In diesem Artikel, 2020 Jahr 3 Monat 23 Datumsdaten werden verwendet.
Datenquelle: Europäisches Zentrum für die Prävention und die Kontrolle von Krankheiten ( ECDC )
Die Dynamik des neuen Coronavirus ist größer als erwartet, und es wird berichtet, dass die Zahl der Infizierten in den Vereinigten Staaten und in Europa rapide zunimmt. In Japan steigt die Zahl der Infizierten von Tag zu Tag, aber ich glaube nicht, dass es viel Sinn macht, dass sie so schnell zunimmt wie in den Vereinigten Staaten und in Europa.
In diesem Artikel wenden wir ein Modell auf die Daten zur Zahl der Infizierten in jedem Land an und untersuchen den Grad der Zunahme der Zahl der Infizierten. JMP Lassen Sie uns die Plattform "Zuverlässigkeitswachstum" von verwenden Zuverlässigkeit? Hat das nicht viel mit Infektionsdaten zu tun? Sie mögen das denken, aber ich habe viel gelernt, als ich es benutzte.
Was ist die Plattform „Zuverlässigkeitswachstum“?
JMP Dann in der Menüleiste [ Analyse ] > [ Zuverlässigkeit / Überlebensanalyse ] Wie Sie folgen [ Zuverlässigkeitswachstum ] Menü zu finden. wahrscheinlich JMP Selbst für Kernbenutzer von ist diese Funktion möglicherweise ungewohnt.
„Reliability Growth“ ist eine Plattform, die hauptsächlich Ausfälle von Dingen und Systemen analysiert. Basierend auf dem Poisson-Prozess basierend auf den Daten, wie viele Ausfälle (Ereignisse) im Laufe der Zeit aufgetreten sind Krähe-AMSAA dem Modell passen. Durch die Anpassung ist es möglich zu sehen, ob die Anzahl der Ausfälle zunimmt oder abnimmt, und es ist möglich, die mittlere Zeit bis zum Ausfall (durchschnittliches Intervall zwischen Ausfällen) zu erhalten, die ein Indikator für die Lebensdauer des Systems ist.
Krähe-AMSAA Das Modell folgt der Potenzierung. Betrachtet man diesmal das Beispiel des neuen Coronavirus, so ist das Bild, dass die Zahl der Infizierten mit der Macht der Zeit zunimmt.
Das eigentliche Modell der Infektionskrankheit sollte komplizierter sein, und diese Plattform soll diesmal nicht die Anzahl der Infizierten analysieren, aber wir ziehen auch eine explorative Analyse in Betracht. Lassen Sie uns die Situation des Auftretens der Anzahl der Kunden durch dieses „Zuverlässigkeitswachstum“ modellieren. .
Visualisierung der kumulierten Zahl der Infizierten
Mit Ausnahme von China, wo die Zahl der Infizierten zuerst anstieg, sind die Länder mit mehr kumulierten Infizierten als Japan zweiundzwanzig Land. einschließlich Japan 23 Lassen Sie uns die tägliche kumulierte Anzahl der Infizierten für jedes Land im Graph Builder darstellen.
Das Diagramm ist nach Regionen unterteilt, wobei die horizontale Achse das Datum und die vertikale Achse die kumulierte Anzahl der Infizierten an diesem Datum darstellt, die vertikale Achse jedoch eine logarithmische Skala aufweist.
In hellblau von Japan (Grafik oben links), 3 Monat 23 Die kumulierte Zahl der Infizierten beträgt Stand heute 1089 Ich bin eine Person. In Japan wurden zwar schon früh Infizierte gefunden, aber im Vergleich zu anderen Ländern sieht man, dass die Zahl der Infizierten nicht so stark gestiegen ist. Das gleiche asiatische Land, der Iran (in Pink), das seine ersten Fälle erst später als andere asiatische Länder entdeckte, hat jetzt die höchste kumulierte Anzahl von Fällen in der asiatischen Region.
