Jarett Diamond 

NRE 509 Lab #5 –STELLA Modeling of a Zombie Invasion 
 
Background 
The Zombie Invasion scenario has been a common trope in American popular culture for 
decades. In one version, the outbreak begins with a mutant virus introduced to a small 
population of humans. The virus kills those whom it infects, and after a period of time, causes 
them to rise from the dead with an insatiable hunger for human flesh. Decaying mockeries of 
human life, these walking undead are insensible to cold, heat, fatigue, or fear. Mindless, they 
possess only the most basic instinct to feed upon the living. 
 
The infection spreads by fluid contact, typically a bite. An infected human who manages to 
escape being consumed entirely will shortly, die, only to rise again as a fully contagious member 
of the walking dead. The most often‐cited way to kill a zombie for good is to destroy its brain. 
 
The Zombie Invasion scenario is often used as a vehicle for critique of modern man’s utter 
unpreparedness for survival in the event of the collapse of social order. In books and films, the 
highest occupants of the modern socioeconomic ladder, whose position is wholly dependent on 
modern economic and technological  infrastructure, are typically the least equipped for survival 
in a post‐apocalyptic world. Mnual laborers, farmers, survivalists, and others whose 
accumulated life skills are less dependent on functioning modern infrastructure—as might be 
the case with, say, a hedge fund manager—are the most likely to survive and promote the 
survival of others. The collapse of social order, followed by the outright reversal of its 
smoldering remains, is part and parcel of the horror of the zombie apocalypse. 
 
Past Work 
In their seminal work on mathematical modeling of a zombie scenario, Professor R.J. Smith? 
(the ? is part of his legal name) and his team applied a modified epidemiological model to the 
problem. i However, I observe a small deficiency in the model. In the most basic form, there are 
three stocks. 
  S – susceptible humans 
  Z – zombies 
  R – removed 

 
Figure 1. Modified epidemiological model for zombie invasion 
 
The term S represents the death of humans by natural causes. However, the model clearly 
shows that all humans that die from natural causes are directed to a common pool of corpses 
(R) from which zombies may resurrect. Humans which die of natural causes are not expected to 
rise from the dead. This oversight appears to persist in more sophisticated models presented in 
the paper. 
    Jarett Diamond 

 
A careful observer might also note that there is no allowance for zombie destruction in this 
model. However, in a later section of the paper, Smith?, et al implement an “impulsive 
eradication” mechanism, in which the humans would attempt to control the zombie population 
by “strategically destroying them at such times that... resources permit.” 
 
Overview of STELLA Model 
In my STELLA model, I attempted to expand on the past work by Munz, Hudea, Imad, and Smith 
by incorporating the following elements: 
 A hybrid Lotka‐Volterra/epidemiological model to simulate a multistage disease spread 
by predation, with a 1:1 efficiency of conversion of prey to ‘infected prey’ 
 A persistent, rather than impulsive, zombie eradication mechanism which more closely 
resembles prey defense systems in the natural world 
 A ‘panic factor’ coupled to the ratio of infection vs. zombie elimination rate, plus the 
zombie feed rate which gives a rough approximate value for the general feel of which 
side is winning. The panic factor causes indirect human casualties (i.e. not directly 
caused by zombie infection or consumption). 
 A ‘learning curve’ which simulates adaptive human behavioral changes over time 
 A ‘zombie feed rate’ term which simulates destruction, but not infection and 
conversion, of living humans. 
The STELLA model omits human birth rate, and death by natural causes. For small populations 
(under 10,000) and short modeling times, these factors were felt to be of negligible 
consequence. 
 
Detailed Description of STELLA Model 
In my STELLA model, there are four stocks: 
  S – susceptible humans 
  I – infected humans 
Z – zombies 
  X – removed 
and two conveyors: 
  IFREE– “free infected” infected humans not quarantined 
Q – quarantined humans 
 
A conveyor is similar to a stock, but the primary output is controlled by a transit‐time factor. 
 
A susceptible human (S) may be infected at a given rate proportional to the number of humans 
and the number of active zombies (Z). Alternatively, a susceptible human may die (via s elim 
rate) from 1) the mass panic caused by the zombie invasion or 2) be wholly consumed by a 
zombie. The zombie feed rate is proportional to the number of zombies. The panic factor was 
described previously.  
 
A susceptible human unlucky enough to be infected moves to the infected stock (I). At this 
stage, the infected human may be detected. If the infected human is detected, he may be sent 
    Jarett Diamond 

to the quarantine conveyor (Q), in futile hopes that a cure may be found. Since no cure is 
possible, all infected humans are removed (X) after the latency period of the disease expires. 
However, there is also a leakage rate (quar escape rate) of infected humans who escape 
quarantine, and join the free infected conveyor. The model assumes that successful escapes are 
made immediately upon arrival in quarantine (i.e. at the onset of the disease latency period, 
which begins again in the IFREE conveyor). In time, the humans realize the futility of the 
quarantine strategy. This is simulated by the learning curve factor, which causes the proportion 
of infected humans sent to the free infected conveyor to increase over time.  
 
