covid阶段每日患者数量预测大家好
我有每日患者数量数据，我将预测未来 14 天的每日预测，以便他们进行适当的人员配备（医生、护士等）
所以我的问题是，在 covid 变化阶段做时间序列的最佳方法是什么？ 在 covid 之前，我使用季节性 Arima 模型进行预测。
我有自 2019 年 7 月以来的每日数据。 包含自 2019 年 7 月以来的数据是个好主意，还是因为我们每天的交易量减少了约 35%，所以只关注 2020 年 3 月的数据并预测 14 天是个好主意？或刚刚过去 3 周预测 14 天...
请指教。
回复：covid 阶段的每日患者数量预测使用去年的平均值将保证一半的时间超过“目标”，一半的时间低于目标。 如果您想在不了解的情况下简单地使用历史数据，但想考虑日常波动，您可以使用 BY 选项运行模型并将星期几放入 BY。 这样，您将拥有一周中每一天的模型。 如果您想比过去更多地加权最近的数据，您需要考虑什么类型的加权 9e.g.，指数）。 再次由于过程/数据的不一致，我认为加权不是一个好主意，并且会使您已经不理解的事情复杂化。
另一方面，您可以忽略我的所有观点并使用您想要的任何数据来创建您想要的任何模型。
“所有模型都是错误的，有些是有用的”。 GEP 盒子
回复：covid 阶段的每日患者数量预测是的..它的基本模型，我研究了一些影响因素，但我们没有像天气因素这样的数据。
在这个covid期间，不确定性变得更高且具有挑战性。
在此之前，我们使用的是去年的平均水平……至少我们有一些基本模型可以提供一些每日变化，例如一周中的某一天以及趋势。
使用我们目前拥有的最好的东西，我现在只想保持两件事 1. 每周变化（周一高等），因此他们将在周一比其他日子更多的工作人员和 2. 给过去几天更多的权重
在这方面什么模型最好？
回复：covid 阶段的每日患者数量预测您正在尝试创建一个不了解（或考虑）可能影响访问响应变量的变量的模型。 您放入模型的唯一预测变量是时间。 恕我直言，为了获得有用的预测模型，您需要了解哪些因素会影响响应变量 Y=f(x)。 一旦您了解了有影响的输入变量 (x)，您就可以考虑如何控制、管理、测量这些 x 以实现所需的输出（请注意，有些 x 会影响平均值，有些会影响可变性）。 正如我已经指出的那样，您的数据表明有 x 尚未确定，导致实际访问次数不稳定。 没有数学模型可以缓解这种情况。 “垃圾进垃圾出。” 我建议你：
1.映射过程，
2. 识别可能有影响的 x，
3. 提出关于为什么这些 x 可能有影响或没有影响的假设
4. 收集数据以深入了解您的假设。
是的，这是一项具有挑战性的工作，需要资源来研究这个过程。
“没有即食布丁”。 戴明
然后你就可以开始考虑用数学模型来预测了。
回复：covid 阶段的每日患者数量预测你好
我同意我们有一个明确的每周变化。 你对锄头很多变化的问题是可以接受的....然后我会说任何小于 10 的东西。 预测是每天急诊科就诊，我们的人员配备是根据我们预计在接下来的两周内看到的数量。
我用了游行到 t - 1预测日期3周。就像您观察到的那样，它在 3 月 15 日之前大约是 160 秒，然后在几周内显着下降，最近又在 120 秒时回升。
我已按照这些步骤（附件）
这就是我正在制作的，但实际仍然是 120s 130s 所以使用这个我们有人员过多正如预测显示它将在 160 年代
我想知道是否有什么我需要在这里做的..
请指教…
回复：covid 阶段的每日患者数量预测感谢您附上 JMP 文件。
我不知道就风险/回报而言，访问“成本”是多少？ 预测需要多精确？ 在多少次访问范围内？ 如果访问次数很少（≤ 10），那么您现在的流程会有很大的变化。
您需要了解数据中的那些特定跳跃。 在我看来，好像有一个 7 天的周期。 我不确定“计算”的实际访问次数是否受星期几的影响？ 也许计算访问的时间或日期会受到轮班变化或数据登录方式的影响。 似乎它与周日/周一相关？ 也许所有的周末访问都在周日或周一进行统计？ 除非你的测量或会计是一致的，否则很难对预测充满信心。 查看附加数据，平均值在 3 月 19 日左右发生变化。 3 月 19 日之前的平均值约为 157 (121-193)。 3/19-5/3 的平均值约为 102 (66-140)。 看来您在 Covid 之前的总访问次数比之后多。 在计划方面，您必须确定有多少成本与有足够的能力来处理极端预测相关，或者与没有计划足够的访问相关的风险是什么。
回复：covid 阶段的每日患者数量预测谢谢你让我注意到那些变化很大的日期。 我已开始调查此信息。
正如您所要求的，我附上了我计划在 5 月 24 日至 6 月 6 日预测的数据，因为这是我们用来为该支付期的员工计划的数据。
下面是使用控制图附加的 JMP 文件。 在新冠病毒之前，很少有变化是正常的，现在需要一些调整来适应这种不确定性。
鉴于这些数据，您能否推荐我预测 3 周的最佳选择是什么？
如果您在这里指导我，我将不胜感激。
谢谢
回复：covid 阶段的每日患者数量预测为什么不附加 JMP 文件？
我根据您的实际数据创建了 MR，单个图表：MR 图表回答了以下问题：连续天数的变化（短期变化）是否一致且稳定？ 单个图表回答了这个问题：短期或长期哪些变化来源更大。
如您所见，您有 MR 图表识别的“特殊原因”数据。 这些“事件”值得调查，尽管它们发生在 4/26-4/27 和 5/3-5/4，所以现在你假设这些日期之间发生了什么？ 由于 MR 不一致，您必须仔细解释单个图表上的控制限（因为 MR 用于计算控制限，我们知道它是不一致的）。 似乎确实存在长期变化的来源，超出了日常发现的来源。
回复：covid 阶段的每日患者数量预测嗨，斯塔特曼
我已附上实际和预测的文件（来自 (110,012)7 的时间序列季节性动画
我用了 7，因为我们每周都有变化，比如星期一的高
我用了3/20 到 5/09 实际颜色至预测 5/10 到 5/23这也被添加到 cols c 到 g
回复：covid 阶段的每日患者数量预测请附上您的 JMP 文件，我会看一下。
回复：covid 阶段的每日患者数量预测谢谢斯塔特曼。
我使用过去 4 周的数据来预测接下来的 3 周。 预测趋势正在上升，但实际上实际并不高。这导致了人员配备问题，因为我们为 165 名患者配备了人员，但实际上我们只看到了 120 名患者。
理想情况下，它应该在下图中的红线中
有没有办法我们可以给上周更多的权重并保持每周的模式（周一高，周五低等）。
那是哪种方法..或者有更好的建议。
请指教
谢谢
回复：covid 阶段的每日患者数量预测如果每日患者量是一致且稳定的（使用控制图进行验证），那么您将能够扩展控制图的限制作为对未来时间段的预测。 但是，如果患者数量不一致，任何预测方法都会很差。 自 COVID 爆发以来，我的猜测是事件之前的数据不能代表当前情况。 您可以尝试对可能代表未来 14 天的“最近”数据进行建模（我不知道那是什么具体数据）。 但是，无论如何，如果过程不稳定，任何预测都会很糟糕。 找到有助于了解患者体积的领先指标可能会很有用。
