[過去ﾛｸﾞ] 数学 統計に詳しい人が語るコロナウイルス (1002ﾚｽ)

数学 統計に詳しい人が語るコロナウイルス http://rio2016.5ch.net/test/read.cgi/math/1582910321/

上下前次1-新
通常表示 512ﾊﾞｲﾄ分割 ﾚｽ栞
抽出解除 ﾚｽ栞

---

このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ

---

ﾘﾛｰﾄﾞ規制です｡10分ほどで解除するので､他のﾌﾞﾗｳｻﾞへ避難してください｡

---

10: １３２人目の素数さん [sage] 2020/03/10(火) 11:16:04.35 ID:H1fx2jVB 感度70％特異度90％で 有病率と陽性的中率・陰性的中率の関係をグラフにしてみた。 https://i.imgur.com/HGqPv2y.jpg 陽性的中率が0.8になるのは有病率が0.63のとき そのRのコードはこれ。 rm(list=ls()) pr2pv <- function( # prevalence to predicative value pr ,# prevalence sn=0.7, # sensitibity=TP/(TP+FN) sp=0.9) # specificity=TN/(TN+FP) { N=1 # polutaion million, billion,or any proper unit si=pr*N # sick population he=(1-pr)*N # healthy population TP=si*sn FN=si*(1-sn) TN=he*sn FP=he*(1-sn) PPV=TP/(TP+FP) NPV=TN/(TN+FN) PV=c(PPV=PPV,NPV=NPV) return(PV) } prev=seq(1e-7,1,length.out = 1000) plot(prev,sapply(prev, function(x) pr2pv(x)['PPV']),bty='l',type='l', ylab='predicative vale',xlab='prevalence(log)',main='sensitity=0.7,specificity=0.9',log='x',lwd=2) lines(prev,sapply(prev, function(x) pr2pv(x)['NPV']),lty=3,lwd=2) legend('center',bty='n',legend=c('Posivive Predicative Value','Negative Predicative Value'),lty=c(1,3),lwd=2) abline(h=0.8,col='gray') uniroot(function(x) pr2pv(x)['PPV']-0.8, c(0,1)) http://rio2016.5ch.net/test/read.cgi/math/1582910321/10

113: １３２人目の素数さん [sage] 2020/03/24(火) 11:56:18.35 ID:TnHQvRcs β分布のパラメータを出すRスクリプト # a,b to Mode,mean,variance ab2Mmv<-function(a,b){ M<-(a-1)/(a+b-2) m<-a/(a+b) v<-a*b/((a+b)^2*(a+b+1)) cat('Mode =',M,'mean =',m,'variance =',v,'\n') invisible(c(Mode=M,mean=m,variance=v)) } # Mode,kappa to mean,variance Mk2mvab= function( mode , kappa ) { # if ( mode < 0 | mode > 1) stop("must have 0 <= mode <= 1") # if ( kappa <2 ) stop("kappa must be >= 2 for mode parameterization") a = mode * ( kappa - 2 ) + 1 b = ( 1.0 - mode ) * ( kappa - 2 ) + 1 m=a/(a+b) v=m*(1-m)/(a+b+1) return( c( mean=m , variance=v,a=a,b=b ) ) } # Mode,variance to a,b Mv2ab = function(mode,vari){ f=function(kappa) Mk2mvab(mode,kappa)[2] - vari kappa=uniroot(f,c(2,10000))$root ab=Mk2mvab(mode,kappa)[c('a','b')] ab2Mmv(ab[1],ab[2]) return(ab) } (sn=Mv2ab(0.7,0.05^2)) curve(dbeta(x,sn[1],sn[2]),bty='l') (sp=Mv2ab(0.9,0.05^2)) curve(dbeta(x,sp[1],sp[2]),bty='l') http://rio2016.5ch.net/test/read.cgi/math/1582910321/113

159: １３２人目の素数さん [sage] 2020/03/28(土) 16:07:51.35 ID:qsSYTF8t 何このアホスレ？ http://rio2016.5ch.net/test/read.cgi/math/1582910321/159

185: １３２人目の素数さん [sage] 2020/03/31(火) 17:50:11.35 ID:ncBHjUEo 最も重要なファクターは事前感染率。 事前感染率はいくらに設定したの？ 偽陽性が調査対象の10パーセント程含まれる。 医者が怪しいと判断した場合にのみ検査をする場合は、真陽性が調査対象の数十パーセントが期待できる。 このような場合は、真陽性は偽陽性より多数であることが期待でき、検査対象の正確な感染率は把握できるが、 「日本人1億2680万人からX人を無作為に抽出」のような方法だと、感染率0.01%(←現在確認できている感染者の 7倍程度が実際の感染者数に相当)辺りが妥当だと思われるが、この場合、五万人調査して、真陽性5人、偽陽性5000人 のような数字が出てくる。感染率0.02%だったとすると、真陽性10人、偽陽性5000人だ。 中央値のみで判断すると、例えば、5005人の陽性が出ると、0.01%で、5010人の陽性者が出ると0.02%　のような データが出てくる。誤差との見極めは困難。 このような数字から、信頼できる感染率が出せるのか？ http://rio2016.5ch.net/test/read.cgi/math/1582910321/185

