[PYTHON] Ich habe versucht, die Exponentialfunktion und die Logistikfunktion an die Anzahl der COVID-19-positiven Patienten in Tokio anzupassen

Hintergrund

Jemand hat den globalen COVID-19-Infektionstrend an Exponential- und Logistikfunktionen angepasst und die Verdopplungsperiode berechnet (https://github.com/aatishb/covid). Klonen Sie ihn also. Ich habe es auf die Daten über die Anzahl der Patienten angewendet, die von der Tokyo Metropolitan Government veröffentlicht wurden.

Der Grund für Tokio ist, dass bei landesweiten Daten die unterschiedlichen Umstände je nach Region in einer Verteilung zusammengefasst werden, sodass es einfacher ist, sie auf das ideale Modell der Infektionsexplosion in einem begrenzten Gebiet anzuwenden. .. Es ist auch die Region mit dem höchsten Risiko in Japan.

Die Analysemethode und Vorsichtsmaßnahmen sind im Notizbuch beschrieben.

Ergebnis

Das Notizbuch finden Sie hier: https://github.com/msakuta/covid/blob/master/curvefit-tokyo.ipynb

** Based on Most Recent Week of Data **

	Confirmed cases on 2020-04-02 00:00:00 	 587.0
	Confirmed cases on 2020-03-26 00:00:00 	 212.0
	Ratio: 2.77
	Weekly increase: 176.9 %
	Daily increase: 15.7 % per day
	Doubling Time (represents recent growth): 4.8 days

** Based on Logistic Fit**

	R^2: 0.9753797360404987
	Doubling Time (during middle of growth):  12.02 (± nan ) days

** Based on Exponential Fit **

	R^2: 0.975379736914424
	Doubling Time (represents overall growth):  6.01 (± 0.38 ) days

image.png

Bemerkenswert ist der Wert von R ^ 2, der sowohl für Exponential- als auch für Logistikfunktionen 0,97 überschreitet und einem typischen explosiven Wachstumspfad folgt.

Basierend auf der Anzahl der Fälle in der letzten Woche beträgt die Verdopplungsdauer 4,8 Tage, die Logistikfunktion 12,02 Tage (am maximalen Gradientenpunkt) und die Exponentialfunktion 6,01.

Bei Extrapolation

Die Extrapolation der Exponentialfunktion ist im Allgemeinen keine gute Idee, aber wenn das exponentielle Wachstum anhält, wird es in 30 Tagen etwa 20.000 sein.

image.png

Natürlich ist es nicht leicht zu schließen, dass dies passieren wird. Die Stadt hat auch einen Antrag gestellt, nicht auszugehen, und die Wahrnehmung der Menschen hat sich in den letzten Wochen erheblich verändert. Ich denke, es besteht eine gute Chance, dass es schnell konvergiert. Wenn ich mir diese Grafik anschaue, muss ich jedoch denken, dass es ein ziemlich schlechtes Wetter ist, zu sagen, dass "es nur knapp ist".

Das Beängstigende an COVID-19 ist, dass es eine unbewusste Latenzzeit hat, während der es das Virus verbreiten kann. Nach Angaben der Japan Society for Infectious Diseases beträgt diese Latenzzeit 1 bis 14 Tage (https://www.kansensho.or.jp/ref/d77.html), ist jedoch die längste Zeit, um entsprechende Maßnahmen zu ergreifen. Dies bedeutet eine Verzögerung von etwa zwei Wochen. Persönlich denke ich, dass es zu spät ist, jetzt einen Notfall zu erklären.

Darüber hinaus ist die Anzahl der Tests in Japan erheblich geringer als in anderen Ländern, sodass nicht bekannt ist, wie viele unentdeckte Infizierte lauern.

Was noch schwieriger ist, ist, dass sich die Dinge jede Woche drastisch ändern. Ich denke, es gibt einige Bereiche, in denen die Gefühle der normalen Menschen nicht aufholen. Aber auch in Tokio, einen Monat später, wie in New York, können die aus dem Krankenhaus überfließenden Leichen im Kühlschrank aufbewahrt werden.

Glücklicherweise wird die Anzahl der Infizierten täglich aktualisiert, daher möchte ich die Trends so weit wie möglich im Auge behalten.

Referenz

Obwohl vom ursprünglichen Autor von Notebook vorgestellt, wird das folgende Video dringend empfohlen.

