适合病毒

发布的肖恩·德Wolski，2020年3月13日,

19次(过去30天 0喜欢| 2的评论

我希望你和你的家人在未来几周内保持安全和健康。

这种不幸的情况确实提供了可供分析的有趣数据。米兰提供了一套功能，提供了相应的现场脚本文件，通过逻辑回归来研究和预测COVID-19感染率。

这是用于韩国的回归图。你可以看到之前数据的逻辑回归估计以及这些数据与实际感染率的吻合程度韩国目前正在摆脱感染的快速增长。

fitVirus03 (@getDataSouthKorea);

****韩国疫情规模估计初始猜测K = 7940.33 r = 5.12261 A = 1186.3完整数据集的回归参数mdl =非线性回归模型:y ~ fitVirus03/fun(b,X)估计系数:estimation SE tStat pValue ________ _______ ______ __________ K 7944.1 87.914 90.363 1.3377e-27 r 0.37476 0.01125 33.311 5.377e-19 A 93.692 11.063 8.4691 4.7801e-08观测数量:23，误差自由度:20均方根误差:126 r -Squared: 0.998, Adjusted r -Squared 0.998 F-statistic vs. 0模型:1.04 e + 04,假定值= 4.15 e-32评估模型参数为韩国一天日期C K r C0τ结束dCdt tpeak峰值R2(例)(例)(1 /天)(例)(天)(C /天)(12天)29日- 2月- 0.328 2020 3150 17145 102 1405 15 04 - 19 - 3月- 2020年3月13日01 - 2020 0.995 - 3月- 0.313 2020 4212 36984 109 2896 18 25 - 3月- 2020年07 - 3月- 2020 0.997 10186 02 - mar - 2020 4812 0.36384 923年15 - 3月- 2020年11日13 02 - 3月- 2020年03 - mar - 2020 5328 0.996 7833 0.398 67 779 11 - 3月- 2020年11 3月29日- 2月16日04 - 2020 0.996 - 0.418 2020 5766 7224 58 9 11 - 754年3月- 2020年11 29 - 0.997 - 2020年2月17日05 - mar - 2020 6284 7248 0.417 58 9 11 - 29 755年3月- 2020年11 - 0.997 - 2020年2月18日06 - mar - 0.406 2020 6767 7447 756 64 9 11 - 3月- 2020年11 - 0.998 - 2020年2月19日07年3月29日- 20207134 7632 0.396 69 10 11-Mar-2020 754 11 29-Feb-2020 0.998 20 08-Mar-2020 7382 7751 0.388 74 10 11-Mar-2020 752 11 29-Feb-2020 0.998 21 09-Mar-2020 7513 7798 0.385 76 10 11-Mar-2020 751 11 29-Feb-2020 0.998 22 10-Mar-2020 7755 7883 0.379 80 10 13-Mar-2020 747 12 01-Mar-2020 0.998 23 11-Mar-2020 7869 7944 0.375 83 10 13-Mar-2020 744 12 01-Mar-2020 0.998 Short-term forecasting for South Korea day date actual predict error % c./day act. c./day pred. error % 18 06-Mar-2020 6767 6847 1.18 483 405 16.15 19 07-Mar-2020 7134 7156 0.31 367 309 15.80 20 08-Mar-2020 7382 7385 0.04 248 229 7.66 21 09-Mar-2020 7513 7551 0.51 131 166 26.72 22 10-Mar-2020 7755 7669 1.11 242 118 51.24 23 11-Mar-2020 7869 7753 1.47 114 84 26.32 24 12-Mar-2020 - 7812 - - 59 25 13-Mar-2020 - 7853 - - 41 26 14-Mar-2020 - 7881 - - 28 27 15-Mar-2020 - 7901 - - 20 28 16-Mar-2020 - 7914 - - 13 29 17-Mar-2020 - 7923 - - 9

与意大利相比，我们可以看到，米兰的模式估计，快速增长将持续一段时间。

fitVirus03 (@getDataItaly);

