Epidemi. Matematik. Indermohan Singh Walia, Egedal Gymnasium & HF
|
|
- Rebecca Søndergaard
- 8 år siden
- Visninger:
Transkript
1 Matematik Epidemi Indermohan Singh Walia, Egedal Gymnasium & HF Denne artikel er skrevet som den matematiske teori til beskrivelse af udvikling af en epidemi i en befolkning. Den matematiske model indeholder en del simplifikationer og en del biologiske aspekter ved sygdomsoverførelse er heller ikke behandlet, så derfor vil modellens forudsigelser afvige i forhold til en virkelig forekommende epidemi. Modellen er dog generel nok til at beskrive forskellige sygdomsepidemier, og interessant da de forekommende differentialligninger kan løses eksakt. De matematiske resultater kan også fremkomme ved simulering i et regneark, og det kan elever benytte sig af i forbindelse med studieretningsopgaven/projektet. Det teoretiske niveau i matematik er også overkommeligt både indenfor A- og B-niveauerne. Epidemimodellen Lad os betragte en befolkning af størrelsen N, hvor en sygdom hos visse individer i befolkningen udbreder sig til en større del af befolkningen ved smitte mellem de syge og de raske. Vi deler befolkningen i tre grupper nemlig de raske (R(t, de syge (S(t og de immune (I(t, hvor de tre størrelser opfattes som funktioner af tiden. En rask person kan ved smitte blive syg og efter helbredelse blive immun. De immune er altså personer, som har været syge og som ikke kan blive syge igen. Vi antager, at alle syge personer med tiden vil blive immune, og at ingen dør af sygdommen. Befolkningens størrelse er altså uændret under denne epidemi. Modellen, der beskriver udviklingen af sygdommen, er som følgende: R (t = -k R(t S(t S (t = k R(t S(t h S(t I (t = h S(t k, h > 0 Konstanten k kaldes for smittefrekvensen, mens h kaldes helbredelsesraten. Af ovenstående sammenhæng haves, at k angiver, hvor stor en brøkdel af de raske, der bliver smittet af én syg person per tidsenhed. Såfremt én syg person smitter 1% af den raske befolkning pr. tidsenhed, betyder det altså, at 100 raske bliver smittet ud af en befolkning på , mens 200 vil blive smittet ud af en befolkning på Da de raske bliver smittet ved kontakt med de syge, er det en svaghed ved modellen, at antallet af smittede vokser proportionalt med befolkningens størrelse, da kontaktkredsen for et individ ikke nødvendigvis er større i en stor befolkning end i en lille befolkning. Foregå smitteoverførsel gennem luften f.eks. ved influenza kan modellen forsvares, idet en syg person er i kontakt med flere raske personer i en stor befolkning end i en lille befolkning f.eks. ved transport i metro eller lign. Er der tale om en epidemi blandt dyr, er modellen mere troværdig, da kontakter mellem dyr er mere tilfældige. Smittefrekvensen er en størrelse, der er meget afhængig af den enkelte sygdom Helbredelsesraten angiver, hvor stor en brøkdel af de syge, der bliver helbredt per tidsenhed. Helbredelsesraten er naturligvis afhængigt af sygdommen og for en bestemt sygdom afhængigt af behandlingsmetoder og den anvendte medicin. Kvalitative egenskaber for funktionerne R, S og I Begyndelsesværdierne for de tre funktioner er som følgende: R(0 = α N S(0 = β N I(0 = δ N R(0 + S(0 + I(0 = (α + β + δ N = N α + β + δ = 1 Vi kan uddrage nogle generelle egenskaber for funktionerne R, S og I ved at betragte ovenstående model. Da R og S er ikke negative størrelser, haves at: R (t < 0 R(t er en aftagende funktion af tiden. I (t > 0 I(t er en voksende funktion af tiden. For S (t haves: S (t = S(t (k R(t h = 0 R(t = h k. Det tidspunkt, hvor ovenstående udsagn er opfyldt betegnes t k og kaldes kulminationstidspunktet. Vi har altså. S (t < 0 R(t < h k t > t da R er en aftagende k funktion. 12 LMFK-bladet, nr. 6, november 2009
2 S (t > 0 R(t > h k t < t da R er en aftagende funktion. k Vi har altså, at S har et globalt maksimum, når t = t k. Det er derfor, vi kalder dette tidspunkt for kulminationstidspunktet, idet sygdommen kulminer til dette tidspunkt med det største antal syge i befolkningen. Vi har altså, at ved kulminationstidspunktet er antallet af raske givet som h/k og uafhængigt at befolkningens størrelse. Dette resultat forekommer ejendommeligt og tyder på, at konstanterne h og k ikke er universale for én bestemt sygdom. Vi har følgende bånd på konstanterne: h k < N Lad os definere som brøkdelen af befolkningen, der er raske ved kulminationstidspunktet. Vi har altså: R(t k = h k = N Ved en meget smitsom sygdom er k stor og af ovenstående haves at antallet af raske ved kulminationstidspunktet er lille. Ved et dårligt sundhedsvæsen er h lille og igen af ovenstående haves, at antallet af raske ved kulminationstidspunktet er lille. Begge disse konklusioner er yderst rimelige. Sygdommen vil kun udvikle sig i befolkningen såfremt at: S (0 > 0 R(0 > h/k αn > N α > δ < 1 β Det vil sige, at en epidemi kan begynde såfremt, at brøkdelen af raske ved begyndelsestidspunktet er større end brøkdelen af raske ved kulminationstidspunktet. Modsat vil sygdommen ikke udvikle sig i befolkningen såfremt at: S '(0 < 0 R(0 < h k αn < N α < δ > 1 β Løsning af differentialligningsmodellen Lad os nu betragte differentialligningerne, der er bestemmende for de tre funktioner. R '(t = - k R(t S(t I '(t = h S(t _ R '(t I (t = - k R(t dr h di = - k h R R(I = R 0 e - k h I Konstanten R 0 kan bestemmes af begyndelsesværdien I = δn, hvor R = αn. Vi har da: I = δn R(δN = R 0 e - k h I = αn R 0 e - δn N = αn k h = N 1 R 0 = α N e δ_ Ved indsættelse af dette resultat haves følgende: R(I = α N e δ_ e - I (δn I N = α N e N _ R(I N = α e (δ I N / r(u = α e (δ u r = N R u = N I δ < u < 1. Funktionen r(u angiver brøkdelen af befolkningen, som er raske, som funktion af brøkdelen af befolkningen, som er immune. Lad os nu behandle den sidste af de tre differentialligninger i modellen. Vi har altså: S (t = S(t [k R(t h] ds di di = S [kr h] dt LMFK-bladet, nr. 6, november Matematik
