'Tre Mattine all'Università'

Slides:



Advertisements
Presentazioni simili
L’impresa di assicurazione
Advertisements

Testi di epidemiologia di base
CORSO DI RECUPERO CONTROLLI AUTOMATICI Prof. Filippo D’Ippolito
Evoluzione Tratto da Land of Lisp: Learn to Program in Lisp, One Game at a Time! Conrad Barski.
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
Matematica I: Calcolo differenziale, Algebra lineare, Probabilità e statistica Giovanni Naldi, Lorenzo Pareschi, Giacomo Aletti Copyright © The.
1. Classificazione dei sistemi e dei modelli
1. Classificazione dei sistemi e dei modelli
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
1 Il punto di vista Un sistema è una parte del mondo che una persona o un gruppo di persone, durante un certo intervallo di tempo, sceglie di considerare.
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Evolvere robot stigmergici in Evorobot*
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 7 Chiara Mocenni Corso di laurea L1.
Termodinamica SISTEMA: AMBIENTE:
Termodinamica SISTEMA: AMBIENTE:
1 1. Classificazione dei sistemi e dei modelli La teoria dei sistemi e del controllo si è sempre tradizionalmente occupata dei sistemi a variabili continue.
4. Automi temporizzati Il comportamento dei sistemi ad eventi temporizzati non è definito semplicemente da una sequenza di eventi o di valori dello stato,
APPLICATI ALLO STUDIO DELLE EPIDEMIE
DISTIBUZIONE BINOMIALE
Processi Aleatori : Introduzione – Parte I
Automi Cellulari Def. formale di AC e di AC unidimensionale
Automi Cellulari Automi Cellulari Binari Unidimensionali con r>1
Introduzione agli Automi Cellulari
COS’É LA FISICA? La fisica è lo studio dei FENOMENI NATURALI: è una disciplina molto antica, perché l’uomo ha sempre cercato di comprendere e dominare.
CORSO DI MODELLI DI SISTEMI BIOLOGICI LAUREA IN INGEGNERIA CLINICA E BIOMEDICA.
CORSO DI MODELLI DI SISTEMI BIOLOGICI
Modello di regressione lineare semplice
Dipartimento di Matematica -
Lucia Della Croce -Matematica applicata alla biologia
IL MODELLO DI MALTHUS NEL CASO CONTINUO
Federica Dispenza matr Carmela Pecoraro matr
Le azioni da attuare in caso di sospetto morbillo
Cos’è l’epatite ? L’epatite è l’infiammazione del fegato, che si ingrossa e può dare dolore. A volte ci possono essere dei danni permanenti. Farmaci, alcol,
Intelligenza Artificiale
Esercizio Nel 1980 un gruppo di 1000 persone di età compresa tra i 35 e i 55 anni è stata seguita per 5 anni. Durante questi anni alcuni di questi soggetti.
Corso di Sistemi Complessi Adattativi
ANALISI MATEMATICA DI UNEPIDEMIA. IPOTESI DEL MODELLO la classe presa in esame è formata da 25 alunni la percentuale dei soggetti infettivi è del 12%
Misurare una grandezza fisica
Lisola degli eremiti. Lambiente è una piccola isola sulla quale vivono soltanto sei eremiti. Una malattia infettiva colpisce l'isola. E' una malattia.
Indici di valutazione di un Test diagnostico
È una malattia infettiva importante causata da un virus che si trasmette da persona a persona per via respiratoria. Il morbillo inizia con febbre alta.
Progetto Orientamento
EPIDEMIOLOGIA DELLE MALATTIE INFETTIVE
Teoria della Complessità Concetti fondamentali
TEST DI AMMISSIONE MODALITA’ CBT
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
Sesta settimana a.a. 2013/14. Negli ultimi anni l’utilizzo delle tecniche quantitative è diventato molto più facile grazie alla reperibilità di nuovi.
La peste La peste nera del 1347.
IO, TU E… GLI ALTRI.
In partnership con ilsono state selezionate alcune linee di prodotto sviluppate dalla Fabbrica Prodotti del Gruppo Alliance.
DNA: The life molecule La ricerca del materiale genetico (da Eissman a Hershey e Chase) La struttura del DNA (da Chargaff a Watson e Crick) Le funzioni.
Grandezze e Misure
Evento: “Fatto o avvenimento che già si è verificato o che può verificarsi ….” Gli eventi di cui ci occuperemo saranno soltanto gli eventi casuali, il.
R. Soncini Sessa, MODSS, L 26 Stima degli effetti Calcolo degli obiettivi (Laplace) Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini.
Prof. Filippo D’Ippolito
Alessandro Bollini Dipartimento di Informatica e Sistemistica Università di Pavia Via Ferrata, Pavia Algoritmi Evolutivi.
Università degli Studi di Palermo Facoltà Scienze della Formazione Corso di Laurea Scienze della Formazione Primaria A.A. 2002/2003 Tesi di Laurea di:
In epidemiologia abbiamo 2 importanti misure di frequenza
E Pluribus Unum I comportamenti emergenti. Istruzioni interessanti Iniziale –ca –ask-patches [if (random 20) < 5 [setpc yellow]] count-patches-with [(distance.
1. La relatività dello spazio e del tempo (2)
La variabile casuale (v.c.) è un modello matematico in grado di interpretare gli esperimenti casuali. Infatti gli eventi elementari  che compongono lo.
Definizione e proprietà
Fabio Scotti – Università degli Studi – Laboratorio di programmazione per la sicurezza 1 Lezione 15 e 16 Programmazione strutturata A) progettazione del.
Epidemiologia e profilassi generale delle malattie infettive
I GRAFICI – INPUT 1.
Misure Meccaniche e Termiche
Ipotesi operative TeoriaEsperienza diretta e/o personale Quesito Piano esecutivo Scelta popolazione Scelta strumenti Scelta metodi statistici Discussione.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento.
Transcript della presentazione:

