All issues

Работа посвящена анализу достоинств, недостатков и обоснований применимости дискретных моделей в динамике популяций. Под дискретизацией в общем смысле понимается замена непрерывных величин их дискретными аналогами, то есть сведение задачи от непрерывных к перечислимым множествам. Рассмотрены прецеденты использования временной, пространственной и структурной дискретизации в типичных задачах математической экологии и совершена попытка оценить степень адекватности и границы применимости соответствующих моделей.

This article is dedicated to applicability justification as well as advantages and disadvantages analysis of discrete models in population dynamics. Discretization is the process of transferring continuous functions, models, and equations into discrete counterparts. We consider how temporal, spatial and structural discretization can be applied for solving typical issues in mathematical ecology, and try to estimate corresponding models adequacy and applicability limitations.

Число работ, посвященных прогнозированию инфекционной заболеваемости, стремительно растет по мере появления статистики, позволяющей провести анализ. В настоящей статье представлен обзор основных решений, доступных сегодня для формирования как краткосрочных, так и долгосрочных проекций заболеваемости; указаны их ограничения и возможности практического применения. Рассмотрены традиционные методы анализа временных рядов — регрессионные и авторегрессионные модели; подходы, опирающиеся на машинное обучение — байесовские сети и искусственные нейронные сети; рассуждения на основе прецедентов; техники, базирующиеся на решении задачи фильтрации. Перечислены важнейшие направления разработки математических моделей распространения заболевания: классические аналитические модели, детерминированные и стохастические, а также современные имитационные модели, сетевые и агентные.

The number of papers addressing the forecasting of the infectious disease morbidity is rapidly growing due to accumulation of available statistical data. This article surveys the major approaches for the shortterm and the long-term morbidity forecasting. Their limitations and the practical application possibilities are pointed out. The paper presents the conventional time series analysis methods — regression and autoregressive models; machine learning-based approaches — Bayesian networks and artificial neural networks; case-based reasoning; filtration-based techniques. The most known mathematical models of infectious diseases are mentioned: classical equation-based models (deterministic and stochastic), modern simulation models (network and agent-based).

Работа посвящена обсуждению методов статистического моделирования исходов спортивных соревнований вообще и спортивной игры с непрерывным временем в частности. Предложен основанный на имитационном моделировании хода такой игры подход к предсказанию результата игры, представляющий собой некоторый промежуточный вариант между чистым статистическим моделированием и агентным моделированием действий отдельных игроков, участвующих в матче. Приведен пример ретроспективного прогноза на основе предложенной модели.

This paper is dedicated to discussing methods of statistical modeling the outcomes of sport events and, particularly, matches with continuous time. We propose a simulation-based approach to predicting the outcome of a match, somehow medium between pure statistical methods and agent simulation of individual players. An example of retrospective prediction is given.