3 Matematik ds hs = S [kr h] di ds di = k h R 1 I lighed med størrelsen r definerer vi størrelsen s = S/N, der angiver brøkdelen af syge af hele befolkningen. Udtrykt ved hjælp af variablerne s, u og r fremkommer ovenstående ligning som: ds du = 1 r(u 1 I ovenstående ligning kan vi indsætte det fundne funktionsudtryk r(u. Hermed har vi: ds du = ( u e En løsning til denne differentialligning er: s(u = -α e (δ u u + c Konstanten c bestemmes af begyndelsesbetingelsen: s(δ = β. Vi har altså: s(δ = -α δ + c = β c = α + β + δ = 1 Indsættes dette resultat i ovenstående har hermed at: s(u = 1 u α e (δ u Dette resultat kunne vi have kommet frem som følgende: s + u + r =1 s = 1 u r. Ved indsættelse af det fundne udtryk for r(u fremkommer ovenstående funktionsudtryk for s(u. Vi har hermed fundet løsninger til differentialligningssystemet, ikke som funktioner af tiden men som funktioner af u, der angiver brøkdelen af befolkningen, der er immun. Vi altså følgende resultater: r(u = α e (δ u s(u = 1 u α e (δ u δ < u < 1 Af den gennemførte analyse af egenskaberne for de tre funktioner R, S og I har vi, at S har en global størsteværdi, når R = h/k ved tidspunktet t k. Det svarer til, at s har en global størsteværdi når r = = r k. Vi ønsker at finde denne størsteværdi. Vi har altså: r = α e (δ u = δ u = ln( α u = δ ln( α = u k Indsættes disse værdier i udtrykket for s(u, kan vi bestemme størsteværdien for s. Vi har altså: s(u k = 1 u k r k = 1 δ + ln( α = 1 δ [1 ln( α ] = 1 δ [1 ln( 1 β δ ] = Egenskaber for funktionen Denne maksimale andel syge i befolkningen kan opfattes som en funktion af δ, der angiver brøkdelen af befolkningen, der er immune overfor sygdommen ved udbrud af sygdommen. Denne størrelse kan vi nemlig variere f.eks. vha. et vaccinationsprogram. Lad os se, hvorledes ændrer sig, når δ (vaccinationsgraden ændrer sig. Det skal dog erindres, at funktionen s kun har en største værdi, såfremt s er ikke monoton, hvor en epidemi kan forekomme, og betingelsen for, at en epidemi forekommer, er, at δ < 1 β. Vi undersøger nu monotoniforholdene for funktionen. (δ = 1 δ + ln( δ < 1 β 1 β δ ' _ (δ = (-1 (1 β δ (1 β δ -2 (-1 = -1 + (1 β δ -1 ' (δ = β δ = 0 1 β δ = δ = 1 β ' (δ < 0 δ < 1 β ' (δ > 0 δ > 1 β Vi har altså, at er en aftagende funktion af δ med en mindsteværdi, når δ = 1 β = δ m, hvor mindsteværdien er (δ m = β, idet kun er veldefineret, når δ δ m. Mindsteværdien β svarer jo netop til den situation, hvor den maksimale sygelighed er identisk med brøkdelen af syge ved begyndelsestidspunkt. Vi har således ingen epidemi ved denne situation. Vi har altså, at såfremt en epidemi udvikler sig, så vokser andelen af de syge i befolkningen og kulminer til en maksimal brøkdel til et bestemt tidspunkt t k. Denne kulminationssygelig- 14 LMFK-bladet, nr. 6, november 2009
4 hed kan vi reducere ved i begyndelsen af epidemien at vaccinere brøkdelen δ af befolkningen. Når δ overskrider δ m vil der ikke forekomme en epidemi i befolkningen. Da det i praksis er vanskeligt at bestemme størrelserne h og k, er det også svært at angive en præcis værdi for den ideale vaccinationsgrad δ m ved en bestemt sygdomsepidemi. Visse kvalitative træk ved δ m kan vi dog godt fremdrage. Da = h/kn vil der i to samfund med samme befolkningsstørrelse og ved samme sygdom og dermed formentlig samme k-værdi vaccineres en mindre brøkdel δ m i et samfund med et godt sundhedsvæsen, hvor h er større end i et samfund med et dårligt sundhedsvæsen, idet helbredsraten h her mindre. Ved identiske sygdomme og behandlingsforhold skal vaccinationsgraden være større i storbyer end i mindre byer på grund af befolkningens størrelse. Vi skal altså vaccinere alle i befolkningen bortset fra de syge ved begyndelsen og alle dem, som ikke vil blive syge, når epidemien kulminer. I praksis ved vi naturligvis ikke, hvem der ikke vil blive syge, når sygdommen kulminer, men vi kan her undlade at vaccinere dem, som sundhedsmæssigt forventes at have det bedste immunforsvar og de individer, der ikke er med i en risikogruppe for sygdommen. Det ideale er altså at have en vaccinationsgrad δ m = 1 β. Er der tale om en meget smitsom sygdom, er lille, og dermed skal en stor del af befolkningen vaccineres. Er der derimod tale om en mindre smitsom sygdom, er stor, og dermed kan man nøjeed at vaccinere en mindre del af befolkningen. Nu er vaccination og behandling af syge forbundet med udgifter for samfundet. Vi kan således godt have en meget smitsom sygdom f.eks. influenza, men med begrænsede udgifter ved behandling, og her kan en mindre vaccinationsgrad end δ m være acceptabel. Er sygdommen meget smitsom ( 0 og omkostningstung, så er det vigtigt at opnå en vaccinationsgrad på δ m. I denne situation er δ = δ m = 1 β 1. Vaccination mod børnesygdomme svarer til denne situation. Opfatter vi som en funktion af k, kan man vise, at er en voksende funktion af k, hvilket også forekommer yderst rimeligt, da store k-værdier svarer til, at sygdommen er meget smitsom, og dermed kan vi forvente, at kulminationssygelighed er stor. Opfatter vi derimod som en funktion af h, kan vi vise at er en aftagende funktion af h. Dette resultat er også fornuftigt, da store h-værdier svarer til en stor helbredsrate og dermed er en lille kulminationssygelighed også forventet. Da størrelserne k og N optræder på en symmetrisk form i, kan vi konkludere, at er en voksende funktion af N. Dette resultat kan opfattes som argument for at foretage karantæne i forbindelse med epidemiudbrud. Lad os betragte den situation, hvor en befolkning på N deles i to dele N 1 og N 2, som ikke er i kontakt med hinanden. Da antallet af raske til kulminationstidspunktet er en konstant størrelse, nemlig h/k, haves, at der er dobbelt så mange raske til kulminationstidspunkterne, når befolkningen deles i to dele i forhold til den udelte befolkning. Denne metode kan vi således benytte til at forhindre en epidemi, idet såfremt en epidemi er så alvorlig, at brøkdelen af raske ved kulminationstidspunktet er, deles befolkningen i LMFK-bladet, nr. 6, november Matematik
5 Matematik 1/ grupper, der ikke er i kontakt med hinanden. I hver gruppe er antallet af raske ved kulminationstidspunktet N, og det samlede antal raske for alle grupperne er altså N/ = N, og dermed haves ingen epidemi. Ovenstående konklusion kan vi også ræsonnere os til ved at betragte den lille befolkningsgruppe med størrelsen N 1 = N. Betingelsen for at der ikke forekommer en epidemi i denne befolkningsgruppe er, at: _ h > 1 β 1 > 1 β kn 1 _ h > 1 β kn > 1 β > - β Den sidste ulighed er naturligvis opfyldt, og dermed har vi vist, at der ikke vil forekomme en epidemi i de små befolkningsgrupper. Det ejendommelige resultat, at antallet af raske ved kulminationstidspunktet er en konstant, nemlig h/k, og uafhængigt af befolkningens størrelse er altså konsistent med den øvrige teori. Såfremt vi deler befolkningen i to lige store grupper, kan vi også beregne kulminationssygelighed i de to grupper. Vi har nemlig at: _ h N 1 = a 1 N 1 = kn 1 a 1 = 1 2 = 2 1 Opfatter vi kulminationssygelighed ( som en funktion af haves: ( 1 = (2 = 1 δ 