| Summary: | I och med COVID-19 pandemin har behovet av ökad testkapacitet varit stort. I den här rapporten studeras grupptestning, vilket under vissa förhållanden kan användas för att effektivisera sjukdomstestning. Rapporten är en litteraturstudie och informationen har hämtats från nyhetsartiklar, vetenskapliga artiklar och böcker. Det finns två vanliga oberoende klassificeringar av algoritmer grupptestning. En grupptestningsalgoritm är antingen adaptiv eller icke-adaptiv och probabilistisk eller kombinatorisk. I rapporten diskuteras två typer av algoritmer, en adaptiv, probabilistisk algoritm som kallas för nästlad testning, och en icke-adaptiv, kombinatorisk algoritm som kallas för COMP/NCOMP. Till dessa algoritmer presenteras satser, med tillhörande bevis för huvudsatserna, angående algoritmernas egenskaper. För den nästlad testningen presenteras bland annat hur en optimal utformning ser ut, samt det förväntade antalet tester för denna testning. För COMP/NCOMO presenteras bland annat en övre gräns på antalet test som behövs med för att få en felsannolikhet som asymptotiskt går mot noll. Slutligen diskuteras fördelar och nackdelar med dessa två algoritmer från ett praktiskt sjukdomstestningsprespektiv.
|
|---|
