Get best of the week

使用一阶差异检查COVID-19增殖数据。那是怎么回事

哈Ha 这个想法提出了使用差异分析数据的想法。该方法不是新方法，但该思想的实质是不调查分布数据的绝对值，而是调查代理商（国家）在代理商（所有国家）总体中的份额。并在流行过程中共享这种行为。

在图1中，他展示了所有研究的要点（近24,000，来自欧洲疾病预防控制中心的数据），因此有点混浊，并突出显示了那些用回归方程和系数R ^ 2清楚显示其特征的国家的近似线。 。


图。1。

不明飞行物护理分钟


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



, .

, , .

: |

在图中，他在破坏者的角色下，以两个版本显示了所选国家/地区的数据，其中包括调查了代理商所占份额的变化以及有关受感染人数增长的实际数据。用一点图表分析。一般而言，可以说这种解释中的差异方法可以作为大流行发展过程的辅助主导指标，就像汇率技术分析中的指标一样。

图表

. 2.


. 3.


. 4.


. 5.


. 6.

理论基础


我将通过一个简单的实际示例在开始时介绍有关指标机制的初始信息。

以一个由三个国家（俄罗斯，伊朗，美国）组成的本地组为例，该时间段为23年4月22日（图7）。

1a）截至2020年4月22日，伊朗的受感染人数为84,802。
1b）伊朗在2020年4月23日的感染人数为85,996。
2a）截至2020年4月22日，俄罗斯的受感染人数为52,763人。
2b）在俄罗斯，截至2020年4月23日的感染人数为57,999。
3a）在美国，截至2020年4月22日的感染人数为825041人。
3b）在美国，截至2020年4月23日的感染人数为842629人。
4a）截至2020年4月22日，来自三个国家的集合中的总感染人数为962606。
4b）截至04/23/2020，来自三个国家的合计感染人数总数986624。


图。 7.

数学依据。

表示第i-Ni步（截至日期）的感染总数。
表示在i = Mji时在国家j中感染的总人数。
然后，所研究的函数具有以下形式：
Fji = Mji / Ni
dFji函数的增量具有以下形式：



该函数具有重要的平衡性质，即每个步骤（在每个日期）上所有差异的总和为0.此外，还有数学上的理由。



这种平衡定律的第二个结果是，在整个发展过程和流行病的整个生命过程中，所有差异的总和也为零。数学如下。



这些差异具有三种状态：

A）小于零；
B）为0；
C）大于零。

它们的解释遵循研究功能的标准规则，在这里，我将不赘述这些方面。

考虑函数图在无穷大处的行为。我们记得，现代原则说，今天我们无法根除该病毒，但由于这个原因，我们只能设法将其发病率提高到可接受的水平。也就是说，根据条件，将来某处将处于平衡状态：
Mji + 1 = Mji + dj

也就是说，对于算术级数，假设感染总人数的增长（alpha）大于1，我们得到：



这在中国的图中清晰可见。


图12。

根据前述内容，形成以下性质。在一个或部分代理（国家）中存在局部突发时，该模型可以保持稳定。

我们推理如下。在发展大流行的过程中，每个国家最终都将进入阶段，其后的差异从负向接近零。这些国家的数目将增加，理想情况下将接近k-1的数目。但是，由于必须遵守平衡方程，因此不可能再有这种情况了。在k-1处，第i步的差的总和将小于零。然后，第k个国家的差异值应大于零，以使最终余额为零。那是一个浪潮。在第i + 1步，第k个国家/地区减小了差异，并在图形上移至负半平面。但这只有在一个或多个先前处于负面区域的国家激增的情况下才有可能。这就是我们在季节性流感爆发中看到的一切，必须遵守相同的法律。

评估任务的复杂性时，首先想到的是“三体问题”，但这里有206个问题，从理论上讲，哪一个微分方程组必须求解，但尚不明确。但是另一方面，微分方程组包含初始参数，并且我们已经有很多这样的参数。鉴于函数值范围从-1到+1并且扩散系统意味着许多盲区这一事实。根据构造的模型，由于计算错误而导致的余额金额从零偏离1 * 10 ^ -17。也就是说，研究值的范围是2 * 10 ^ 17。我想这样的条件可以设计和训练一个更快的神经网络。幸运的是，该模型针对每个国家/地区按城市缩放；因此，可以找到足够的训练样本。

好吧，在此模型中有一点苍蝇。

当我查看代理人的余额时，我发现累积的差异表现如下，如下图所示。


图13

该图表明，中国承担了所有负数。排除中国也有类似的时间表，但泰国接管了负数。关于这个属性的我的假设如下。到目前为止，座席（国家）数量不变的模型反映了内部流程。在添加新代理的阶段（即，在另一个国家中检测到受感染的代理），系统将捕获上一个阶段的最后一个状态，这成为下一个阶段的初始参数。

一般而言，可以假定该模型可以用作大流行和类似过程（例如某些产品的分销，尤其是在Internet上）的传播的主要指标。在直觉上，他为自己提出了一个假设，即一些技术分析指标可以纠正。我还将考虑一种假设，即在确定期权价格时澄清确定波动率的方法的假设，其中一个不确定的点确定了确定波动率的历史价值区间。

More articles:


All Articles