2 [1 ln( 2 α ] = 1 δ [1 ln( 2 α ] [1 ln( 2 (2 = 1 δ [1 ln( α ln(2] [1 ln( 2 α ] = ( [1 ln( 2 α ln(2] (2 = ( [1 ln( 4 α ] α ] Kulminationssygelighed ved karantæne er mindre end i den udelte befolkning, da vi har, at: 1 ln( 4 4 α > 0 ln( α < 1 4 < α e 4 < (1 β δ e δ < 1 β 4 e Den sidste ulighed er opfyldt ved små vaccinationsgrader og det er altså i disse situationer, at en karantæne er mest hensigtsmæssig. En anden fordel ved en karantæne er, at den ideale vaccinationsgrad formindskes i de mindre befolkninger. Vi har nemlig at: δ m = 1 β = 1 β h kn m = 1 β 1 = 1 β Ved en meget smitsom epidemi, hvor = 0,2, vil den ideale vaccinationsgrad falde fra 78% til 58% ved en begyndelsessygelighed (β på 2% og en deling af befolkningen i to lige store dele (a 1 = ½. I en situation, hvor den ideale vaccinationsgrad ikke kan opnås pga. af manglende vacciner/ resurser, er en karantæne således en lavteknologisk metode til at begrænse epidemien. Økonomiske forhold ved vaccination og sygdomsbehandling Lad os undersøge, hvilke økonomiske konsekvenser for samfundet, der er forbundet med størrelsen ved en forøget vaccinationsgrad δ. Lad p s og p r henholdsvis angive omkostningerne pr. person ved sygdomsbehandling og ved vaccination. Omkostninger ved sygdomsbehandling er altid større end omkostninger ved vaccination, da vaccinering koster som regel en konsultation hos en læge/sygeplejerske samt udgiften til køb af vaccinen, mens sygdomsbehandling koster mindst en konsultation evt. flere og muligvis også hospitalsindlæggelse samt udgifter til medicin. Da det er omkostninger for samfundet, der er relevante, er omkostninger ved udvikling af vaccinen ikke medtaget, idet disse afholdes af medicinselskabet. Vi har altså: : kulminationssygelighed ved vaccinationsgrad : kulminationssygelighed ved vaccinationsgrad, hvor 0 < < < δ m Da er en aftagende funktion, er >, og dermed spares der omkostninger i form af færre sygdomsbehandlinger ved en forøgelse af vaccinationsgraden δ. a1 16 LMFK-bladet, nr. 6, november 2009
6 Sparede omkostninger: [ ] p s. Der forekommer øgede omkostninger pga. en større vaccinationsgrad. Øgede omkostninger: p r. En forøgelse af vaccinationsgraden vil være økonomisk gunstig såfremt at: [ ] p s > p r _ - [s (δ s ( ] m 2 m 1 _ [ ( 1 ] _ [ ( 1 ] > p r p s < - p r p s < -μ μ = p r p s Af ovenstående betragtninger angående forholdet mellem p r og p s antager vi altså, at μ < 1. Vi viser nu, at er en konveks funktion af δ ved beregning af s'' m. '' (δ = d dδ (-1 + (1 β δ-1 = (-1(1 β δ -2 (-1 '' _ (δ = (1 β > 0 Altså er en aftagende konveks funktion af δ. Vi har hermed følgende betingelse opfyldt: ' _ < [s (δ s (δ ] m 2 m 1 < -μ Idet ovenstående skal gælde for vilkårlige værdier for og fra intervallet [0, δ m ] og indsættes den afledede af haves følgende: -1 + < -μ 1 β < 1 μ 1 β 1 μ < 1 β δ 1 < 1 β 1 μ = δ øvre Det er altså økonomisk rentabelt med en undervaccinering af befolkningen. Denne øvre vaccinationsgrad er naturligvis afhængig af omkostningsforholdet μ. Ved meget små omkostninger ved vaccination er μ 0, og vi har hermed, at δ øvre 1 β = δ m, hvor δ m er den ideale vaccinationsgrad. Vi kan også finde en øvre grænse for omkostningsforholdet μ, hvor en vaccinationsgrad på nul er økonomisk rentabel. Vi har nemlig at δ øvre 0 < 1 β 1 μ 0 1 β 1 μ 1 μ 1 β μ 1 1 β = μ øvre Når omkostningerne ved sygdomsbehandling bliver af omtrent samme størrelse som omkostninger ved vaccination, ændres den øvre vaccinationsgrad dramatisk mod lavere værdier, som det ses af nedenstående skema. I skemaet er resultaterne for to epidemier angivet. Ved begge epidemier er 5% af befolkningen syge ved starten og ved den mere smitsomme sygdom (A er kun 20% af befolkningen raske ved kulminationstidspunktet, mens det ved tilsvarende brøkdel er 60% for den mindre smitβ μ δ øvre δ m μ øvre Bemærkning 0,05 0,2 0,1 0,73 0,75 0,79 Smitsom 0,05 0,2 0,5 0,55 0,75 0,79 0,05 0,2 0,75 0,15 0,75 0,79 0,05 0,6 0,1 0,28 0,35 0,37 Mindre smitsom 0,05 0,6 0,2 0,20 0,35 0,37 0,05 0,6 0,3 0,09 0,35 0,37 LMFK-bladet, nr. 6, november Matematik
7 Matematik somme sygdom (B. Ved sygdom A er den ideale vaccinationsgrad 75%, mens det tilsvarende tal for sygdom B er 35%. Når sygdomsbehandling er dyr og f.eks. 10 gange dyrere end omkostninger ved vaccination kan vaccinationsgraden forskydes mod lavere værdier nemlig 73% og 28% for henholdsvis sygdom A og sygdom B af økonomiske grunde. Det bemærkes, at forskydning mod lavere værdier er størst ved den mindre smitsomme sygdom B. Efterhånden som sygdomsbehandling bliver billigere, og når det f.eks. kun er 1,5 gange så dyrt som vaccinationsomkostninger, så kan vaccinationsgraden sættes helt ned til 15% fra den ideale værdi på 75% for sygdom A. En vaccinationsgrad på nul vil være acceptabel, når udgifterne til sygdomsbehandling er ned på 1,27 gange udgifterne til vaccinationsbehandling. Der iagttages altså en voldsom ændring i vaccinationsgraden som følge af lavere udgifter til sygdomsbehandling. Ved den mindre smitsomme sygdom B behøver sygdomsomkostninger ikke at falde så voldsomt for at nedsætte den økonomiske øvre vaccinationsgrad, idet såfremt sygdomsbehandling koster 3,33 gange vaccinationsomkostninger, så kan vaccinationsgrad ændres fra den ideelle værdi på 35% til en øvre værdi på 9%. Her er en vaccinationsgrad på nul acceptabel, når sygdomsbehandling koster 2,7 gange vaccinationsomkostninger. Lad os nu udvide disse økonomiske betragtninger til ikke kun at gælde ved kulminationstidspunktet, men til dække hele epidemiforløbet. Hertil skal vi kende den samlede brøkdel, der er blevet syge under epidemien. Da andelen af syge s(u er en positiv størrelse haves generelt at s(u 0 og den maksimale andel af immune i befolkningen er bestemt som løsning til ligningen s(u = 0. Lad os betragte funktionen s(u: s(u = 1 u (1 β δ e δ u, δ u 1 s(δ = β > 0 s(1 = -(1 β δ e δ 1 < 0 Da s(u er en kontinuert funktion, haves altså, at ligningen s(u=0 har én løsning i intervallet ]δ,1[. Lad os betegne denne løsning i dette interval som u max. Men da de immune før har været syge, medmindre de var immune ved begyndelsen af epidemien, har vi altså at den samlede brøkdel af syge under epidemien (T (δ kan beregnes som: T (δ = u max (δ δ Da T (δ < 1 har vi altså, at en vis brøkdel af befolkningen vil forblive raske under hele epidemien, uanset hvor smitsom den er. Lad os betragte en given sygdomsepidemi med to forskellige vaccinationsgrader, nemlig og, idet >. En forøgelse af vaccinationsgraden vil være økonomisk gunstig, under forudsætning af, at T (δ er en aftagende funktion, såfremt at: p r < [T T ] p s p r < [(u max (u max ] p s p r < [(u max u max +( ] p s p r < [ u (δ u (δ max 1 max ] p s p r p < 1 u (δ u (δ max 2 max 1 s μ 1 < - u max u max p r p = μ s Ved videre omskrivning haves at: u max u max < 1 μ Det skal her erindres, at 0 < μ < 1 og dermed er 1 μ er en positiv størrelse. Vi kan formode, at funktionen u max ( δ er en aftagende funktion, hvilket forekommer meget rimeligt, idet en større vaccinationsgrad må medføre en mindre sygelighed i befolkningen. Funktionen u max (δ kan tabellægges ved numeriske beregninger, og dermed 18 LMFK-bladet, nr. 6, november 2009