https://www.youtube.com/watch?v=Kas0tIxDvrg

https://www.youtube.com/watch?v=54XLXg4fYsc&t=1s

Recommended Posts

Ich habe versucht, die Exponentialfunktion und die Logistikfunktion an die Anzahl der COVID-19-positiven Patienten in Tokio anzupassen
Ich möchte den Dateinamen, die Zeilennummer und den Funktionsnamen in Python 3.4 erhalten
Ich habe ein Python-Diagramm mit öffentlichen Daten zur Anzahl der neuen Coronavirus (COVID-19) -positiven Patienten in Tokio + mit einem Link zur nationalen Version der Praxisdaten gezeichnet
Ich habe versucht, die Zeit und die Zeit der C-Sprache zu veranschaulichen
Ich habe versucht, die Mail-Sendefunktion in Python zu implementieren
Ich habe versucht, das lokale Minimum der Goldstein-Preis-Funktion zu bekämpfen
Ich habe versucht, die Anzahl der Todesfälle pro Kopf von COVID-19 (neues Koronavirus) nach Ländern zu tabellieren
Ich habe versucht, die Altersgruppe und die Ratenverteilung von Atcoder zu visualisieren
(Python) Ich habe versucht, 1 Million Hände zu analysieren ~ Ich habe versucht, die Anzahl der AA ~ zu schätzen
Ich habe versucht, die Phase der Geschichte mit COTOHA zu extrahieren und zu veranschaulichen
Ich habe versucht, die Beschleunigung von Python durch Cython zu verifizieren und zu analysieren
Ich habe versucht, den Höhenwert von DTM in einem Diagramm anzuzeigen
Ich habe das VGG16-Modell mit Keras implementiert und versucht, CIFAR10 zu identifizieren
Erstellen Sie einen Bot, der die Anzahl der Personen, die für das neue Corona-Virus in Tokio positiv sind, an Slack sendet
Ich habe die Pivot-Table-Funktion von Pandas ausprobiert
Ich habe versucht, die Trapezform des Bildes zu korrigieren
Ich habe versucht, die Texte von Hinatazaka 46 zu vektorisieren!
Ich habe versucht, das Update von "Hameln" mit "Beautiful Soup" und "IFTTT" zu benachrichtigen.
Ich habe versucht, die Anzahl der mit dem Coronavirus infizierten Menschen in Japan nach der Methode des neuesten Papiers in China vorherzusagen
Ich habe versucht, die Anzahl der mit dem Coronavirus infizierten Personen unter Berücksichtigung der Auswirkung des Verzichts auf das Ausgehen vorherzusagen
Ich habe versucht, die Sündenfunktion mit Chainer zu trainieren
So ermitteln Sie die Anzahl der Stellen in Python
Ich habe versucht, das Update von "Werde ein Romanautor" mit "IFTTT" und "Werde ein Romanautor API" zu benachrichtigen.
Ich habe versucht, die GraphQL-API der COVID 19-Situation infizierter Personen in der Präfektur Hyogo zu veröffentlichen.
Ich habe versucht, die Grundform von GPLVM zusammenzufassen
Ich habe versucht, das Artikel-Update des Livedoor-Blogs mit Python und Selen zu automatisieren.
Ich habe versucht, die Sündenfunktion mit Chainer zu approximieren
Ich habe versucht, die Spacha-Informationen von VTuber zu visualisieren
Ich habe versucht, den negativen Teil von Meros zu löschen
Ich habe versucht, die Verarbeitungsgeschwindigkeit mit dplyr von R und pandas von Python zu vergleichen
Ich habe versucht, die Stimmen der Sprecher zu klassifizieren
Ich habe versucht, die String-Operationen von Python zusammenzufassen
Ich habe versucht, zum Zeitpunkt der Bereitstellung mit Fabric und ChatWork Api automatisch in ChatWork zu posten
Ich habe versucht, die GraphQL-API der COVID 19-Situation infizierter Personen in der Präfektur Hyogo zu veröffentlichen. (Teil 2)
[Für Anfänger] Ich möchte die Anzahl der Lernerfahrungen leicht verständlich erklären.
Ich habe versucht, die Yin- und Yang-Klassifikation hololiver Mitglieder durch maschinelles Lernen zu überprüfen
Ich habe versucht, HULFT IoT (Edge Streaming) in das Gateway Rooster von Sun Electronics zu integrieren
[Verarbeitung natürlicher Sprache] Ich habe versucht, die Bemerkungen jedes Mitglieds in der Slack-Community zu visualisieren
Ich habe versucht, die Entropie des Bildes mit Python zu finden
Versuchen Sie, COVID-19 Tokyo-Daten mit Python zu kratzen
[Pferderennen] Ich habe versucht, die Stärke des Rennpferdes zu quantifizieren
So finden Sie die optimale Anzahl von Clustern für k-means
Ich habe versucht, die Standortinformationen des Odakyu-Busses zu erhalten
Ich habe versucht, mit TensorFlow den Durchschnitt mehrerer Spalten zu ermitteln
Ich habe versucht, den in Pandas häufig verwendeten Code zusammenzufassen
Ich habe versucht, den Chi-Quadrat-Test in Python und Java zu programmieren.
Ich habe versucht, die Uhrzeit und das heutige Wetter anzuzeigen
[Einführung in das Modell der Infektionskrankheiten] Ich habe versucht, zu passen und zu spielen ♬
[Python] Ich habe versucht, die folgende Beziehung von Twitter zu visualisieren
Ich habe versucht, die im Geschäftsleben häufig verwendeten Befehle zusammenzufassen
Ich habe ein wenig versucht, das Verhalten der Zip-Funktion
[Maschinelles Lernen] Ich habe versucht, die Theorie von Adaboost zusammenzufassen
Ich möchte die Natur von Python und Pip kennenlernen