233: １３２人目の素数さん [sage] 2020/04/10(金) 00:25:10.35 ID:EjAtBG4Z 日本もすでに欧州同様指数関数ラインにのってる模様、 https://i.imgur.com/qAJa2Ty.png 欧州並になるのは文字通り時間の問題かと 日本のコロナ感染発覚者数 3月24日 1193 3月25日 1307 3月26日 1387 3月27日 1499 3月28日 1693 3月29日 1866 3月30日 1953 3月31日 2178 4月 1日 2384 4月 2日 2617 4月 3日 2935 4月 4日 3139 4月 5日 3654 4月 6日 3906 4月 7日 4257 4月 8日 4667 オリンピック延期決定した3月24日をDay1として線形回帰すると https://i.imgur.com/Q45Xo8V.png y=c(1193,1307,1387,1499,1693,1866,1953,2178,2384,2617,2935,3139,3654,3906,4257,4667) z=as.Date("2020-03-24")+ 0:(length(y)-1) plot(z,y,bty='l',pch=19) x=1:length(y) plot(x,y,bty='l') (re.lm=lm(log(y)~x)) b0=re.lm$coef[1] b1=re.lm$coef[2] names(b0)='' f <- function(x) exp(b0)*exp(b1*x) # 1059.063*exp(0.09231543*x) curve(f(x),add=T) n=1:50 plot(n,f(n),bty='l') f1 <- function(y) print(log(y*exp(-b0))/b1 + as.Date("2020-03-24"),quote=F) f1(c(5000,1e4,5e4,1e5,5e5,1e6,1e7,1e8,1.2595e8)) 感染者が５千、１万、５万、１０万、５０万、百万、１千万、１億、１億２５９５万人に達する日は > f1(c(5000,1e4,5e4,1e5,5e5,1e6,1e7,1e8,1.2595e8)) [1] 2020-04-09 2020-04-17 2020-05-04 2020-05-12 2020-05-29 [6] 2020-06-06 2020-07-01 2020-07-26 2020-07-28 http://rio2016.5ch.net/test/read.cgi/math/1582910321/233

284: １３２人目の素数さん [sage] 2020/04/14(火) 13:14:47.35 ID:s2XHPXPF まあ、円周率の１億桁目がわからんから、０〜９の一様分布とするのはどうかとは思うが、 こういう問題 あるタクシー会社のタクシーには１から通し番号がふられている。 タクシー会社の規模から保有タクシー台数は１００台以下とわかっている（弱情報事前分布）。 この会社のタクシーを５台みかけた。最大の番号が６０であった。 この会社の保有するタクシー台数の期待値と９５％信用区間(信頼区間)を求めよ。 をベイズで解くときは、 ６０台〜１００台である確率を一様分布として処理している。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/284

344: １３２人目の素数さん [sage] 2020/04/16(木) 23:31:42.35 ID:10nqZrEx そのうち、過剰診断と言い出す予感。 福島の甲状腺がんみたいに。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/344

389: １３２人目の素数さん [sage] 2020/04/21(火) 14:53:08.35 ID:pHehMVs5 >>386 sirモデルでは罹患した患者が回復するまでの機会中常に一定の確率(感染率)で遭遇した感受受宿主に感染を広めると仮定して立式してる。 ザックリした傾向を見るならそれで十分だけど、実際のモデルではそんな事はありえない。 感染する確率は患者の体内で繁殖しているウィルス量の増加に従って増えるからその効果を勘案してΓ分布(というかt^c d^x なる形の関数)に応じて感染率が罹患した時点から変化するとするんでしょ？ もちろんコレでも大体の傾向見るにはコレで十分というモデルを臨床例から適当に選んでるだけでしょ？ 実際には未来永劫感染力を持ち続けるなんて事があるはずないし、罹患初期のウィルス量の増え方はおそらく指数関数的に増えるものを採用すべきだろうし。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/389

394: １３２人目の素数さん [sage] 2020/04/23(木) 04:58:29.35 ID:3vcirHk0 >>393 これを微分で解いたら、ネ申か狂人だろな。 AからHの8人はそれぞれ正直者か嘘つきであり、誰が正直者か嘘つきかはお互いに知っている。 A,B,C,D,Eは嘘つきなら必ず嘘をつくが、F,G,Hは嘘つきでも正しいことを言う場合がある。 次の証言から確実に正直者と断定できるのは誰か？ A「嘘つきの方が正直者より多い」 B「Hは嘘つきである」 C「Bは嘘つきである」 D「CもFも嘘つきである」 E「8人の中に、少なくとも1人嘘つきがいる」 F「8人の中に、少なくとも2人嘘つきがいる」 G「Eは嘘つきである」 H「AもFも正直者である」 http://rio2016.5ch.net/test/read.cgi/math/1582910321/394

576: １３２人目の素数さん [sage] 2020/05/21(木) 13:00:03.35 ID:hAZkHjNF >>573 ベイズ信奉者から、ベイズ論者を採用したGAFA(Google等）が成長したと教わった。 迷惑メールのフィルタリングとか雑音の除去とか日常的に役立っているというぞ。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/576

954: １３２人目の素数さん [] 2020/08/01(土) 10:49:24.35 ID:kSBhb5Su どうみても弱毒化しているように見えますので、 俺は弱毒化（致死率の低下）についてモデルを 考えてみます。 つか、コロナウィルスってどんどん変化するらしいので、 すぐに性質変わるんですよね？ ウィルスはド素人なので全くわかりませんけど・・・。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/954

---

ﾒﾓ帳

(0/65535文字)

---

上下前次1-新書関写板覧索設栞歴

---

ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ AAｻﾑﾈｲﾙ

---

Google検索

Wikipedia

---

ぬこの手 ぬこTOP 0.043s