8 kan påstanden om denonotoniforhold verificeres. Vi antager altså, at u max (δ er en aftagende funktion, og dermed er forudsætningen om, at T (δ er aftagende naturligvis automatisk opfyldt. For vilkårlige værdier for og fra intervallet [0, δ m ] har vi altså at: μ max (δ< 0 u (δ u (δ max 2 max 1 < 0 < 1 μ Hermed har vi vist, at en forøgelse af vaccinationsgraden altid vil være økonomisk gunstig uanset omkostningsforholdet mellem vaccination og sygdomsbehandling blot, at det sidste er mere omkostningstung end det første. Vaccinationsgraden skal naturligvis være under den ideale vaccinationsgrad 1 β = δ m, idet der ved overskridelse af denne grænse ikke vil forekomme en epidemi. Denne konklusion afviger fra situationen ved kulminationssygelighed, idet vaccinationsgraden der skulle reduceres for at opnå en økonomisk gevinst. Kulminationssygelighed er en vigtig størrelse såfremt, at der er kapacitetsproblemer ved behandling af sygdommen, men den samlede byrde for samfundet er den totale sygelighed T under epidemien, og her er det betryggende at vide, at der ingen økonomisk fordel er ved at spare på vaccinering blandt befolkningen. Det betyder ikke, at hele befolkningen skal vaccineres, men den maksimale brøkdel δ m = 1 β, som vil være tæt på 1, såfremt epidemien er meget smitsom og noget mindre ved en mere mild epidemi. For at drage sammenligning med den evt. kommende influenza A epidemi, understøtter denne analyse en stor vaccinationsgrad i befolkningen, men da sygdomsforløbet er mild, er det tænkeligt, at mange ikke vil søge lægebehandling, og derfor er antagelsen om at μ < 1 muligvis ikke opfyldt. Konklusion Epidemien er karakteriseret ved konstanterne k og h, der angiver væksthastigheden for udbredelse for de syge og de immune i befolkningen. Desuden spiller størrelsen = h/kn, der angiver brøkdelen af raske ved kulminationstidspunktet, en stor rolle i udvikling af en epidemi. Den ideale vaccinationsgrad δ m, hvor der ikke vil forekomme en epidemi er givet som δ m = 1 β, og derfor skal vaccinationsgraden være større i en stor befolkning end i en lille befolkning ved udbredelse af den samme sygdom, og når forholdene for sygdomsbehandling i de to samfund er lignende. Et udtryk for kulminationssygelighed er også fundet, idet den er bestemt af parametrene δ, β og. Vaccinationsgraden δ kan reduceres for at opnå en økonomisk gevinst i forbindelse med kulminationssygeligheden. Den derved fundne øvre vaccinationsgrad er naturligvis afhængigt af omkostningsforholdet (μ mellem udgiften pr. patient ved vaccination og ved sygdomsbehandling. Ved meget store behandlingsudgifter er den øvre vaccinationsgrad identisk med δ m. Betragter vi derimod den meget vigtige størrelse nemlig den totale sygelighed under hele epidemien haves, at der ingen økonomisk fordel er ved at spare på vaccinationerne under forudsætning af at μ < 1. Der er stadig en del aspekter af denne epidemimodel, der er interessante, f.eks. et bevis for at u max (δ er en aftagende funktion og en bestemmelse eller vurdering af kulminationstidspunktet for epidemien. Ref: Modelsnak-differentialligningsmodeller, Morten Blomhøj & Klavs Frisdahl: FAG (1985 LMFK-bladet, nr. 6, november Matematik
Epidemier og epidemimodeller Studieretningsprojekt i matematik A og biologi A (+ evt. historie A).
7.4.07 Kristian Priisholm, Flóvin Tór Nygaard Næs & Lasse Arnsdorf Pedersen. Epidemier og epidemimodeller Studieretningsprojekt i matematik A og biologi A (+ evt. historie A). Indledning Projektet omhandler
Læs mereMatBio. = r K xy, dx dt. = r xy. (2)
.1 Epidemier. En population (Storkøbenhavns befolkning, fiskene i et dambrug, en bakteriekultur,... ) rammes af en epidemi. Antag, at populationens størrelse er konstant individer. Heraf er individer inficerede
Læs merePeterSørensen.dk : Differentiation
PeterSørensen.dk : Differentiation Betydningen af ordet differentialkvotient...2 Sekant...2 Differentiable funktioner...3 Bestemmelse af differentialkvotient i praksis ved opgaveløsning...3 Regneregler:...3
Læs mereProjekt 4.9 Bernouillis differentialligning
Projekt 4.9 Bernouillis differentialligning (Dette projekt dækker læreplanens krav om supplerende stof vedr. differentialligningsmodeller. Projektet hænger godt sammen med projekt 4.0: Fiskerimodeller,
Læs mereVelkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden
Velkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden Lidt om Nat Bach Matematisk modellering i epidemiologi Beviser og ræsonnementer i matematik Morten Blomhøj, Studieleder for Nat Bach
Læs mereMATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012 Differentialligninger
MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik, 2012 Differentialligninger 2016 MATEMATIK A-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver
Læs mereBiologisk model: Epidemi
C1.2 C.7 Se forklaring i Appendiks A 1, si. 9 Biologisk model: Epidemi af John V. Petersen 1. Biologisk model: Epidemi... si. 1 A. Appendiks A 1. Ligninger si. 1, forklaring... si. 9 A 2. Egenvektorer
Læs mereMatematisk modellering og numeriske metoder
Matematisk modellering og numeriske metoder Morten Grud Rasmussen 5. september 2016 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mereTeori og opgaver med udgangspunkt i udvalgte områder i Køge Bugt regionen
Modeller af befolkningsudvikling Teori og opgaver med udgangspunkt i udvalgte områder i Køge Bugt regionen Af Mikkel Rønne, Brøndby Gymnasium Forord. Data er udtrukket fra Danmarks Statistiks interaktive
Læs mere[FUNKTIONER] Hvornår kan vi kalde en sammenhæng en funktion, og hvilke egenskaber har disse i givet fald. Vers. 2.0
MaB Sct. Knud Gymnasium, Henrik S. Hansen % [FUNKTIONER] Hvornår kan vi kalde en sammenhæng en funktion, og hvilke egenskaber har disse i givet fald. Vers..0 Indhold Funktioner... Entydighed... Injektiv...
