-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathstocar varios betas
156 lines (92 loc) · 4.14 KB
/
stocar varios betas
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
#parametros gerais do modelo
natalidade <- 0.001 #taxa matalidade mundial 2015
Motalidade.Hum <- 0.0001 #taxa de mortalidade
beta.vamp <- 0.005 #taxa de infecao vampiros
# beta.lobi <- 0.001 #taxa de infecao lobisomn
prev.vamp <- 0.001 # taxa de prevencao que um humano vire vamp porque se suicida ou matam com estaca no coração
prev.lobi <- 0.001 #taxa de prevencao que um humano vire lobi porque se suicida ou le disparam bala de prata
letha.homen.mata.vampiro <- 0.001 # taxa de humonaos que matam vampiros
letha.lobi.mata.vampiro <- 0.2 #taxa de lobi que matam vampiros
letha.homenm.mata.lobi <- 0.001 # taxa de humonaos que matam lobi
letha.vampi.mata.lobi <- 0.01 # taxa de vampiro que matam lobi
mortalidade.lobi <- 0.001 # cinomose ou vivem o mesmo tempo do que os humanos
# parametros para brincar
beta.lobi <- seq(0.001, 0.001*10, length.out = 100)
#emmpty objecto for the for funtion
simulacao <- c()
banco <- c()
for (i in beta.lobi) {
# Carregando pacotes ----
if(!(require(deSolve))){install.packages("deSolve")}; library(deSolve)
if(!(require(tidyverse))){install.packages("tidyverse")}; library(tidyverse)
if(!(require(reshape2))){install.packages("reshape2")}; library(reshape2)
if(!(require(ggthemes))){install.packages("ggthemes")}; library(ggthemes)
# o desolve precisa um conjunto de parametrros pra souber o nome da equacao
par.SVW <- c(
natalidade = natalidade,
Motalidade.Hum = Motalidade.Hum,
beta.vamp = beta.vamp,
beta.lobi = i,
prev.vamp = prev.vamp,
prev.lobi = prev.lobi,
# gamma.vamp = gamma.vamp,
# gamma.lobi = gamma.lobi,
letha.homen.mata.vampiro = letha.homen.mata.vampiro,
letha.lobi.mata.vampiro = letha.lobi.mata.vampiro,
letha.homenm.mata.lobi = letha.homenm.mata.lobi,
letha.vampi.mata.lobi = letha.vampi.mata.lobi,
mortalidade.lobi = mortalidade.lobi
)
# Calculando R0 ----
#
# R0 <- beta.vamp/(gamma.vamp)
# R0
# Variaveis e condicao inicial ----
S.iniciais <- 1000 # este aqui seria o k u capacidade se suporte
S <- 1000
Iv <- 0
Iw <- 0
V <- 2
W <- 2
# K <- S/10 # capacidade de suporte ouseja cuantos humanos poderiam matar
# state.SIR <- c(s=0.9999,i=0.0001,r=0)
state.SVW <- c(S = S, Iv = Iv,Iw = Iw)
# Tempo de simulacao ----
tsim <- 2500
Dt <- 1
# Funcao para o modelo SIR ----
# Termo de transmissao frequencia dependente
SIRS <- function(t,state,parameters){
with(as.list(c(state,parameters)),{
# # rate of change
# ds <- natalidade*S - Motalidade.Hum*S - beta.vamp *S*V -beta.lobi*S*W
ds <- (natalidade*S) - Motalidade.Hum*S - ((beta.vamp *S*V )*(S/S.iniciais)) -( (beta.lobi*S*W)*(S/S.iniciais))
dIv <- (beta.vamp*S*V)- prev.vamp* Iv - letha.lobi.mata.vampiro*V - letha.homen.mata.vampiro*V
# dIv <- sqrt((((beta.vamp*S*V)/(S)) - prev.vamp* Iv - letha.lobi.mata.vampiro*V - letha.homen.mata.vampiro*V )^2)
dIw <- beta.lobi*S*W - prev.lobi*Iw - letha.vampi.mata.lobi*W - letha.homenm.mata.lobi*W - mortalidade.lobi*W
# dIw <- sqrt(((beta.lobi*S*W/(S)) - prev.lobi*Iw - letha.vampi.mata.lobi*W - letha.homenm.mata.lobi*W - mortalidade.lobi*W )^2)
# return the output of the model
return(list(c(ds, dIv, dIw)))
})
}
tempos <- seq(from=0,to=tsim,by=Dt)
# modSIRS <- ode(y = state.SIR, times = tempos, func = SIRS, parms = par.SIRS, method = "ode45")
modSIRS <- ode(y = state.SVW, times = tempos, func = SIRS, parms = par.SVW, method = "ode45")
modSIRS <- as.data.frame(modSIRS)
names(modSIRS) <- c("Time", "Humans", "Vampires", "Wolfman")
head(modSIRS)
simulacao <- c(simulacao, i)
modSIRS$simulacao <- NROW(simulacao)
banco <- rbind(banco, modSIRS)
}
# agora um lindo plot
head(banco)
banco %>%
gather(key = 'Population', value = 'valor', -Time, - simulacao) %>%
ggplot( )+
geom_line(aes(x= Time, y = valor, colour = Population, group = simulacao), size = 1, alpha= 0.5)+
# ylim(0,1000)+
# scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9"))
# ggthemes::theme_igray()+
xlab("Time (Days) ")+ ylab("Population")+ ggtitle("Interration of Populations")+
theme(axis.text.x = element_text(angle = 45, hjust = 1) ,text = element_text(size = 17, face = "bold") )