To exclude from our analysis nodes

To exclude from our analysis nodes that in the considered time interval are far away from the emergency location
(the furthest are roughly 100 km distant), in the following two figures we limit our attention to the infection rate for the
target areas. With regard to the smaller area (Fig. 5-c), we have that, at the beginning of the alarm spread, the infection rates
Finally, in Fig. 6 we analyze the distribution of the infection rate among the different simulations by means of the
complementary cumulative distribution function (CDF). The complementary CDF for a random variable X denotes the
probability P(X ≥ x). The results show approximate normal distributions. Moreover, they show that when only a fraction of
the nodes are involved in alarm forwarding, the infection rates deeply depend on how these nodes are selected. For instance,
if we consider the scenarios in which roughly half of the nodes cooperate for alarm diffusion (300 and 400 active nodes
respectively), we have that after 30 min the infection rate varies between 20% and 70% for the smaller area and between
10% and 40% for the larger one.

Results (Thai) 1:

แยกออกจากโหนดการวิเคราะห์ของเราว่าในช่วงเวลาที่พิจารณาอยู่ห่างไกลจากสถานที่เกิดเหตุฉุกเฉิน
(ห่างประมาณ 100 กม. ไกล), ในต่อไปนี้ตัวเลขสองเรา จำกัด ความสนใจของเราอัตราการติดเชื้อสำหรับ
พื้นที่เป้าหมาย เกี่ยวกับพื้นที่ขนาดเล็ก (รูปที่ 5 ค) ด้วยเราได้ว่าที่จุดเริ่มต้นของการแพร่กระจายปลุก, อัตราการติดเชื้อ
สุดท้ายในมะเดื่อ6 เราจะวิเคราะห์การกระจายของอัตราการติดเชื้อในหมู่จำลองที่แตกต่างกันโดยวิธีการของ
เสริมฟังก์ชันการแจกแจงสะสม (CDF) CDF เสริมสำหรับตัวแปรสุ่มหมายถึงความน่าจะเป็น
P (x ≥ x) ผลลัพธ์ที่ได้แสดงให้เห็นการกระจายปกติประมาณ นอกจากนี้พวกเขาแสดงให้เห็นว่าเมื่อมีเพียงเศษเสี้ยวของ
โหนดมีส่วนร่วมในการส่งต่อสัญญาณเตือนภัยอัตราการติดเชื้อลึกขึ้นอยู่กับวิธีโหนดเหล่านี้จะถูกเลือก ตัวอย่างเช่น
ถ้าเราพิจารณาสถานการณ์ที่ประมาณครึ่งหนึ่งของโหนดร่วมมือเพื่อการกระจายสัญญาณเตือนภัย (300 และ 400 จุดตามลำดับการใช้งาน
) เราได้ว่าหลังจาก 30 นาทีอัตราการติดเชื้อแตกต่างกันระหว่าง 20% และ 70% สำหรับพื้นที่ขนาดเล็ก และระหว่าง
10% และ 40% สำหรับหนึ่งขนาดใหญ่

Results (Thai) 2:

จะแยกออกจากโหนดของเราวิเคราะห์ช่วงเวลาพิจารณาว่าจะห่างจากตำแหน่งฉุกเฉิน
(หยั่งเป็นประมาณ 100 กิโลเมตรไกล), ในต่อไปนี้ สองตัวเลขเราจำกัดความสนใจของเราอัตราติดเชื้อสำหรับการ
เป้าหมายพื้นที่ กับพื้นที่ขนาดเล็กกิน 5-c), เรามีที่ เริ่มต้นปลุกแพร่กระจาย อัตราติดเชื้อ
ในที่สุด ในฟิก 6 เราวิเคราะห์การแจกแจงของอัตราการติดเชื้อระหว่างแบบจำลองที่แตกต่างกันตามวิธีของการ
เสริมฟังก์ชัน (CDF) แสดง CDF เสริมสำหรับตัวแปรสุ่ม X
น่าเป็น P(X ≥ x) ผลลัพธ์แสดงการกระจายปกติโดยประมาณ นอกจากนี้ พวกเขาแสดงที่เมื่อเพียงเศษเสี้ยวของ
โหนดที่เกี่ยวข้องในการส่งสัญญาณเตือนภัย อัตราการติดเชื้อขึ้นอยู่กับวิธีเลือกโหนเหล่านี้อย่างลึกซึ้ง ตัวอย่าง,
ถ้าเราพิจารณาสถานการณ์ในที่ประมาณ ครึ่งของโหนดที่ร่วมมือสำหรับการแพร่สัญญาณ (โหนดที่ใช้งานอยู่ที่ 300 และ 400
ตามลำดับ), เราได้ที่หลังจาก 30 นาทีอัตราการติดเชื้อแตกต่างกันระหว่าง 20% และ 70% สำหรับพื้นที่ขนาดเล็ก และระหว่าง
10% และ 40% สำหรับขนาดใหญ่

Results (Thai) 3:

ในการแยกจากการวิเคราะห์ของเราโหนดว่าในช่วงเวลาที่ได้รับการพิจารณาให้อยู่ไกลจากที่ตั้งที่ฉุกเฉิน
(ห่างที่อยู่ที่ระดับประมาณ 100 กิโลเมตร)ในสอง ภาพ ต่อไปนี้เราจำกัดให้ความสนใจของเราเพื่ออัตราการติดเชื้อให้กับพื้นที่
เป้าหมาย พร้อมด้วยโดยคำนึงถึงพื้นที่ขนาดเล็ก(รูปที่ 5 - c )เราได้ว่าในช่วงต้นของการเตือน ภัย ที่อัตราการติดเชื้อที่
สุดท้ายในรูป6 เราจะวิเคราะห์การกระจายของอัตราการติดเชื้อที่อยู่ท่ามกลางการจำลองที่แตกต่างกันไปโดยใช้ฟังก์ชันการกระจายสะสม อภิ นันทนาการที่
( CDF ) CDF ของสมนาคุณสำหรับการสุ่มแบบปรับได้หลายระดับ x แสดงที่
โอกาส P ( x ≥ X ). ผลการค้นหาจะแสดงการเผยแพร่ตามปกติโดยประมาณ นอกจากนี้ยังแสดงให้เห็นว่าเมื่อมีเพียงเศษส่วนของโหนด
ซึ่งจะช่วยให้มีส่วนร่วมในการส่งต่อการเตือน ภัยอัตราการติดเชื้อได้อย่างลึกซึ้งขึ้นอยู่กับวิธีโหนดเหล่านี้จะถูกเลือกไว้ ตัวอย่างเช่น
หากเราพิจารณาถึงสถานการณ์ที่ครึ่งหนึ่งของโหนดที่ให้ความร่วมมือสำหรับแพร่การเตือน ภัย ( 300 และ 400 ใช้งานโหนด
ตามลำดับ)เราได้ว่าหลังจากนั้น 30 นาทีอัตราการติดเชื้อจะแตกต่างกันไประหว่าง 20% และ 70% สำหรับพื้นที่ที่มีขนาดเล็กกว่าและระหว่าง
10% และ 40% สำหรับห้องที่มีขนาดใหญ่กว่า