Læs mereMatematisk modellering og numeriske metoder. Lektion 5
Matematisk modellering og numeriske metoder Lektion 5 Morten Grud Rasmussen 19. september, 2013 1 Euler-Cauchy-ligninger [Bogens afsnit 2.5, side 71] 1.1 De tre typer af Euler-Cauchy-ligninger Efter at
Læs mereMatematisk modellering og numeriske metoder. Lektion 1
Matematisk modellering og numeriske metoder Lektion 1 Morten Grud Rasmussen 4. september, 2013 1 Ordinære differentialligninger ODE er 1.1 ODE er helt grundlæggende Definition 1.1 (Ordinære differentialligninger).
Læs mereMatematik A August 2016 Delprøve 1
Anvendelse af løsningerne læses på hjemmesiden www.matematikhfsvar.page.tl Sættet løses med begrænset tekst og konklusion. Formålet er jo, at man kan se metoden, og ikke skrive af! Opgave 1 - Vektorer,
Læs mereDifferentialregning 2
Differentialregning Hvis man ønsker mere udfordring, kan man springe de første 7 opgaver over. Opgave 1 Udregn monotoniintervallerne for funktionerne f 1 () = + 4, f () = 4 3 f 3 () = 3 6 + 9 +, f 4 ()
Læs mereLokalt ekstremum DiploMat 01905
Lokalt ekstremum DiploMat 0905 Preben Alsholm Institut for Matematik, DTU 6. oktober 00 De nition Et stationært punkt for en funktion af ere variable f vil i disse noter blive kaldt et egentligt saddelpunkt,
Læs mereVelkommen til RUC og den naturvidenskabelige bacheloruddannelse!
Velkommen til RUC og den naturvidenskabelige bacheloruddannelse! Matematikworkshops i: Matematisk modellering i epidemiologi Matematisk bevisførelse Morten Blomhøj, Studieleder for Nat Bach Program for
Læs mereProjekt 4.6 Løsning af differentialligninger ved separation af de variable
Projekt 4.6 Løsning af differentialligninger ved separation af de variable Differentialligninger af tpen d hx () hvor hx ()er en kontinuert funktion, er som nævnt blot et stamfunktionsproblem. De løses
Læs mere11. Funktionsundersøgelse
11. Funktionsundersøgelse Hayati Balo,AAMS Følgende fremstilling er baseret på 1. Nils Victor-Jensen,Matematik for adgangskursus, B-niveau 2, 2. udg. 11.1 Generelt om funktionsundersøgelse Formålet med
Læs mereLøsninger til eksamensopgaver på A-niveau 2019 ( ) ( )
Løsninger til eksamensopgaver på A-niveau 019 1. maj 019: Delprøven UDEN hjælpemidler 1. maj 019 opgave 1: Man kan godt benytte substitutionsmetoden, lige store koefficienters metode eller determinantmetoden,
Læs mereOpgaveformuleringer til studieprojekt - Matematik og andet/andre fag:
Opgaveformuleringer til studieprojekt - Matematik og andet/andre fag: Fag: Matematik/Historie Emne: Det gyldne snit og Fibonaccitallene Du skal give en matematisk behandling af det gyldne snit. Du skal
Læs mereFunktionsterminologi
Funktionsterminologi Frank Nasser 12. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette
Læs merePointen med Funktioner
Pointen med Funktioner Frank Nasser 0. april 0 c 0080. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk: Dette er en
Læs mereStatistik viden eller tilfældighed
MATEMATIK i perspektiv Side 1 af 9 DNA-analyser 1 Sandsynligheden for at en uskyldig anklages Følgende histogram viser, hvordan fragmentlængden for et DNA-område varierer inden for befolkningen. Der indgår
Læs mereProjekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet
Projekt 1.4 De reelle tal og 2. hovedsætning om kontinuitet Mens den 1. hovedsætning om kontinuerte funktioner kom forholdsvis smertefrit ud af intervalrusebetragtninger, så er 2. hovedsætning betydeligt
Læs mereFunktion af flere variable
Funktion af flere variable Preben Alsolm 24. april 2008 1 Funktion af flere variable 1.1 Differentiabilitet for funktion af én variabel Differentiabilitet for funktion af én variabel f kaldes differentiabel
Læs mereMatematisk modellering og numeriske metoder. Lektion 16
Matematisk modellering og numeriske metoder Lektion 16 Morten Grud Rasmussen 6. november, 2013 1 Interpolation [Bogens afsnit 19.3 side 805] 1.1 Interpolationspolynomier Enhver kontinuert funktion f på
Læs mereEksempel på logistisk vækst med TI-Nspire CAS
Eksempel på logistisk vækst med TI-Nspire CAS Tabellen herunder viser udviklingen af USA's befolkning fra 1850-1910 hvor befolkningstallet er angivet i millioner: Vi har tidligere redegjort for at antallet
Læs mereRetningslinjer for bedømmelsen. Georg Mohr-Konkurrencen 2010 2. runde
Retningslinjer for bedømmelsen. Georg Mohr-Konkurrencen 2010 2. runde Det som skal vurderes i bedømmelsen af en besvarelse, er om deltageren har formået at analysere problemstillingen, kombinere de givne
Læs mereEksempler på differentialligningsmodeller
1 Indledning Matematisk modellering er et redskab, som finder anvendelse i et utal af både videnskabelige og samfundsmæssige sammenhænge. En matematisk model søger at knytte en sammenhæng mellem et ikke-matematisk
Læs mereEksponentielle sammenhænge
Eksponentielle sammenhænge 0 1 2 3 4 5 6 7 8 9 10 11 12 13 Indholdsfortegnelse Variabel-sammenhænge... 1 1. Hvad er en eksponentiel sammenhæng?... 2 2. Forklaring med ord af eksponentiel vækst... 2, 6
Læs mereLøsninger til eksamensopgaver på A-niveau 2019 ny ordning
Løsninger til eksamensopgaver på A-niveau 2019 ny ordning Opgave 1: r ( t) Q( 7,8) 21. maj 2019: Delprøven UDEN hjælpemidler 2t + 1 = 2 t 1 a) Funktionsværdien bestemmes ved indsættelse af t-værdien: 2
Læs mereHvorfor skal hunden VACCINERES?
