Ich habe einen Kunden, der als Reaktion auf COVID19 den Personalbedarf an mehreren Standorten eines Gesundheitsdienstleisters vorhersagt. Die Anzahl der Infektionen in ihrem Gebiet sinkt (Happy Dance!). Infolgedessen prognostiziert das Modell eine negative Anzahl von Krankenschwestern, wenn sechs Monate projiziert werden. Sie möchten einen Boden einstellen (zB min. Anzahl der Krankenschwestern), gibt es eine Möglichkeit, dies zu tun, oder gibt es eine alternative Problemumgehung dafür? Ich konnte mir nichts einfallen lassen. Vielen Dank.
@ DonMcCormack die Standard-Zeitreihenplattform (Analyse
BEARBEITEN:
**** Ich habe Ihre Frage nicht sorgfältig gelesen. Bitte ignorieren Sie die folgenden Informationen, da sie nicht für die von Ihnen gestellte Frage gelten. Ich werde es jedoch belassen, falls jemand, der dies liest, an einer Option interessiert ist, wenn die vorhergesagte Anzahl neuer Patienten negativ ist.
Entschuldigung,
Brady
********************************************************** **********
********************************************************** **********
Eine andere Möglichkeit besteht darin, dass sie anstelle zusätzlicher Fälle Gesamtfälle vorhersagen. (Datensatz mit angehängtem Skript.)
Hier ist ein Diagramm mit dem typischen logistischen Wachstum und einer oberen Asymptote (die normalerweise unbekannt ist) von 1e6. (dh die "Wahrheit" ist, dass maximal 1 Million Menschen infiziert werden.)
Das "Gesamt" -Modell macht Vorhersagen über der Asymptote (hauptsächlich, weil nur Daten, die NACH der maximalen Infektionsrate auftreten, in das Modell aufgenommen wurden), aber diese erscheinen nicht unsinnig, da die Asymptote in der Praxis unbekannt ist.
Das Modell "Neue Fälle" macht, wie Sie bereits erwähnt haben, Vorhersagen unter 0 ... das ist unsinnig.
Beachten Sie, dass in jedem Fall die Vertrauensgrenzen die Wahrheit enthalten ... Wir prognostizieren jedoch eine große Anzahl von Punkten im Verhältnis zur Anzahl der Punkte in den Trainingsdaten - ein guter Weg, um schlechte Prognosen zu erstellen.
Prost,
Brady
