Pemeriksaan data proliferasi COVID-19 menggunakan perbedaan tingkat pertama. Dan apa yang terjadi?

Hai Habr. Gagasan muncul dengan gagasan menganalisis data menggunakan perbedaan. Metode ini bukan hal baru, tetapi esensi dari gagasan ini adalah untuk menyelidiki bukan nilai absolut dari data distribusi, tetapi bagian dari agen (negara) dalam total ensemble agen (semua negara). Dan perilaku ini ikut dalam proses epidemi.

Pada Gambar 1, ia mempresentasikan semua poin yang dipelajari (hampir 24.000, data dari Pusat Eropa untuk Pencegahan dan Pengendalian Penyakit ), sehingga sedikit berlumpur, dan menyoroti garis perkiraan untuk negara-negara yang secara jelas menunjukkan karakter mereka dengan persamaan regresi dan koefisien R ^ 2 .


Ara. 1.

Menit Perawatan UFO

COVID-19 — , SARS-CoV-2 (2019-nCoV). — , /, .

• C
• C
• ()

, .

, , .

: |

Dalam gambar, di bawah spoiler, ia mempresentasikan data di negara-negara yang dipilih dalam dua versi, ketika perubahan dalam pangsa agen dan data aktual tentang pertumbuhan orang yang terinfeksi diperiksa. Dengan sedikit analisis grafik. Secara umum, dapat dikatakan bahwa metode perbedaan dalam interpretasi ini dapat berfungsi sebagai indikator utama tambahan untuk proses pengembangan pandemi, seperti indikator dalam analisis teknis nilai tukar.

Grafik

. 2.


. 3.


. 4.


. 5.


. 6.

Landasan teori

Saya akan menyajikan informasi awal tentang mekanisme indikator di awal dengan contoh sederhana dari contoh aktual.

Ambil kelompok lokal dari tiga negara (Rusia, Iran, AS) untuk periode 22 April (Gambar 7).

1a) Di Iran, jumlah orang yang terinfeksi pada 22/04/2020 adalah 84.802.
1b) Di Iran, jumlah orang yang terinfeksi pada 23 April 2020 adalah 85.996.
2a) Di Rusia, pada 22 April 2020, jumlah orang yang terinfeksi berjumlah 52.763 orang.
2b) Di Rusia, jumlah orang yang terinfeksi pada tanggal 23 April 2020 adalah 57.999.
3a) Di Amerika Serikat, jumlah orang yang terinfeksi pada 22 April 2020 adalah 825041 orang.
3b) Di AS, jumlah orang yang terinfeksi pada 23/04/2020 adalah 842.629 orang.
4a) Jumlah total orang yang terinfeksi, dalam ansambel dari tiga negara, pada 04.22.2020 - 962606 orang.
4b) Jumlah total orang yang terinfeksi, dalam ansambel dari tiga negara, pada tanggal 04/23/2020 - 986624 orang.


Ara. 7.

Pembuktian matematika.

Nyatakan jumlah total yang terinfeksi pada langkah (per tanggal) i - Ni.
Nyatakan jumlah total orang yang terinfeksi di negara j pada tanggal i = Mji.
Kemudian fungsi yang diteliti memiliki bentuk:
Fji = Mji / Ni
Peningkatan fungsi dFji memiliki bentuk:



Fungsi ini memiliki properti keseimbangan yang penting, yaitu bahwa jumlah semua perbedaan pada setiap langkah (pada setiap tanggal) adalah 0. Selanjutnya, pembenaran matematis.



Konsekuensi kedua dari hukum keseimbangan ini adalah bahwa jumlah semua perbedaan di seluruh proses pembangunan dan kehidupan epidemi juga nol. Matematika di bawah.



Perbedaan-perbedaan ini memiliki tiga keadaan:

A) Kurang dari nol;
B) adalah 0;
C) Lebih dari nol.

Interpretasi mereka mengikuti aturan standar untuk mempelajari fungsi dan, di sini, saya tidak akan membebani aspek-aspek ini.

