covid階段每日患者數量預測大家好
我有每日患者數量數據，我將預測未來 14 天的每日預測，以便他們進行適當的人員配備（醫生、護士等）
所以我的問題是，在 covid 變化階段做時間序列的最佳方法是什麼？ 在 covid 之前，我使用季節性 Arima 模型進行預測。
我有自 2019 年 7 月以來的每日數據。 包含自 2019 年 7 月以來的數據是個好主意，還是因為我們每天的交易量減少了約 35%，所以只關注 2020 年 3 月的數據並預測 14 天是個好主意？或剛剛過去 3 週預測 14 天...
請指教。
回复：covid 階段的每日患者數量預測使用去年的平均值將保證一半的時間超過“目標”，一半的時間低於目標。 如果您想在不了解的情況下簡單地使用歷史數據，但想考慮日常波動，您可以使用 BY 選項運行模型並將星期幾放入 BY。 這樣，您將擁有一周中每一天的模型。 如果您想比過去更多地加權最近的數據，您需要考慮什麼類型的加權 9e.g.，指數）。 再次由於過程/數據的不一致，我認為加權不是一個好主意，並且會使您已經不理解的事情複雜化。
另一方面，您可以忽略我的所有觀點並使用您想要的任何數據來創建您想要的任何模型。
“所有模型都是錯誤的，有些是有用的”。 GEP 盒子
回复：covid 階段的每日患者數量預測是的..它的基本模型，我研究了一些影響因素，但我們沒有像天氣因素這樣的數據。
在這個covid期間，不確定性變得更高且具有挑戰性。
在此之前，我們使用的是去年的平均水平……至少我們有一些基本模型可以提供一些每日變化，例如一周中的某一天以及趨勢。
使用我們目前擁有的最好的東西，我現在只想保持兩件事 1. 每週變化（週一高等），因此他們將在周一比其他日子更多的工作人員和 2. 給過去幾天更多的權重
在這方面什麼模型最好？
回复：covid 階段的每日患者數量預測您正在嘗試創建一個不了解（或考慮）可能影響訪問響應變量的變量的模型。 您放入模型的唯一預測變量是時間。 恕我直言，為了獲得有用的預測模型，您需要了解哪些因素會影響響應變量 Y=f(x)。 一旦您了解了有影響的輸入變量 (x)，您就可以考慮如何控制、管理、測量這些 x 以實現所需的輸出（請注意，有些 x 會影響平均值，有些會影響可變性）。 正如我已經指出的那樣，您的數據表明有 x 尚未確定，導致實際訪問次數不穩定。 沒有數學模型可以緩解這種情況。 “垃圾進垃圾出。” 我建議你：
1.映射過程，
2. 識別可能有影響的 x，
3. 提出關於為什麼這些 x 可能有影響或沒有影響的假設
4. 收集數據以深入了解您的假設。
是的，這是一項具有挑戰性的工作，需要資源來研究這個過程。
“沒有即食布丁”。 戴明
然後你就可以開始考慮用數學模型來預測了。
回复：covid 階段的每日患者數量預測你好
我同意我們有一個明確的每週變化。 你對鋤頭很多變化的問題是可以接受的....然後我會說任何小於 10 的東西。 預測是每天急診科就診，我們的人員配備是根據我們預計在接下來的兩週內看到的數量。
我用了遊行到 t - 1預測日期3週。就像您觀察到的那樣，它在 3 月 15 日之前大約是 160 秒，然後在幾週內顯著下降，最近又在 120 秒時回升。
我已按照這些步驟（附件）
這就是我正在製作的，但實際仍然是 120s 130s 所以使用這個我們有人員過多正如預測顯示它將在 160 年代
我想知道是否有什麼我需要在這裡做的..
請指教…
回复：covid 階段的每日患者數量預測感謝您附上 JMP 文件。
我不知道就風險/回報而言，訪問“成本”是多少？ 預測需要多精確？ 在多少次訪問範圍內？ 如果訪問次數很少（≤ 10），那麼您現在的流程會有很大的變化。
您需要了解數據中的那些特定跳躍。 在我看來，好像有一個 7 天的周期。 我不確定“計算”的實際訪問次數是否受星期幾的影響？ 也許計算訪問的時間或日期會受到輪班變化或數據登錄方式的影響。 似乎它與週日/週一相關？ 也許所有的周末訪問都在周日或週一進行統計？ 除非你的測量或會計是一致的，否則很難對預測充滿信心。 查看附加數據，平均值在 3 月 19 日左右發生變化。 3 月 19 日之前的平均值約為 157 (121-193)。 3/19-5/3 的平均值約為 102 (66-140)。 看來您在 Covid 之前的總訪問次數比之後多。 在計劃方面，您必須決定有多少成本與有足夠的能力來處理極端預測相關，或者與沒有計劃足夠的訪問相關的風險是什麼。
回复：covid 階段的每日患者數量預測謝謝你讓我注意到那些變化很大的日期。 我已開始調查此信息。
根據您的要求，我附上了我計劃在 5 月 24 日至 6 月 6 日預測的數據，因為這是我們用來為該支付期的員工計劃的數據。
下面是使用控製圖附加的 JMP 文件。 在新冠病毒之前，很少有變化是正常的，現在需要一些調整來適應這種不確定性。
鑑於這些數據，您能否推薦我預測 3 週的最佳選擇是什麼？
如果您在這裡指導我，我將不勝感激。
謝謝
回复：covid 階段的每日患者數量預測為什麼不附加 JMP 文件？
我根據您的實際數據創建了 MR，單個圖表：MR 圖表回答了這個問題：連續天數的變化（短期變化）是否一致且穩定？ 單個圖表回答了這個問題：短期或長期哪些變化來源更大。
如您所見，您有 MR 圖表識別的“特殊原因”數據。 這些“事件”值得調查，雖然它們發生在 4/26-4/27 和 5/3-5/4，所以現在你假設這些日期之間發生了什麼？ 由於 MR 不一致，您必須仔細解釋各個圖表上的控制限（因為 MR 用於計算控制限，我們知道它是不一致的）。 似乎確實存在長期變化的來源，超出了日常發現的來源。
回复：covid 階段的每日患者數量預測嗨，斯塔特曼
我已附上實際和預測的文件（來自 (110,012)7 的時間序列季節性動畫
我用了 7，因為我們每週都有變化，比如星期一的高
我用了3/20 到 5/09 實際顏色至預測 5/10 到 5/23這也被添加到 cols c 到 g
回复：covid 階段的每日患者數量預測請附上您的 JMP 文件，我會看一下。
回复：covid 階段的每日患者數量預測謝謝斯塔特曼。
我使用過去 4 週的數據來預測接下來的 3 週。 預測趨勢正在上升，但實際上實際並不高。這導致了人員配備問題，因為我們為 165 名患者配備了人員，但實際上我們只看到了 120 名患者。
理想情況下，它應該在下圖中的紅線中
有沒有辦法我們可以給上週更多的權重並保持每週的模式（週一高，週五低等）。
那是哪種方法..或者有更好的建議。
請指教
謝謝
回复：covid 階段的每日患者數量預測如果每日患者量是一致且穩定的（使用控製圖進行驗證），那麼您將能夠擴展控製圖的限製作為對未來時間段的預測。 但是，如果患者數量不一致，任何預測方法都會很差。 自 COVID 爆發以來，我的猜測是事件之前的數據不能代表當前情況。 您可以嘗試對可能代表未來 14 天的“最近”數據進行建模（我不知道那是什麼具體數據）。 但是，無論如何，如果過程不穩定，任何預測都會很差。 找到有助於了解患者體積的領先指標可能會很有用。