Europa (Grafik oben rechts) in vielen Ländern 3 Die Zahl der Infizierten ist seit Anfang des Monats rasant gestiegen, und Sie können sehen, dass die Zahl der Infizierten in den Vereinigten Staaten, Kanada (Grafik unten links) und Brasilien (Grafik unten rechts) ebenfalls stark zunimmt.
Passen Sie das Modell mit "Zuverlässigkeitswachstum" an
Für die oben abgebildeten Länder unter Verwendung der Plattform „Zuverlässigkeitswachstum“, Krähe-AMSAA Ich versuche, das Modell zu passen. Die zu verwendenden Daten sind länderabhängig ( Standort ) am Tag (Datum) infizierte Personen pro (Bestätigt) eingegeben wird, klicken Sie auf die Registerkarte "Datumsformat" und legen Sie die Spalten wie folgt fest.
Klicken Sie dann auf die Schaltfläche mit dem roten Dreieck, [ Anpassen des Modells ] > [Krähe AMSAA] Wählen.
Die grüne Kurve ist die angepasste. Visuell bestätigt die gute Passform, dass einige Länder gut passen, während andere nicht gut passen. Hier, einschließlich Japan Vier Betrachten Sie die passende Situation für ein Land.
* Bitte beachten Sie, dass die vertikale Achse (kumulative Anzahl der Infizierten) in der folgenden Grafik für jedes Land einen anderen Wertebereich aufweist.
USA
3 Die Zahl der Infizierten ist seit Januar stark gestiegen, aber man kann sagen, dass das Modell dieses Phänomen gut erfasst.
Japan
Nach den diesmal verwendeten Daten wurde die erste infizierte Person in Japan erfasst 1 Monat 15 Es ist Tag. Aus diesem Grund ist die Zahl der Infizierten im Vergleich zu anderen Ländern gedämpft. Als Modell passt es manchmal nicht gut, aber man kann davon ausgehen, dass es sich um ein Modell handelt, das im Allgemeinen die Merkmale der Anzahl der Infizierten erfasst.
Iran
Der erste registrierte Infektionsfall im Iran war 2 Monat 20 Es ist Tag. von hier 3 Die Zahl der Infizierten steigt von Monat zu Monat rasant an. 3 Monat 7 Da die tatsächliche Zahl der Infizierten über der angepassten Kurve des Tages liegt, zeigt sie den schnellen Anstieg der Infiziertenzahlen zu diesem Zeitpunkt.
Korea
Man sieht, dass dieses Modell die Infektionslage in Südkorea überhaupt nicht erklären kann. 2 ab der zweiten Monatshälfte stark angestiegen, 3 Es erklärt nicht die Verlangsamung seit Anfang des Monats.
Wann ändert sich der Trend der Infektionshäufigkeit?
Im obigen Beispiel passten Iran und Südkorea nicht gut zusammen. Ein möglicher Grund dafür ist, dass sich die Infektionshäufigkeit seit einiger Zeit tendenziell verändert hat.
In "Zuverlässigkeitswachstum" [ Aufteilung Weibull-NHPP Änderungspunkterkennung ] Es gibt eine Anpassungsmethode, die den Zeitpunkt erkennt, an dem sich der Trend aus den Daten ändert (Änderungspunkt), und über separate Formparameter (β) vor und nach dem Änderungspunkt verfügt Krähe-AMSSA Sie können das Modell anpassen. Für den Iran und Südkorea, wo das Modell dieses Mal nicht gut passte, werden wir versuchen, ein Modell anzupassen, das durch diesen Änderungspunkt geteilt wird.
Die blaue Kurve ist die Weibull-NHPP Dies ist die Anpassungslinie für die Änderungspunkterkennung. Ebenfalls hier nicht gezeigt ist ein Bericht von Parameterschätzungen und Änderungspunkten.
