""" 扩散模型 大多数传染病，以及关于产品、思想和技术突破的信息，都是通过口口相传而传播开来的，扩散模型刻画了这些过程。 口口相传也就意味着并不是时刻都有一个广播在向所有人发出消息，广播模型就类似于新闻联播，一个人由易感者变 为知情者的概率取决于他看到新闻联播的概率，假设每天的新闻联播覆盖率是一定的，则每天的覆盖人群就是一定的。 扩散模型没有强大背景，扩散模型要依靠个人的口碑传播，扩散的人数取决于一个人能接触到的人数以及能成功分享 的概率 本期的累积感染人数 = 上期的累积感染人数 + 本期的有效感染人数 本期的有效感染人数 = 本期的可感染人数 * 感染率 本期的可感染人数 = 总的可感染人数 - 上期的累积感染人数 本期的累积感染人数 = 上期的累积感染人数 + (总的可感染人数 - 上期的累积感染人数) * 感染率 感染率是指平均每个人被感染的概率，它取决于每个人接触到感染源的概率以及被感染源感染的概率，假定传染概率 是固定的，每个人接触到感染源的概率取决于群体中感染源的密度，密度越大接触概率越大。当然这也是基于感染源 是平均分散于群体中的。对于这个假设，我们应该保持警惕。就描述幼儿园内传染病传播的扩散模型而言，这可能是 一个准确的假设，因为幼儿园里儿童之间的相互接触是高频率的。但是，如果将它应用于城市人口则是有问题的。在 城市中，人们并不是随机混合的。人们在一定的社区中生活，在一定的场所内工作，他们属于工作团队、家庭和社会 团体，他们的互动主要发生在这些群体中。但是同时也不要忘记，一个假设要成为有用模型的一部分，其实不一定非 得十分准确不可。因此，我们将继续使用这个假设，同时保持开放的心态，在需要改变的时候随时改变这个假设。 本期的累积感染人数：cumulativeSum_up_to_this_time(sum_this) 上期的累积感染人数：cumulativeSum_up_to_last_time(sum_last) 总的可感染人数：total_people(total_num) 感染源密度：density 分享概率：share_probability(share_prob) sum_this = sum_last + (total_num - sum_last) * density * share_prob """