Pertimbangkan perilaku grafik fungsi di infinity. Kita ingat bahwa prinsip-prinsip modern mengatakan bahwa hari ini kita tidak dapat membasmi virus, tetapi kita hanya dapat mencoba membawa kejadian untuk alasan ini ke tingkat yang dapat diterima. Artinya, suatu tempat di masa depan akan ada keadaan keseimbangan sesuai dengan kondisi:
Mji + 1 = Mji + dj

Artinya, untuk perkembangan aritmatika, kemudian dengan asumsi bahwa pertumbuhan (alfa) dari jumlah total orang yang terinfeksi lebih dari 1, kita dapatkan:



Ini terlihat jelas dalam grafik untuk Cina.


Gambar 12.

Dari hal tersebut di atas, properti berikut ini terbentuk. Bahwa model ini bisa stabil di hadapan semburan lokal di satu atau sebagian agen (negara).

Kami beralasan sebagai berikut. Dalam proses pengembangan pandemi, setiap negara akhirnya akan memasuki tahap ketika perbedaan berikutnya mendekati nol dari sisi negatif. Jumlah negara-negara ini akan meningkat dan, idealnya, mendekati jumlah k-1. Tetapi tidak ada yang lebih dari ini, karena persamaan keseimbangan harus diperhatikan. Pada k-1, jumlah total perbedaan pada langkah ke-i akan kurang dari nol. Dan kemudian negara k-th harus memiliki nilai selisih lebih besar dari nol, sehingga saldo akhir adalah nol. Itu gelombang. Pada langkah i +1, negara k-th mengurangi perbedaannya dan bergerak pada grafik ke setengah-bidang negatif. Tetapi ini hanya mungkin jika ada lonjakan di satu atau lebih negara yang sebelumnya berada di zona negatif. Inilah yang kita semua lihat dalam wabah flu musiman,yang harus mematuhi hukum yang sama.

Menilai kompleksitas tugas, hal pertama yang terlintas dalam pikiran adalah "masalah tiga tubuh", tetapi ada 206 di sini. Secara teori dimungkinkan, tetapi tidak jelas, sistem persamaan diferensial mana yang harus dipecahkan. Tetapi di sisi lain, sistem persamaan diferensial menyiratkan parameter awal, dan kami sudah memiliki banyak parameter seperti itu. Mengingat fakta bahwa rentang nilai fungsi adalah dari -1 hingga +1 dan sistem diffour menyiratkan banyak zona mati. Menurut model yang dibangun, jumlah saldo karena kesalahan dalam perhitungan menyimpang dari nol dengan 1 * 10 ^ -17. Artinya, kisaran nilai yang dipelajari adalah 2 * 10 ^ 17. Saya kira kondisi seperti itu memungkinkan untuk merancang dan melatih jaringan saraf, yang mungkin lebih cepat. Untungnya, model tersebut diskalakan berdasarkan kota untuk masing-masing negara, sehingga sampel pelatihan dapat ditemukan cukup.

Ya, sedikit lalat dalam model ini.

Ketika saya melihat saldo agen, saya menemukan bahwa perbedaan akumulasi berperilaku sebagai berikut, seperti pada gambar di bawah untuk China.


Gbr. 13.

Angka tersebut menunjukkan bahwa Cina menerima semua massa negatif. Tidak termasuk Cina menerima jadwal yang sama, tetapi Thailand mengambil alih massa negatif. Hipotesis saya tentang properti ini adalah sebagai berikut. Sejauh ini, jumlah agen (negara) model tidak berubah mencerminkan proses internal. Pada tahap ketika agen baru ditambahkan (yaitu, yang terinfeksi terdeteksi di negara lain), sistem menangkap status terakhir dari tahap sebelumnya dan ini menjadi parameter awal untuk selanjutnya.

Meringkas secara umum, dapat diasumsikan bahwa model ini dapat digunakan sebagai indikator utama penyebaran pandemi dan proses serupa, seperti distribusi produk tertentu, terutama di Internet. Pada tingkat intuitif, ia mengajukan hipotesis untuk dirinya sendiri bahwa beberapa indikator analisis teknis dapat diperbaiki. Saya juga akan mempertimbangkan hipotesis mengklarifikasi metode untuk menentukan volatilitas dalam menentukan harga opsi, ada satu titik yang tidak jelas di mana interval nilai historis untuk menentukan volatilitas ditentukan.