Hvorfor skal hunden VACCINERES? Derfor skal hunden vaccineres Hunden skal vaccineres for at beskytte den mod alvorlige sygdomme, som man ikke har nogen effektiv behandling imod, hvis den bliver smittet.
Læs mereReaktionskinetik - 1 Baggrund. lineære og ikke-lineære differentialligninger. Køreplan
Reaktionskinetik - lineære og ikke-lineære differentialligninger Køreplan 1 Baggrund På 2. eller 4. semester møder kemi/bioteknologi studerende faget Indledende Fysisk Kemi (26201/26202). Her behandles
Læs mereFunktionalligninger. Anders Schack-Nielsen. 25. februar 2007
Funktionalligninger Anders Schack-Nielsen 5. februar 007 Disse noter er en introduktion til funktionalligninger. En funktionalligning er en ligning (eller et ligningssystem) hvor den ubekendte er en funktion.
Læs mereTaylorudvikling I. 1 Taylorpolynomier. Preben Alsholm 3. november Definition af Taylorpolynomium
Taylorudvikling I Preben Alsholm 3. november 008 Taylorpolynomier. Definition af Taylorpolynomium Definition af Taylorpolynomium Givet en funktion f : I R! R og et udviklingspunkt x 0 I. Find et polynomium
Læs mereEksaminanderne på hf tilvalg forventes ikke at kunne udnytte grafregnerens muligheder for regression.
Bilag 3: Uddrag af Matematik 1999. Skriftlig eksamen og større skriftlig opgave ved studentereksamen og hf. Kommentarer på baggrund af censorernes tilbagemeldinger HF-tilvalgsfag (opgavesæt HF 99-8-1)
Læs mereVelkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden
Velkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden Lidt om Nat Bach Dobbelt workshop Modellering i epidemiologi Beviser og ræsonnementer Kort evaluering Morten Blomhøj, Studieleder for
Læs mereLad os som eksempel se på samtidigt kast med en terning og en mønt:
SANDSYNLIGHEDSREGNING Stokastisk eksperiment Et stokastisk eksperiment er et eksperiment, hvor vi fornuftigvis ikke på forhånd kan have en formodning om resultatet af eksperimentet Til gengæld kan vi prøve
Læs mereFunktionsterminologi
Funktionsterminologi Frank Villa 17. januar 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion
Læs mereVelkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden
Velkommen til Nat Bach Science på RUC Naturvidenskab i virkeligheden Lidt om Nat Bach Dobbelt workshop i: Matematisk modellering i epidemiologi Beviser og ræsonnementer i matematik Morten Blomhøj, Studieleder
Læs mereaf koblede differentialligninger (se Apostol Bind II, s 229ff) 3. En n te ordens differentialligning
EKSISTENS- OG ENTYDIGHEDSSÆTNINGEN Vi vil nu bevise eksistens- og entydighedssætningen for ordinære differentialligninger. For overskuelighedens skyld vil vi indskrænke os til at undersøge een 1. ordens
Læs mereKaotisk kuglebevægelse En dynamisk analyse
Kaotisk kuglebevægelse En dynamisk analyse Ole Witt-Hansen 08 Kaotisk kuglebevægelse Kaotisk bevægelse Kaotiske bevægelser opstår, når bevægelsesligningerne ikke er lineære. Interessen for kaotiske bevægelser
Læs mereMatematikkens filosofi filosofisk matematik
K Ø B E N H A V N S U N I V E R S I T E T Det Naturvidenskabelige Fakultet Matematikkens filosofi filosofisk matematik Flemming Topsøe, topsoe@math.ku.dk Institut for Matematiske Fag, Københavns Universitet
Læs mereTaylors formel. Kapitel Klassiske sætninger i en dimension
Kapitel 3 Taylors formel 3.1 Klassiske sætninger i en dimension Sætning 3.1 (Rolles sætning) Lad f : [a, b] R være kontinuert, og antag at f er differentiabel i det åbne interval (a, b). Hvis f (a) = f
Læs mereProjekt 3.5 Når en population kollapser
Projekt 3.5 Når en population kollapser Logistisk vækst beskrives af en langstrakt S-formet graf, der blødt bevæger sig op mod en øvre grænse, som vi kalder for bæreevnen. Virkeligheden er ofte betydeligt
Læs mereSTUDENTEREKSAMEN MATHIT PRØVESÆT MAJ 2007 2010 MATEMATIK A-NIVEAU. MATHIT Prøvesæt 2010. Kl. 09.00 14.00 STXA-MATHIT
STUDENTEREKSAMEN MATHIT PRØVESÆT MAJ 007 010 MATEMATIK A-NIVEAU MATHIT Prøvesæt 010 Kl. 09.00 14.00 STXA-MATHIT Opgavesættet er delt i to dele. Delprøve 1: timer med autoriseret formelsamling Delprøve
Læs mereMM501 forelæsningsslides
MM501 forelæsningsslides uge 35-del 1, 2010 Redigeret af Jessica Carter efter udgave af Hans J. Munkholm 1 Nogle talmængder s. 4 N = {1,2,3, } omtales som de naturlige tal eller de positive heltal. Z =
Læs mereDifferentialligninger. Ib Michelsen
Differentialligninger Ib Michelsen Ikast 203 2 Indholdsfortegnelse Indholdsfortegnelse Indholdsfortegnelse...2 Ligninger og løsninger...3 Indledning...3 Lineære differentialligninger af første orden...3
Læs mereAnalyse 1, Prøve 2 Besvarelse
Københavns Universitet Prøve ved Det naturvidenskabelige Fakultet maj Analyse, Prøve Besvarelse Opgave (3%) (a) (%) Bestem mængden af x R for hvilke rækken ( + (x) n ) er konvergent og angiv sumfunktionen
Læs merePandemisk influenza A H1N1/09
Pandemisk influenza A H1N1/09 Jens D. Lundgren, MD, DMSc Professor, Sundhedsvidenskabelige fakultet, Københavns Universitet et Overlæge, Rigshospitalet Chef, Copenhagen HIV Programme Vi skal lære af de
Læs mereDifferentialregning Infinitesimalregning
Udgave 2.1 Differentialregning Infinitesimalregning Noterne gennemgår begreberne differentialregning, og anskuer dette som et derligere redskab til vækst og funktioner. Noterne er supplement til kapitel
Læs mereSome like it HOT: Højere Ordens Tænkning med CAS
Some like it HOT: Højere Ordens Tænkning med CAS Bjørn Felsager, Haslev Gymnasium & HF, 2001 I år er det første år, hvor CAS-forsøget er et standardforsøg og alle studentereksamensopgaverne derfor foreligger
Læs mereUGESEDDEL 10 LØSNINGER. = f
UGESEDDEL 10 LØSNINGER Theorem 1. Algoritme for løsning af max f(x, y) når g(x, y) c. Dan Lagrange-funktionen: L (x, y) = f(x, y) λ(g(x, y) c). Beregn de partielle afledte af L og kræv at de begge er nul:
Læs mereDifferential- ligninger
Differential- ligninger Et oplæg 2007 Karsten Juul Dette hæfte er tænkt brugt som et oplæg der kan gennemgås før man går i gang med en lærebogs fremstilling af emnet differentialligninger Læreren skal
Læs mereDesignMat Lineære differentialligninger I
DesignMat Lineære differentialligninger I Preben Alsholm Uge 9 Forår 2010 1 Lineære differentialligninger af første orden 1.1 Normeret lineær differentialligning Normeret lineær differentialligning En
Læs mereSkriftlig eksamen BioMatI (MM503)
INSTITUT FOR MATEMATIK OG DATALOGI SYDDANSK UNIVERSITET, ODENSE Skriftlig eksamen BioMatI (MM503) 14. januar 2009 2 timer med alle sædvanlige hjælpemidler, inklusive brug af lommeregner/computer. OPGAVESÆTTET
Læs mereDesignMat Lineære differentialligninger I
DesignMat Lineære differentialligninger I Preben Alsholm Uge Forår 0 1 Lineære differentialligninger af første orden 1.1 Normeret lineær differentialligning Normeret lineær differentialligning En differentialligning,
Læs mereDelprøven uden hjælpemidler
Opgave 1 a) Ved aflæsning på graf fås følgende: Median: 800 kr. Andel dyrere end 1000 kr.: 45%. Opgave 2 Givet funktionen: f (x)= 3x 2 8x +5. a) F(x)= x 3 4x 2 +5x + k. Delprøven uden hjælpemidler Vi finder
Læs mereMonotoniforhold Der gælder følgende sætninger om en differentiabel funktions monotoniforhold:
Side 21 Oversigt over undervisningen i matematik - 2x 05/06 Der undervises efter: Claus Jessen, Peter Møller og Flemming Mørk : Tal, Geometri og funktioner. Gyldendal 1997 Claus Jessen, Peter Møller og
Læs mereLineære differentialligningers karakter og lineære 1. ordens differentialligninger
enote 11 1 enote 11 Lineære differentialligningers karakter og lineære 1. ordens differentialligninger I denne note introduceres lineære differentialligninger, som er en speciel (og bekvem) form for differentialligninger.