This leaves two categories of infected humans. 
  1) non‐quarantined infected humans 
2) undetected infected humans 
Both groups proceed directly from the infected stock (I) to the free infected (IFREE) conveyor. 
Thus, the IFREE conveyor consists of these two populations, plus the population of escaped 
infected quarantined humans. Unless they are destroyed first, the disease latency period 
expires and members of the IFREE conveyor resurrect as zombies. The leakage rate from IFREE 
represents the active detection and elimination of the IFREE population. 
 
Resurrected zombies are capable of creating more zombies by infecting humans, or destroying 
humans outright by feeding on them. The zombie feed rate is also an important term in the 
panic factor equation, which results in indirect human casualties. The zombie population is 
controlled by active retaliation by humans (z elim rate), which is proportional to the product of 
the number of humans, the number of zombies, and a variable zombie kill factor. The zombie 
kill factor increases over time with the learning curve, as humans learn better methods for 
controlling the undead. 
    Jarett Diamond 

 
Figure 2: Complete STELLA model for zombie invasion 
 
Analysis of Results 
The model itself is inherently highly unstable. A small change in the infection rate, or a small 
change in the intrinsic zombie kill factor can result in rapid population crash of either humans 
or zombies. Parameters were finely tuned to demonstrate a long, drawn‐out contest between 
the living and undead. 
The three‐day disease latency is clearly apparent in Figures 3 and 4, as the graph of flows and 
stocks indicate a sharp jump in activity/population after the 3rd day of the invasion. 
As might be expected, widespread panic can result in catastrophic loss of life. Panic has 
elements of both positive‐ and negative‐feedback. As panic casualties increase, there are fewer 
humans to fight the zombies, which increases the rate of undetected zombie resurrection. This 
increases the panic factor. At the same time, there is also a smaller human population for the 
zombies to infect and feed upon. This decreases the panic factor. The relative weight of the rate 
    Jarett Diamond 

of zombie feeding, as compared to the ratio of infection/zombie elimination may be adjusted to 
reflect a real‐life scenario when empirical data becomes available. 
Figure 5 illustrates that the learning curve is the key to human persistence. The steadily 
increasing zombie population reaches its peak at after approximately 10.5 days, at which point 
the battle swings to favor the humans. 
 
1: S 2: I 3: Q 4: Z 5: X

1: 10000
2: 7 1
3: 0 5
4: 10 3
5: 1000 3 2
2
2 3
3 5 2
1

1: 9500 4
2: 4 4 4
3: 0 5
4: 6 1
5: 500
4

5 1

1: 9000
2: 0
3: 0
4: 2
5: 0
0.00 7.50 15.00 22.50 30.00
Page 1 Days 9:58 PM Fri, Dec 11, 2009

Untitled
 
Figure 3: Stocks (S, I, Z, X) and conveyor (Q). Conveyor IFREE is not shown. 
 
1: inf rate 2: z elim rate 3: z feed rate 4: Panic Casualties

1: 10
2: 6
3: 0
4: 250

2
2
2
1

3
1: 6 3
2: 4
3: 0 1
4: 150
3
4 1 1

4
2 4
3 4
1: 2
2: 1
3: 0
4: 50
0.00 7.50 15.00 22.50 30.00

Page 1 Days 2:36 PM Sat, Dec 12, 2009

Untitled
 
Figure 4: Important flows and converters related to panic casualties. 
 
    Jarett Diamond 

1: Learning Curve 2: z elim rate 3: ifree elim rate 4: inf not quar rate 5: Z

1: 3 3
2: 6 4
3: 1
4: 6 4
5: 10
3 2 3
4 4
2
2
1

1: 2 1
5 5
2: 4
3: 0 5
4: 3 1
5: 6 3
5

2
1: 1 1
2: 1
3: 0
4: 0
5: 2
0.00 7.50 15.00 22.50 30.00

Page 1 Days 2:39 PM Sat, Dec 12, 2009

Untitled
 
Figure 5: The effect of the Learning Curve on infected human elimination, zombie elimination, 
use of quarantine, and overall zombie population 
 
 
Conclusion 
The keys to human survival in the face of a zombie invasion rest in the ability of citizens to 
mount an immediate, ruthless, and above all, adaptive campaign of resistance. A strategy of 
quarantine of known infected humans is impractical. A large‐scale security breakdown (not 
included in this simulation) could result in thousands of quarantined, infected humans escaping 
into the general population. 
 
It is worth noting that the zombie population never exceeded seven. After 30 days, the human 
population of 10,000 lost nearly 10% of its total membership. Of this loss of life, almost 8% is 
attributed to indirect casualties caused by panic. Therefore, all possible measures must be 
undertaken to counteract panic, be they educational or coercive. 
 
As this model clearly demonstrates, the destructive potential of the walking undead cannot be 
underestimated. 
 
 
 
                                                       
i
 P. Munz, I. Hudea, J. Imad and R.J. Smith? When zombies attack!: Mathematical modelling of an outbreak of 
zombie infection (Infectious Disease Modelling Research Progress 2009, in: J.M. Tchuenche and C. Chiyaka, eds, 
pp133‐150).