[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
393: イナ ◆/7jUdUKiSM [sage] 2020/04/22(水) 19:51:00.75 ID:iq1GZOqA ‖∩∩ ‖ □ ‖前>>388 （(-_-)‖ ‖______ （っ⌒⌒ﾞ ｡‖╂─╂ ■`(_)_)ц~ ‖╂─╂ ＼■υυ■_∩∩､＼＼＼ ＼＼＼＼⊂(_ _ )`⌒つ､ ＼＼＼＼＼＼＼`υ､＼＼＼＼＼＼＼＼＼＼＼＼＼＼＼＼`>>391カブトガニでもシオマネキでもシュクメルリでも微分するのがいちばん強力だと思う。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/393
471: １３２人目の素数さん [sage] 2020/05/07(木) 22:36:59.75 ID:VnQvkZ57 >>470 同一キットじゃないから、ご指摘の通り。 しかも神戸大の方では陰性検体での確認はされていないから、神戸大方の陽性率が高いのは偽陽性を含む可能性もあるね。 大阪市大だけのデータでやってみると。 https://i.imgur.com/njVQtRZ.png http://rio2016.5ch.net/test/read.cgi/math/1582910321/471
504: １３２人目の素数さん [sage] 2020/05/14(木) 16:35:35.75 ID:kec+XbRE 再生算数を０〜１０人の一様分布にすると、収束しない。 > print(fit_u) Inference for Stan model: fit_infection_u. 4 chains, each with iter=10000; warmup=5000; thin=5; post-warmup draws per chain=1000, total post-warmup draws=4000. mean se_mean sd 2.5% 25% 50% 75% 97.5% n_eff Rhat mean_Rt 2.15 0.05 0.10 1.98 2.06 2.16 2.23 2.30 3 1.99 mean_Rt_adj 2.13 0.07 0.11 1.93 2.06 2.13 2.21 2.36 3 2.27 lp__ -789.19 7.18 14.43 -820.19 -797.69 -787.44 -779.42 -762.53 4 1.89 traceplotやchainの分布はこんな感じ、 https://i.imgur.com/z0RL1KW.png https://i.imgur.com/VRrrsKw.png http://rio2016.5ch.net/test/read.cgi/math/1582910321/504
677: １３２人目の素数さん [sage] 2020/06/09(火) 11:25:34.75 ID:QHj7P+P7 そうそう。西浦先生の >>671 で面白いのは、帰国者が大規模感染を起こす云々より、むしろ再生産数が1を超えているのに感染が止まる確率があることなんだよね。 http://rio2016.5ch.net/test/read.cgi/math/1582910321/677
766: １３２人目の素数さん [] 2020/07/10(金) 20:39:56.75 ID:hTe5Oog6 K値予測は、実効再生産数が0.7前後くらいの地域で、一時的要因により感染者が急増して域内での感染が蔓延、 その後収束していく様子を描いてるのでは？ 日本でいえば、東京以外の大都市部 鹿児島は、基本的な実効再生産数がかなり低く、クラスター対策もしっかりできたので、 大量に出た感染者は、K値予測よりかなりはやくストンと直滑降で収束 東京は、実効再生産数が継続的に1を超えてるので、K値予測が適応不可 東京以外の大都市部は、東京から継続的に感染者が供給されてるので、 「一時的要因」ではないのでK値予測が当てはまらない http://rio2016.5ch.net/test/read.cgi/math/1582910321/766
803: １３２人目の素数さん [] 2020/07/14(火) 22:48:00.75 ID:MNivzfqp SIRモデルによるCov19対策 ・法令システム.医療システム 行政システムによる。 SIRモデルから状況分析と予測より 感染者集団Ｙを減少させる つまりd Ｙ/dt<0にする。 SIRモデルで( S.I.R)→(X. Y. Z) とした。 ・SIRモデルは集団免疫モデルで 対策がない場合を予測する。 対策を考える場合も使える 第1式 新規感染者の増加 第2式 感染対策の効果 =新規感染者-隔離感染者 第3式 医療システム ・対策のための実効再生産数R 定性的な式 個人間は均等な接触から R→Ro×(個人間の接触回数割合) =(感染率)/(回復率)]× (個人間の均等な 接触回数割合) SIRモデルのβは広義の(感染率)× (個人間の均等な接触回数割合) ・第2式で dＹ/dt<0のためには β感染率→小 接触回数→小 γ隔離率→大 結果 Rは減少する γ→大の対策について ・第2式 d Ｙ/dt=βS Y-γＹ 戦略的PCR検査対策。 隔離率には抗体獲得.ワクチンと 検査隔離がある。 抗体集団検査が約大阪015>東京0.1> 宮城0.01パーセントだから集団免疫 なしかつワクチンがない。 クラスターが予想される地域店などへ 特にPCR検査を増やし感染者を 病院.ホテルへ隔離することは隔離者が 増加し Yが減少する。 ・第3式医療システム d Z/dt=γY隔離感染者 検査隔離(γ→大)で 隔離者増大より病床数が満杯になり 結果医療システムが崩壊するから 軽症ならホテル隔離へ。 東京方針はRを小さくする。 ・大阪K値について データへ指数関数を当てはめた 現象論に基づくから対策に繋がらない 戦略的PCR検査なし 本音は 経済優先でコロナはただの風邪路線 http://rio2016.5ch.net/test/read.cgi/math/1582910321/803
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
0.241s*