Læs mereOpgave 1 - Lineær Funktioner. Opgave 2 - Funktioner. Opgave 3 - Tredjegradsligning
Sh*maa03 1508 Matematik B->A, STX Anders Jørgensen, delprøve 1 - Uden hjælpemidler Følgende opgaver er regnet i hånden, hvorefter de er skrevet ind på PC. Opgave 1 - Lineær Funktioner Vi ved, at år 2001
Læs mereLøsninger til eksamensopgaver på A-niveau 2016
Løsninger til eksamensopgaver på A-niveau 2016 24. maj 2016: Delprøven UDEN hjælpemidler Opgave 1: Da trekanterne er ensvinklede, er forholdene mellem korresponderende linjestykker i de to trekanter det
Læs mereElementær Matematik. Funktioner og deres grafer
Elementær Matematik Funktioner og deres grafer Ole Witt-Hansen 0 Indhold. Funktioner.... Grafen for en funktion...3. grafers skæring med koordinat akser...4. To grafers skæringspunkter...4 3. Egenskaber
Læs mereStatistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Læs mereGUX. Matematik. A-Niveau. Torsdag den 31. maj Kl Prøveform a GUX181 - MAA
GUX Matematik A-Niveau Torsdag den 31. maj 018 Kl. 09.00-14.00 Prøveform a GUX181 - MAA 1 Matematik A Prøvens varighed er 5 timer. Prøven består af opgaverne 1 til 11 med i alt 5 spørgsmål. De 5 spørgsmål
Læs mereMikro II, Øvelser 3. ) er mindre eller lig i begge koordinater, da er (u, 1 u 2
Mikro II 208I Øvelser 3, side Mikro II, Øvelser 3. To individer har i fællesskab opnået ret til 00 enheder af en vare, under den betingelse at de kan blive enige om en fordeling, ellers mistes denne ret.
Læs mereGL. MATEMATIK B-NIVEAU
GL. MATEMATIK B-NIVEAU Vejledende eksempler på eksamensopgaver og eksamensopgaver i matematik 29. maj 2013 2016 Opgave 1 Opgave 2 Opgave 3 Opgave 4 Vejledende eksempler på eksamensopgaver og eksamensopgaver
Læs merePeriodiske kædebrøker eller talspektre en introduktion til programmet periodisktalspektrum
Jørgen Erichsen Periodiske kædebrøker eller talspektre en introduktion til programmet periodisktalspektrum I artikelserien Studier på grundlag af programmet SKALAGENERATOREN kommer jeg bl.a. ind på begrebet
Læs mereDifferentialligninger af første orden
Differentialligninger af første orden Preben Alsholm Februar 2006 Basale begreber. Eksistens og entydighed. En differentialligning af første orden er en ligning, der sammenknytter differentialkvotienten
Læs mereMatematik B. Højere handelseksamen
Matematik B Højere handelseksamen hh11-mat/b-70501 Mandag den 7. maj 01 kl. 9.00-1.00 Matematik B Prøven består af to delprøver. Delprøven uden hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs merePointen med Differentiation
Pointen med Differentiation Frank Nasser 20. april 2011 c 2008-2011. Dette dokument må kun anvendes til undervisning i klasser som abonnerer på MatBog.dk. Se yderligere betingelser for brug her. Bemærk:
Læs mereIntroduktion til Laplace transformen (Noter skrevet af Nikolaj Hess-Nielsen sidst revideret marts 2013)
Introduktion til Laplace transformen (oter skrevet af ikolaj Hess-ielsen sidst revideret marts 23) Integration handler ikke kun om arealer. Tværtimod er integration basis for mange af de vigtigste værktøjer
Læs mereMatematik og samfundsfag Gini-koefficienten
Erik Vestergaard www.matematikfysik.dk Matematik og samfundsfag Gini-koefficienten Den såkaldte Gini-koefficient, introduceret i 92 i en artikel af den italienske statistiker, demograf og sociolog Corrado
Læs mereEpidemimodeller og immunbiologi fra bio-mat udviklinggruppe.
Epidemimodeller og immunbiologi fra bio-mat udviklinggruppe. Indhold: Indledende snik-snak Forslag til teori til matematikdelen Figurer fra Viggo Andreasens foredrag og fra hans tidligere noter Graflommeregner,
Læs merePeter Harremoës Matematik A, delprøve med hjælpemidler. 19 maj x 2. Først findes stationære punkter. f (x) = x 1 /2. 1 x = 0.
