数学統計に詳しい人が語るコロナウイルス

[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)
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

10: １３２人目の素数さん [sage] 2020/03/10(火) 11:16:04 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

11: １３２人目の素数さん [sage] 2020/03/10(火) 12:10:41 ID:H1fx2jVB

"
SEIR MODEL
dS(t)/dt = mu*(N-S) - b*S(t)*I(t)/N - nu*S(t)
dE(t)/dt = b*S(t)I(t)/N - (mu+sig)*E(t)
dI(t)/dt = sig*E(t) - (mu+g)*I(t)
dR(t)/dt = g*I(t) - mu*R + nu*S(t)
mu:自然死亡率 b:感染率(S->I)
nu:ワクチン有効率(S->R) sig:発症率(E->I),g:回復率(I->R)
"
SEIRモデルのパラメータ

SEIR2 <- function(
# Parameters
contact_rate = 10,                     # number of contacts per day
transmission_probability = 0.01,       # transmission probability
beta = contact_rate * transmission_probability,  # tranmission rate
infectious_period = 20,                # infectious period
gamma = 1 / infectious_period,        # Prob[infected -> recovered]
latent_period = 5,                     # latent perior
sigma = 1/latent_period,               # The rate at which an exposed person becomes infective
mu = 0,                                # The natural mortality rate
nu = 0  ,  # vaccination moves people from susceptible to resistant directly, without becoming exposed or infected.

Ro = beta/gamma, # Ro - Reproductive number.

# Initial values for sub-populations.
s = 99,          # susceptible hosts
e = 0,           # exposed hosts
i = 1,           # infectious hosts
r = 0,           # recovered hosts
# Compute total population.
N = s + i + r + e,
# Output timepoints.
timepoints = seq (0, 365, by=0.5),
...
)

有病率を１％とすると、3000人にクルーズ船でも100人の屋形船でも感染者のピークは変わらないな。
同一時間あたりのcontact_rateとtransmission_probabilityが宴会での方が高いからだろうな。

パラメータを変えてグラフを書いてみた。

https://i.imgur.com/hCfBTyc.png

http://rio2016.5ch.net/test/read.cgi/math/1582910321/11

17: １３２人目の素数さん [sage] 2020/03/11(水) 06:41:46 ID:hVKkfTiV

PCR検査の感度を0.7、特異度を0.9とする。
広島県で第一号の感染発見例は
県の検査で１回陰性、病院の検査で２回陽性、症状軽快した現時点で陰性（何回やったか報道がないので１回陰性とする）であるという。
ここで問題：
検査前の感染確率の分布が一様分布であると仮定して、
現在患者が感染している確率とその95%CIを計算してみた。
"

https://i.imgur.com/4CzTEWA.jpg

sn=0.7 # sensitivity
sp=0.9 # specificity
plus=2 # how many positive result?
minus=2 # how many negative result?
n=1e7 # how large the simulation
p0=runif(n,0,1)
oz0=p0/(1-p0) # prob -> odds
pLR=sn/(1-sp) # TP/FP
nLR=(1-sn)/sp # FN/TN
oz1=oz0*pLR^plus*nLR^minus # Bayesian formula
p1=oz1/(1+oz1) # odds -> prob
BEST::plotPost(p1,showMode =T) # show mode instead of mean
BEST::plotPost(p1,showMode =F)
HDInterval::hdi(p1) # Highest Density Interval
quantile(p1,c(.025,0.5,.975)) # 95%CI by quantile
summary(p1) # mean, median
MAP <- function(x) {
dens <- density(x)
mode_i <- which.max(dens$y)
mode_x <- dens$x[mode_i]
mode_y <- dens$y[mode_i]
c(x=mode_x, y=mode_y)
}
MAP(p1)['x'] # show mode

http://rio2016.5ch.net/test/read.cgi/math/1582910321/17

233: １３２人目の素数さん [sage] 2020/04/10(金) 00:25:10 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

729: １３２人目の素数さん [sage] 2020/07/03(金) 10:13:27 ID:hNK4yhyJ

https://egg.5ch.net/test/read.cgi/sisou/1593487605/133-135
すまん寝＠秩序回復・財務省廃止・反財政再建 @sumannne

【新型コロナウィルス】藤井さん、そのグラフ変じゃないですか？
https://himorjp.blog.fc2.com/blog-entry-179.html

こっちで改めて計算したところ、「自粛要請は滅茶苦茶効果あった」という結論になっちゃったんで、藤井さん、どうにかした方が良いと思うよ。多分専門家はもうツッコんですらくれないだろうし。

ちなみにデータソースは感染研に1か月遅れですがありましたので、怪しげなデータを使っているわけではありません。
むしろ藤井さんが使ってるデータソースが不明。

藤井さんの統計のいじり方で一番分からんのが、対数グラフを取るでもなく、普通に差分するでもなく、「対前日比」という謎の計算で「速度」「加速度」を名乗ることなんだよなぁ。

この程度のオーダーで対数グラフ取る意味が分からんし、実際藤井さんは対数取ってるわけじゃないので、そうであれば変化率も加速度も差分しないと正しく見えないと思うが。

対数グラフを取る、もしくは対前日比でモノを言うのは、日ごとに指数増大していることがほぼ明らかな状況でなら分かるが、少なくともデータ上はそうではないから適切な計算方法とはちょっと思えない。

藤井さんの記事の「加速度」、縦軸を見てもらえばわかるが上下が0.01の幅で動いてる。
計算は「対前日比」でやってるのでほとんど0ですよこれは。

数値計算で、厳密解が0のものが数値誤差でちょっと荒れてるのを拡大顕微鏡で見て騒いでるような感じがする。
(実際、指数増大しているわけでないものを「比」で取ったら本質的に比率1しか出ません。)
極めて不適切だと思う。

まぁ、今回はさすがに時系列データに相関分析かけたりはしなかったから、その点は成長してるんじゃないっすか。

「対前日比」がいかにおかしいかの例題。
2次多項式のオーダーで増大する場合でも、「対前日比」を取っちゃうと増減が全然分からない。
https://pbs.twimg.com/media/Eb7GF0JUMAEnVH-.png
https://pbs.twimg.com/media/Eb7GHp4U4AEvAyt.png

http://rio2016.5ch.net/test/read.cgi/math/1582910321/729

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

ぬこの手ぬこTOP 0.062s