最新更新:
德国、法国、意大利等国家的新型冠状病毒模型集合位于https://github.com/plamentrayanov/fitcovid19_branchingprocess.。在那里介绍了拟合程序，用于分支过程参数，其允许更客观地估计R0和移民。古典分支过程示例在示例目录中留在此处。

分支过程模拟器：
模拟多型Galton-Watson，Bellman-Harris和Crump-Mode-Jagers分支过程，常量，不同或随机环境。允许该过程从不同年龄的随机数量的粒子开始。突变概率也被允许随机。仿真方法的特征和限制如下所述：

特性
理论特点：
- 一个单一代码，用于模拟Galton-Watson，Bellman-Harris和一般分支过程;
-考虑多类型过程之间的突变;
- 突变概率可能是恒定的，不同或随机的;
- 它考虑了恒定，不同或随机的环境;
- 它考虑了恒定，不同或随机的移民;
- 它考虑恒定，不同或随机年龄的常量，不同或随机初始数量;
-生成每一时刻的人口总数和按年龄和类型划分的人口数量。
- 它可以扩展到包括受控分支过程。但是，这最可能需要代码仅在特定过程中定制，因为人口大小，出生，死亡和移民法之间的这种理论依赖可能性相当大;

计算功能：
- 它提出了一种简单而短的代码，可以模拟分支过程;
-它能够在分支过程中模拟非常多的粒子(例如:10^250)，而不需要大量的RAM(通过使用二项分布的正态近似);
- 由于多项式分布的正常近似，仿真实际上是更快的群体;
- 它使用所有计算机核心以更快的计算。

限制：
- 在他们的生命开始时，颗粒不能死/分娩。该事件的概率被认为是零;
-出生和死亡密度必须是平滑函数，除了有限的跳跃型不连续;
-出生、死亡分布、突变概率和迁移相互独立，并与分支过程本身独立。因此，模拟不包括“受控分支过程”类，尽管它可以扩展以适应特定的需求。根据受控过程的类型和对以前年龄结构的依赖，这个任务可能需要大量RAM;
-它只考虑移民，因为移民自然取决于人口数量和年龄结构，可以以多种方式定义。
根据年龄返回人口计数输出可能需要大量的计算机内存(在某些情况下超过100gb RAM)