01它问的是什么问题（The Question It Poses）
1927 年，Kermack 和 McKendrick 想解决一个当时相当碍眼的疑问：为什么流行病总是在还剩下一大批从没得过病的人的时候，就自己退潮了？
当时最流行的解释是病原体在流行过程中"毒力衰减"了——传着传着变温和了。这个解释需要假设病原体本身发生了变化。两人想问的是：能不能什么都不假设，只靠人数的加减，就把这条曲线算出来？
答案是能。而且推导出来的东西比原问题值钱得多：一个把"传得开传不开"压缩成单一数字的判据。
02规则本身（The Rules）
- 把总人数 N 分成三堆：S 易感者（susceptible，还会中招）、I 感染者（infectious，正在往外传）、R 移出者（removed，康复或死亡，不再参与）。
- 一个感染者每单位时间造成 β 次"有效接触"。有效接触落到易感者身上的比例是 S/N，所以每单位时间新增感染 = β·I·S/N。
- 感染者以速率 γ 离开感染堆。平均感染期就是 1/γ。
- 没有出生、没有死亡（除了移出）、没有人从 R 回到 S。三堆的总和永远等于 N。
- 每个人和每个人碰上的机会一样。这条叫均匀混合（homogeneous mixing），是整个模型最贵的一条假设。
两个参数一相除就是那个著名的数：R₀ = β / γ——基本再生数（basic reproduction number），一个感染者在全是易感者的人群里平均传给几个。它的分子是"传得多快"，分母是"传多久停"，所以 R₀ 天然是速率乘以时长，不是病原体的固有属性。
整个模型就是这张图。左边那条箭头里的 S/N 是它全部反直觉结论的来源。
03跑起来会看到什么（What You See When It Runs）
放一个感染者进去。如果 R₀ > 1，感染人数先指数上涨；随着易感者被消耗，实际的再生数 R₀·S/N 一路下滑；当 S/N 降到 1/R₀ 时，它正好等于 1，新增达到峰值；此后新增下降，但仍在发生。
关键的一幕在峰值之后：那一刻仍有大量人处在感染期，他们不会停下，于是 S 继续跌，一路跌到远低于 1/R₀ 的地方。这个多出来的部分叫超调（overshoot）。最终有多少人被感染过，由一个只含 R₀ 的方程决定：R₀ = 3 时约 94%，R₀ = 2 时约 80%，R₀ = 1.5 时约 58%。
三条曲线一起看才对：峰值出现在 S/N 掉到 1/R₀ 的那一刻，而流行在那之后还要再烧掉一大截。
还有两个跑出来才会注意到的性质。其一，峰值时间对参数极其敏感，终末规模却很稳——把 β 调小一点，峰会推迟很久、变矮，但如果不持续压制，最终感染总数只小一点点。其二，R₀ < 1 时曲线根本起不来，无论初始感染者有多少：这就是"阈值"两个字的全部含义。
04它解释了现实中的什么（What It Explains）
第一，流行病的自限性：不需要假设病原体变弱，燃料被烧掉就够了。这是它最初要回答的那个问题。
第二，疫苗接种阈值：要让 R_eff 一开始就小于 1，需要事先把易感者比例压到 1/R₀ 以下，也就是接种覆盖率至少 1 − 1/R₀。麻疹这类高 R₀ 的病要求 90% 以上，正是从这一行来的。
第三，"压平曲线"为什么真的减少总量：终末规模是 R₀ 的函数，把有效再生数从 3 压到 1.5，最终感染比例从约 94% 降到约 58%。干预不只是把同一堆病例摊开。
第四，它给了一整套可迁移的骨架：把 S/I/R 换成"没听说过 / 正在转发 / 听腻了"，同一组方程就成了谣言模型；换成"未采用 / 正在推荐 / 已流失"，就成了产品扩散模型。骨架能借，但下一节的每一条也跟着一起借过去了。
它不能解释什么（What It Cannot Explain）
- 不能处理接触的不均匀。均匀混合是硬编码进模型的。真实接触网络的度分布常常是重尾的，此时阈值由 ⟨k²⟩/⟨k⟩ 决定而不是平均接触数，甚至可能趋近于零——那意味着"R₀ < 1 就安全"这条结论本身失效。要处理这个必须换成网络上的传播模型。
- 不能处理超离散。模型里每个感染者都是平均值的化身，而真实的二次感染数分布极度不均（新冠的离散参数约 0.1，约 10% 的病例造成约 80% 的传播）。后果是：R₀ > 1 也常常自行熄灭，早期数据的方差远大于模型预期，用平均量做的短期外推会系统性地误导。
- 不能处理再感染、潜伏、变异。S→I→R 是单向的、终身免疫的。有潜伏期要加一个 E 分室（变成 SEIR），会失去免疫要接回 S（变成 SIRS/SIS），变异则意味着参数在跑的过程中改变——三者都不是微调，是换模型。
- 不能直接搬给观念。搬过去最缺的不是数学，是"感染"的可观测定义：什么时候算一个人接受了某个说法？没有可判定的转移时刻，β 和 γ 就测不出来，R₀ 也就没有经验内容。此外观念多半是复杂传染——需要多个不同来源的重复曝光——而 SIR 假设一次接触即可，这一条直接违背。
- 不能给出"什么时候"。终末规模稳，峰值时间不稳。用 SIR 去回答"高峰在哪一周"，是在向一个对参数极度敏感的量索要精度；它擅长回答的是"最终会有多少"和"要压到多少才停得住"。