'Tre Mattine all'Università' I Modelli Matematici e le Epidemie Realizzato da: Ilaria De Marchi,Marco Fasano,Gianluca Maffei, Virginia Prudenza,Valentina Sistri,Emanuela Vai,Ilaria Zomer

I Modelli Matematici Un modello di un sistema esprime la conoscenza di un fenomeno attraverso una o più equazioni differenziali e come tale consente di rispondere a domande sul sistema senza la necessità di compiere un esperimento. Esso costituisce quindi un potente mezzo di previsione e descrizione del comportamento di un sistema. La metodologia matematica consente di affrontare in modo astratto e unificato lo studio di sistemi di natura differente ma accomunati dalle stesse proprietà matematiche.

The Life Game The Life Game è un modello matematico utilizzato per simulare l’evoluzione di una colonia di organismi viventi,ognuno dei quali è rappresentato da una cella. Venne inventato da Horton Conway,docente dell’università di Cambridge alla fine degli anni ’60.

Regole del ‘Gioco’ Viene giocato su una griglia. Le celle possono essere piene(organismi vivi) o vuote(organismi morti). Ogni cella è circondata da altre 8 dalle quali dipende il suo futuro I passaggi successivi si determinano attraverso tre regole fondamentali

Una cellula sopravvive se ne ha 2 o 3 intorno Le cellule blu sopravvivono,quelle verdi muoiono

La cellula muore se ne ha 4 o più intorno, se ne ha una o se è isolata

-Una cellula morta diventa viva nel turno successivo se ne ha tre vive intorno -Esistono combinazioni cicliche,altre rimangono costanti.

Modelli Matematici applicati allo Studio delle Epidemie DETERMINISTICI: risultati fissi STOCASTICI: risultati casuali CONTINUI: le variabili cambiano con continuità. Utilizzano le equazioni differenziali. DISCRETI: le variabili sono misurate a intervalli. Si usano le equazioni alle differenze

It+1 = St (1-qIt) Modelli Reed-Frost Il comportamento del modello è determinato dal numero di soggetti infettivi presenti al tempo t=0 e poi dalla probabilità di transizione dallo stato suscettibile allo stato infetto. VARIABILI p= probabilità di un contatto efficiente q= probabilità di non essere infettato q = 1 – p -It, It+1 = infetti al tempo t e t+1 -St = suscettibili al tempo t It+1 = St (1-qIt)

L’Isola degli Eremiti -Sei Eremiti vivono su un’isola. -Uno degli Eremiti viene colpito da una malattia infettiva che ha una durata di un giorno -L’Eremita infetto visita un altro Eremita che verrà colpito dalla malattia -L’Eremita infetto nel secondo giorno farà un’altra visita a uno degli Eremiti -Le visite sono casuali -Chi è guarito dalla malattia non può essere nuovamente infettato

V A R I N T -Aumentare il numero di Eremiti -Aumentare il numero dei giorni Di malattia -Aumentare il numero di Visite -Aumentare il numero di malati iniziali

Analisi Matematica di un’Epidemia La classe presa in esame è formata da 25 alunni I soggetti infetti sono 3 I soggetti rimossi sono 9 I soggetti rimangono infetti per 4 giorni Si può contrarre la malattia solo in classe Quindi ci saranno soggetti SUSCETTIBILI alla malattia cioè che non l’hanno ancora contratta,soggetti INFETTIVI cioè sono portatori della malattia e soggetti RIMOSSI cioè vaccinati o guariti

Tipi di Contatto CONTATTI MARGINALI: avvengono Con alunni seduti nei banchi che Confinano per mezzo di un vertice. La probabilità di essere infettato è 1/6. CONTATTI STRETTI:avvengono con Alunni seduti nei banchi che confinano Tramite un lato. La probabilità di essere infettato è 1/3.

Evoluzione di un’Epidemia