres)
Tânia (2010)
0.4
0.01
rx 0.0 sx
1E-3
-0.4
1E-4
-0.8
1E-5
0 20 40 60 80 0.1 1
t
1
0.8
0.1
(c) Espectro de potências
0.4
0.01
(linces)
ry 0.0 sy
1E-3
-0.4
1E-4
-0.8
1E-5
Arashiro et al. (2009).
0 20 40 60 80 0.1 1
t
0.8
Tânia (2010)
0.5
0.4
0.4
Densities
0.3
rxy
0.0
0.2
0.1 -0.4
0.0
-0.8
510000 512500 515000 517500 520000 0 5000 10000 15000 20000
0.4 1E-5
rx sx
0.0
1E-9
-0.4
-0.8 1E-13
0 5000 10000 15000 20000 0.01 0.1 1
t
0.4
0.60
Densities
0.55
rxy
0.50 0.0
0.08
Arashiro et al. (2009).
-0.4
0.06
Tânia (2010)
t t
1E-3
0.8
0.4
sx
rx 1E-8
0.0
-0.4 1E-13
0 2000 4000 6000 0.01 0.1 1
Função de ato-correlação
t
temporal Espectro de potências
vs frequencia
(presas) Tânia Tomé IFUSP: Segunda aula Salvador
62
juhlo de 2010
Epidemia com imunização – MODELO SIR
(limite do modelo predador-presa para a=0: a modelo SIR)
Tânia (2010)
S
Infection auto-catalítica
R I
Recuperação espontânea
Simulação do modelo
Caso contrário:
Escolhe-se aleatoriamente um dos primeiros
Vizinhos do sítio i.
Se o sítio vizinho escolhido está no estado S então S I.
Tânia Tomé IFUSP 64
Modelo SIR assíncrono
c cc
Rede quadrada regular L=520
Número de sítios R no “cluster”: 51034
Verde: recuperados
Branco: suscetíveis
Limiar de espalhamento:
c ~ 0.22
r
b =1- c =probabilidade de infecção
r dz / dt cy
z Número de
recuperados
t (imunes)
(Arashiro & TT)
Limiar de espalhamento:
r c ~ 0.22
b =1- c =
probabilidade de infecção
r dZ / dt
Z Number
of recovered
(and immune)
t individuals
Transição da fase
contínua
t=150
t=50
Vermelho: infectado t=250
Branco: recuperado b bc
Azul: suscetível
c 0.26 cc
A epidemia cessa.Tânia Tomé IFUSP: Segunda aula Salvador 69
juhlo de 2010
t=100 t=300
Autômato SIR
(Arashiro & TT)
Proximidades do ponto crítico
(limiar de espalhamento da
epidemia)
Vermelho: infectado
Branco: recuperado
Azul: suscetível
Tânia Tomé IFUSP: Segunda aula Salvador
70
t=1600 juhlo de 2010
Modelo SIR - Aproximação de Campo Médio Simples:
dx
bxy
dt
dy
bxy cy
dt
dz
cy
dt
Condição inicial em t = 0:
x 1
At time t 0 y 1
z 0
Limiar de
espalhamento
Estados estacionários: da epidemia
bc 1 / 2 cc
Regime de espalhamento da epidemia:
x 0, z 0 and y 0, t
R I
Recuperação espontânea
c
Susceptible
Absorbing
Active
“damped oscillations”
Active
non-osc.
Modelo
assíncrono
Modelo SIR
Susceptible
c Absorbing
d
e Inf--Inf
n Inf-Rec
s
i
t
i
e
s
Durrett & Levin (1994). Theor. Popul. Biol. (1994); J. theor. Biol. (2000).
E. Renshaw, Modelling Biological Populations in Space and Time, Cambridge University Press,
1991.
Exemplo:
4 5 A
6 2 1 3 C
8 7 B
P(B | A ) P(i | A )
iB
B {i , i B }
P(i , A )
Mas: P(i | A ) A {i , i A}
P( A )
Então:
4 Sítio central
6 2 1
8
P P
4
P 6 2 1
P 2 P6 2 P 4 2 8 2 1 2
8 P 2 P 2 P 2 P 2
4
6 2 1 Só a correlação do sítio 6 com o
central 2 é levada em conta.
8 Tânia Tomé IFUSP: Segunda aula Salvador
86
juhlo de 2010
Aproximação de campo médio dinâmico
P(B | A ) P(i | A )
iB
B {i , i B }
P(i , A )
Mas: P(i | A ) A {i , i A}
P( A )
iB