Iran
der Wechselpunkt ist 3 Monat 8 Es ist Tag. aus diesem Grund 3 Monat 8 Ein Modell mit unterschiedlichen Formparametern vor und nach dem Tag wird angepasst. Optisch sieht die Anpassung des Modells geteilt durch diesen Änderungspunkt (blaue Kurve) besser aus. In der "Modellliste" am Ende des Berichts befindet sich ein Index, der die Güte der Passform anzeigt AICc oder BIC wird angezeigt. Kleinere Werte dieser Indizes weisen auf eine bessere Anpassung hin, sodass selbst bei der Beurteilung der Indizes ersichtlich ist, dass die durch Änderungspunkte geteilten Modelle besser angepasst sind.
Korea
der Wechselpunkt ist 3 Monat 7 Es ist Tag. Auch das durch diesen Wechselpunkt geteilte Modell passt nicht gut, ist aber optisch besser sichtbar als das erste Modell (grün). AICc oder BIC Sie können auch sehen, dass die Passform besser ist, wenn Sie es mit betrachten. Das Modell (blau) wird durch den Änderungspunkt geteilt 3 Monat 7 Dies erklärt teilweise den Rückgang der Infektionshäufigkeit seit März 2019.
Berücksichtigung durch Intensitätsfunktion
In Confidence Growth gibt es eine Option, um ein Diagramm der Stärkefunktion für das angepasste Modell anzuzeigen.
„ Stärke ” gibt die damalige Infektionsdichte an, ” Intensitätsfunktion ” ist eine Funktion der Intensität über die Zeit. Hier Krähe-AMSSA Die Zeitableitung des Modells ist die Intensitätsfunktion, die die Grenze der Infektionswahrscheinlichkeit in sehr kurzer Zeit dividiert durch das Zeitintervall darstellt. Anhand des Diagramms der Intensitätsfunktion können wir sehen, ob die Zahl der Infizierten schnell zugenommen oder abgenommen hat.
Unten ist früher gezeigt Vier Iran und Südkorea sind Intensitätsfunktionen für jedes an den Änderungspunkt angepasste Modell.
*Bitte beachten Sie, dass der Wertebereich auf der vertikalen Achse auch in den folgenden Grafiken unterschiedlich ist.
USA
Japan
Die Vereinigten Staaten 3 Monat 15 Es ist ersichtlich, dass die Intensitätsfunktion etwa im Tagesverlauf schnell ansteigt. Die Nachrichten berichteten auch, dass die Zahl der Infizierten von hier aus stark gestiegen sei. Japan ist auch auf dem Vormarsch, also mache ich mir Sorgen um die Zukunft, aber der Stärkewert selbst ( Y Achsenwerte) sind im Vergleich zu anderen Ländern klein.
Iran
Korea
Iran und Südkorea ändern die Farbe der Intensitätsfunktion vor und nach dem Änderungspunkt. Der Iran ist 3 Monat 1 Die Zahl der Infizierten stieg von Tag zu Tag stark an, was einen Wendepunkt darstellt. 3 Monat 8 Obwohl sich der Anstieg seitdem leicht verlangsamt hat, können wir sehen, dass er immer noch zunimmt. Dagegen lässt sich sagen, dass der rasante Anstieg in Südkorea nach der Wende verdrängt wurde. Es stimmt, dass die Zahl der Infizierten immer noch steigt, aber es ist ein guter Trend, der zu einer Annäherung führen kann.
Trends bei der Zahl der Infizierten in der Zukunft
Das diesmal vorgestellte „Zuverlässigkeitswachstum“ ist keineswegs eine auf Zukunftsvorhersagen fokussierte Plattform. Aus den aktuellen Daten haben wir den steigenden Trend der Zahl der Infizierten, den Grad der Zunahme usw. untersucht.
Derzeit steigt die Zahl der Infizierten weltweit rapide an, und es wird darauf hingewiesen, dass es zu einer Pandemie kommen kann. Der Skalenparameter β der Intensitätsfunktion ist 1 Ein kleinerer Wert zeigt an, dass die Zahl der Infizierten im Laufe der Zeit abnimmt, also ist für jedes Land der Wert von β gleich 1 Ich wünschte nur, es wäre kleiner. Ich werde weiterhin Daten sammeln und analysieren.
