---

Вот обновленный текст выступления. Все математические формулы переведены в естественную устную речь (произносятся словами), чтобы их было легко и органично проговаривать при чтении.
Введение
Изучение процессов распространения инфекционных заболеваний остаётся стратегической задачей для общественного здравоохранения и государственного управления. События последних лет продемонстрировали, что традиционных медицинских и санитарно-гигиенических мер недостаточно для мгновенного купирования эпидемиологических угроз в условиях высокой плотности населения и развитых транспортных сетей. В этой связи особую ценность приобретает математическое моделирование, позволяющее не только прогнозировать динамику заболеваемости, но и математически обосновывать эффективные сценарии противоэпидемических мероприятий.
Фундаментальная цель представленного исследования заключается в комплексном математическом анализе компартментных моделей и оценке управляющих воздействий на динамику инфекционного процесса. Для реализации этой цели решается ряд задач: от изучения истории становления математической эпидемиологии до анализа классических моделей, вычисления базового репродуктивного числа, а также оценки влияния карантинных мер и массовой вакцинации.
Объектом исследования выступает процесс распространения инфекции в популяции, а предметом — системы дифференциальных уравнений и стохастические алгоритмы, описывающие изменения численности различных категорий населения. Методологическую основу работы составляют методы теории обыкновенных дифференциальных уравнений, качественный анализ динамических систем, методы численного интегрирования, в частности метод Рунге-Кутты четвёртого порядка, и методы системного анализа.
Основная часть
Первые математические подходы к анализу эпидемиологических данных восходят к восемнадцатому веку, когда Даниил Бернулли в семнадцатисотом шестидесятом году представил работу по оценке эффективности вариоляции против натуральной оспы, доказав возможность увеличения средней продолжительности жизни населения. В начале двадцатого века Уильям Хеймер сформулировал принцип, согласно которому скорость передачи инфекции пропорциональна произведению концентрации восприимчивых и инфицированных лиц. Позже Рональд Росс, исследуя передачу малярии, доказал необходимость снижения численности переносчиков ниже критического порога. Строгое оформление компартментного подхода произошло в тысяча девятьсот двадцать седьмом году благодаря фундаментальной работе Уильяма Кермака и Андерсона Маккендрика.
Детерминированное моделирование опирается на разбиение общей замкнутой популяции объемом Эн на отдельные компартменты по эпидемиологическому статусу индивидов. Базовыми допущениями выступают постоянство численности популяции, отсутствие демографического движения на коротких интервалах времени и принцип полного перемешивания, предполагающий равную вероятность контактов между всеми членами общества.
Классическая модель СИР (S-I-R) разделяет популяцию на три ключевых класса:
 * S (эс) — восприимчивые к патогену индивиды;
 * I (и) — инфицированные лица, способные передавать заболевание;
 * R (эр) — переболевшие с формированием стойкого иммунитета либо выбывшие.
Динамика перехода между классами описывается системой из трёх дифференциальных уравнений. Скорость убыли восприимчивых людей выражается как минус произведение коэффициента контактов бета на численность восприимчивых эс и больных и, делённое на общую численность Эн. Скорость прироста инфицированных определяется разностью между входящим потоком заразившихся и выбывающими больными с коэффициентом выздоровления гамма. Скорость формирования иммунной прослойки прямо пропорциональна числу больных с тем же коэффициентом гамма. Сумма всех трёх категорий остаётся постоянной и равной популяции Эн.
Здесь параметр бета отражает интенсивность эффективных контактов, а параметр гамма — скорость выздоровления, то есть величину, обратную среднему периоду заразности. Развитие эпидемии начинается тогда, когда скорость прироста заболевших становится положительной. В начальный момент времени это условие сводится к фундаментальному отношению: коэффициент бета, делённый на гамму, должен быть строго больше единицы.
Это отношение называется базовым репродуктивным числом R_0 (эр-нулевое) и является центральным понятием в эпидемиологии. Оно показывает среднее количество вторичных заражений, продуцируемых одним заболевшим в полностью восприимчивой среде. Если эр-нулевое меньше единицы, эпидемия затухает; если больше единицы — наблюдается экспоненциальный рост. Из значения эр-нулевое выводится критический порог коллективного иммунитета: он равен единице минус величина, обратная эр-нулевому. Для таких высококонтагиозных инфекций, как корь или современные штаммы коронавируса, где эр-нулевое достигает значений от восьми до восемнадцати, уровень иммунной прослойки должен составлять от восьмидесяти восьми до девяноста пяти процентов населения.
Для заболеваний со скрытым периодом классическая схема расширяется до модели СЕИР (S-E-I-R), куда вводится класс E (е) — инфицированные в латентном состоянии, переход которых в заразную форму регулируется параметром сигма. В случаях, когда стойкий иммунитет не формируется, применяется модель СИС (S-I-S), где выздоровевшие сразу возвращаются в категорию восприимчивых.
Несмотря на аналитическую строгость детерминированных уравнений, они не учитывают случайность процессов и неоднородность контактов. Для решения этих задач применяются стохастические модели и агент-ориентированный подход, где каждый гражданин симулируется как отдельный агент, а структура общества представляется в виде графа социальных связей. Это позволяет явно учитывать эффект суперраспространителей — людей с аномально высоким числом контактов.
Практическая ценность математического моделирования заключается в оптимизации противоэпидемической стратегии:
 * Уплощение эпидемической кривой путем введения карантина и социального дистанцирования снижает коэффициент контактов бета. Это сбивает пик заболеваемости и защищает систему здравоохранения от коллапса.
 * Массовая вакцинация создает прямой отток из класса восприимчивых эс в класс иммунных эр, минуя стадию болезни и.
 * Экспресс-тестирование и изоляция сокращают среднее время пребывания больного в активном классе, что увеличивает показатель выбытия гамма и напрямую снижает репродуктивное число эр-нулевое.
Заключение
Проведенное исследование подтверждает, что математическое моделирование является высокоэффективным инструментом системного анализа, трансформирующим эмпирические данные в точные количественные прогнозы. Классическая модель СИР и её современные модификации (СЕИР, СИС) раскрывают фундаментальные механизмы распространения патогенов.
Ключевым критерием устойчивости системы выступает базовое репродуктивное число R_0, определяющее как факт возникновения эпидемии, так и необходимый критический уровень вакцинации. Переход от классических дифференциальных уравнений к стохастическим и агент-ориентированным сетям позволяет учитывать гетерогенность социальных контактов и пространственную структуру популяции.
В конечном счете, математически обоснованное комбинирование немедикаментозных санитарных ограничений и вакцинации позволяет минимизировать пиковые нагрузки на медицинские учреждения, сохранить жизни людей и снизить социально-экономический ущерб.