Opgave 6 Skæringspunktet mellem graferne beregnes. f (x) = g (x) Funktionerne sættes lig hinanden. 180 0.4 x = 20 1.2 x Forskrifterne for f og g indsættes. 9 = 3 x Der er divideret med 20 0.4 x på begge
Læs mereKapitel 2. Differentialregning A
Kapitel 2. Differentialregning A Indhold 2.2 Differentiabilitet og tangenter til grafer... 2 2.3 Sammensat funktion, eksponential-, logaritme- og potensfunktioner... 7 2.4 Regneregler for differentiation
Læs mereAng. skriftlig matematik B på hf
Peter Sørensen: 02-04-2012 Ang. skriftlig matematik B på hf Til skriftlig eksamen i matematik B på hf skal man ikke kunne hele pensum. Pensum til skriftlig eksamen kan defineres ved, at opgaverne i opgavehæftet
Læs mereSpecialkort med Valgdata
Specialkort med Valgdata Søren Risbjerg Thomsen d. 25. april 2017 Introduktion I det følgende beskrives, hvordan man anvender Valgdata til at skabe specialkort, dvs. kort hvor man selv bestemmer indholdet
Læs merePartielle afledede og retningsafledede
Partielle afledede og retningsafledede 1 Partielle afledede, definitioner og notationer Bertragt en funktion af to reelle variable f : D R, hvor D R 2 er et åbent område Med benyttelse af tilvækstfunktionen
Læs mereMatematik A. Studentereksamen. Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet
Matematik A Studentereksamen Forberedelsesmateriale til de digitale eksamensopgaver med adgang til internettet st131-matn/a-6513 Mandag den 6 maj 13 Forberedelsesmateriale til st A Net MATEMATIK Der skal
Læs mereEksempler på problemløsning med differentialregning
Eksempler på problemløsning med differentialregning 004 Karsten Juul Opgave 1: Monotoniforhold = 1+, x 3 3 x Bestem monotoniforholdene for f Besvarelse af opgave 1 Først differentierer vi f : (3 x) (3
Læs mereNewton-Raphsons metode
Newton-Raphsons metode af John V. Petersen Indhold Indledning: Numerisk analyse og Newton-Raphsons metode... 2 Udlede Newtons iterations formel... 2 Sætning 1 Newtons metode... 4 Eksempel 1 konvergens...
Læs mereMatematisk modellering og numeriske metoder. Lektion 8
Matematisk modellering og numeriske metoder Lektion 8 Morten Grud Rasmussen 18. oktober 216 1 Fourierrækker 1.1 Periodiske funktioner Definition 1.1 (Periodiske funktioner). En periodisk funktion f er
Læs mereLøsning MatB - januar 2013
Løsning MatB - januar 2013 Opgave 1 (5%) a) Løs uligheden: 2 x > 5x 6. a) 2 x > 5x 6 2 + 6 > 5x + x 8 > 4x Divideres begge sider med 4 og uligheden vendes. Dvs. 8 4 < x x > 2 Løsningsmængden bliver L =]
Læs mereEgedal Kommune. Følsomhedsberegninger vedrørende finansiering af nyt rådhus. 1. Baggrund og formål
Egedal Kommune Følsomhedsberegninger vedrørende finansiering af nyt rådhus 1. Baggrund og formål Nærværende notat gengiver resultaterne af de følsomhedsberegninger, der er gennemført som led i beskrivelsen
Læs merePeter Harremoës Matematik A eksamen med hjælpemidler 25. maj 2016
Opgave 6 Se bilag 2! Idet f (x) kun har rod x = 1, kan funktionens monotoniforhold bestemmes ved at indsætte passende valgte værdier. Da f ( 1 /4) = 4 2 = 2 > 0, vokser funktionen i ]0; 1]. Da f (4) =
Læs mereMatematik A. Højere teknisk eksamen. Forberedelsesmateriale. htx112-mat/a-26082011
Matematik A Højere teknisk eksamen Forberedelsesmateriale htx112-mat/a-26082011 Fredag den 26. august 2011 Forord Forberedelsesmateriale til prøverne i matematik A Der er afsat 10 timer på 2 dage til
Læs mereTaylor s approksimationsformler for funktioner af én variabel
enote 4 1 enote 4 Taylor s approksimationsformler for funktioner af én variabel I enote 19 og enote 21 er det vist hvordan funktioner af én og to variable kan approksimeres med førstegradspolynomier i
Læs mereTaylor s approksimationsformler for funktioner af én variabel
enote 17 1 enote 17 Taylor s approksimationsformler for funktioner af én variabel I enote 14 og enote 16 er det vist hvordan funktioner af én og to variable kan approksimeres med førstegradspolynomier
Læs mereNumeriske metoder - til løsning af differentialligninger - fra borgeleo.dk
Numeriske metoder - til løsning af differentialligninger - fra borgeleo.dk Eksakte løsninger: fuldstændig løsning og partikulær løsning Mange differentialligninger kan løses eksakt. Fx kan differentialligningen
Læs mereMatematik B. Studentereksamen
Matematik B Studentereksamen stx122-mat/b-15082012 Onsdag den 15. august 2012 kl. 9.00-13.00 Opgavesættet er delt i to dele. Delprøven uden hjælpemidler består af opgave 1-6 med i alt 6 spørgsmål. Delprøven
Læs mereOrdbog Biologi Samfundsfag Kemi: Se bilag 1 Matematik: Se bilag 2
Fremstillingsformer Fremstillingsformer Vurdere Konkludere Fortolke/tolke Diskutere Ordbog Biologi Samfundsfag Kemi: Se bilag 1 Matematik: Se bilag 2 Udtrykke eller Vurder: bestemme På baggrund af biologisk
Læs mereProjekt 2.9 Sumkurver som funktionsudtryk anvendt til Lorenzkurver og Ginikoefficienter (især for B- og A-niveau)
Projekt 2.9 Sumkurver som funktionsudtryk anvendt til Lorenzkurver og Ginikoefficienter En sumkurve fremkommer ifølge definitionen, ved at vi forbinder en række punkter afsat i et koordinatsystem med rette
Læs mereLigninger med reelle løsninger
Ligninger med reelle løsninger Når man løser ligninger, er der nogle standardmetoder som er vigtige at kende. Her er der en kort introduktion til forskellige teknikker efterfulgt af opgaver hvor man kan
Læs mereUndervisningsbeskrivelse
Undervisningsbeskrivelse Stamoplysninger til brug ved prøver til gymnasiale uddannelser Termin Maj-juni 2015 Institution VUC Vest Uddannelse Fag og niveau Lærer(e) Hold stx Matematik A Claus Simonsen 14MABA61
Læs mereLineære 1. ordens differentialligningssystemer
enote enote Lineære ordens differentialligningssystemer Denne enote beskriver ordens differentialligningssystemer og viser, hvordan de kan løses enoten er i forlængelse af enote, der beskriver lineære
Læs mereMatematik A-niveau 22. maj 2015 Delprøve 2. Løst af Anders Jørgensen og Saeid Jafari
Matematik A-niveau 22. maj 2015 Delprøve 2 Løst af Anders Jørgensen og Saeid Jafari Opgave 7 - Analytisk Plangeometri Delopgave a) Vi starter ud med at undersøge afstanden fra punktet P(5,4) til linjen
Læs mereMATEMATIK A-NIVEAU-Net Forberedelsesmateriale
STUDENTEREKSAMEN SOMMERTERMIN 13 MATEMATIK A-NIVEAU-Net Forberedelsesmateriale 6 timer med vejledning Forberedelsesmateriale til de skriftlige prøver sommertermin 13 st131-matn/a-6513 Forberedelsesmateriale
Læs mereMatematik A STX 18. maj 2017 Vejledende løsning De første 6 opgaver løses uden hjælpemidler
ADVARSEL! Før du anvender løsningerne, så husk at læs betingelserne for løsningerne, som du kan finde på hjemmesiden. Indeholder: Matematik A, STX 18 maj Matematik A, STX 23 maj Matematik A, STX 15 august
Læs mereDalby Børnehuse. Vejledning i forbindelse med sygdom.
Dalby Børnehuse Vejledning i forbindelse med sygdom. Når jeres barn starter i institutionen: I den første periode jeres barn er i institutionen, kan I opleve, at jeres barn er mere modtageligt for sygdomme,
Læs mere