****意大利疫情规模估计初始猜想K = 15178.9 r = 3.3881 A = 680.978完整数据集的回归参数mdl =非线性回归模型:y ~ fitVirus03/fun(b,X)估计系数:估计SE tStat pValue ________ ________ ______ __________ K 29124 4017.3 7.2498 1.9414e-06 r 0.26146 0.011355 23.027 1.0785e-13 A 150.53 11.185 13.459 3.8388e-10观测数:19，误差自由度:16均方根误差:166 r -Squared: 0.998，调整r -Squared 0.998 F-statistic vs. 0模型:5.97 e + 03,假定值= 1.35 e-24评估模型参数对意大利天日期C K r C0τ结束dCdt tpeak峰值R2(例)(例)(1 /天)(例)(天)(C /天)(天)10 02 - mar - 0.394 2020 2036 4970 99 490 9 11 - 3月- 2020 02 - mar - 2020 0.996 11 03 - 3月- 0.403 2020 2502 4574 96 9 11 - 3月- 2020 461 9 02 - mar - 2020 0.998 12 04 - mar - 0.381 2020 3089 5399 105 1013 - 3月- 2020 514 10 03 - mar - 2020 0.998 13 05 - mar - 0.343 2020 3858 7463 124 639年15 - 3月- 2020年11日11日04 14 0.998 - 3月- 2020年06 - mar - 0.325 2020 4636 8999 135 730 12 05 - 17 - 3月- 2020年3月- 2020年07 - 3月- 2020 0.998 5883 15152 0.287 166年13 23 - 1086 15 08年3月- 2020年3月- 2020年3月16日08 - 0.998 - 0.261 2020 7382 28837 193 1881 19 12 - 31 - 3月- 2020年3月17 - 2020 0.99809- 3 -2020 9172 49198 0.248 209 16 04- 4- 2020 3054 21 14- 3 -2020 0.998 18 10- 3 -2020 10149 23859 0.273 175 14- 3 -2020 1628 17 10- 3 -2020 0.998 19 11- 3 -2020 12462 29124 0.261 192 15 31- 3 -2020 1903 12- 3 -2020 0.998短期预测意大利日日期实际预测误差% c.日行为。pred c /天。错误% 14 06 - mar - 4.21 2020 4636 4831 778 964 23.91 15 07 - 3月- 1.61 2020 5883 5978 1247 1147 8.02 16 08 - mar - 0.89 2020 7382 7316 1499 1338 10.74 17 09 - 3月14.92 - 3.63 2020 9172 8839 1790 1523 10 - 3月18日72.57 - 3.70 2020 10149 10525 977 1686 11 - 3月19日21.62 - 1.00 2020 12462 12338 2313 1813 20 12 - 3月21 - 2020 - 14224 - 1886 3月13 - 22 - 2020 - 16122 - 189814-Mar-2020 - 17968 - - 1846 23 15-Mar-2020 - 19704 - - 1736 24 16-Mar-2020 - 21288 - - 1584 25 17-Mar-2020 - 22693 - - 1405

意大利的现状与中国以外的整个世界的现状相比也很好。

fitVirus03 (@getDataWorld);

****中国境外疫情规模估计***警告:无法计算初始质量使用默认。初始猜测K = 45411 r = 0.5 A = 45411完整数据集回归参数mdl =非线性回归模型:y ~ fitVirus03/fun(b,X)估计SE tStat pValue __________ _________ ______ __________ K 1.1398e+05 8373.7 2.2411e-17 r 0.20839 0.0042262 49.31 3.774e-40 A 18334 1653.8 11.086 2.525e-14观测数:46，误差自由度:44均方根误差:311 r -Squared: 0.999，调整r -Squared 0.999 F-statistic vs. 0模型:4.04 e + 04,假定值= 1.53 e - 72的评估模型参数以外的中国日日期C K r C0τ结束dCdt tpeak峰值R2(例)(例)(1 /天)(例)(天)(C /天)(天)23日17 - 37 - 2020 896 2952775 0.105 86 2月11日- 77719年8月- 2020年99 04 - 2020年5月- 2020年2月18 - 24日发布的0.994 - 0.106 999 3724881 85 37 13 - 8月2020 98804 100 05 - 2020年5月- 0.995 2020年19 - 2月25日1124年84 0.107 3933032 37 13 - 8月- 2020 105326 100 05 - 2020年5月- 2020年2月20 - 26日发布的0.996 - 0.110 1212 3622161 79 36 07 - 99347年8月- 2020年97 02 - 2020年5月- 2020年2月21 - 27日发布的0.996 - 0.107 1385 1939550 84 37 30 - 7月- 28 2020 51957 93 - 2020年4月- 2020年2月22 - 28日发布的0.998 - 0.112 1715 3615812 76 35 03 - 8月2020 101504 95 30 - 2020年4月- 2020年2月23 - 29日发布的0.994 - 0.120 2055 2982829 65 33 2020年- 7月22日89482 89 24-Apr-2020 0.990 30 24-Feb-2020 2429 3167110 0.127 57 31 16-Jul-2020 100206 86 21-Apr-2020 0.988 31 25-Feb-2020 2764 4075977 0.131 51 30 14-Jul-2020 133744 85 20-Apr-2020 0.990 32 26-Feb-2020 3332 1908412 0.139 42 28 26-Jun-2020 66549 76 11-Apr-2020 0.990 33 27-Feb-2020 4288 1421367 0.152 30 26 14-Jun-2020 53853 70 05-Apr-2020 0.986 34 28-Feb-2020 5373 2776810 0.165 21 24 16-Jun-2020 114571 71 06-Apr-2020 0.985 35 29-Feb-2020 6789 7273608 0.180 13 22 20-Jun-2020 327757 73 08-Apr-2020 0.986 36 01-Mar-2020 8564 9574865 0.194 9 20 16-Jun-2020 464267 71 06-Apr-2020 0.989 37 02-Mar-2020 10298 33497614 0.199 7 20 26-Jun-2020 1664896 76 11-Apr-2020 0.992 38 03-Mar-2020 12751 8758570 0.203 6 19 12-Jun-2020 443969 69 04-Apr-2020 0.995 39 04-Mar-2020 14907 50617907 0.199 7 20 30-Jun-2020 2516184 78 13-Apr-2020 0.996 40 05-Mar-2020 17855 753574 0.198 8 20 19-May-2020 37234 57 23-Mar-2020 0.997 41 06-Mar-2020 21393 188240 0.204 6 19 05-May-2020 9599 50 16-Mar-2020 0.998 42 07-Mar-2020 25408 147511 0.207 6 19 01-May-2020 7631 48 14-Mar-2020 0.999 43 08-Mar-2020 29255 103948 0.214 5 18 27-Apr-2020 5564 46 12-Mar-2020 0.999 44 09-Mar-2020 33627 91962 0.218 4 18 25-Apr-2020 5015 45 11-Mar-2020 0.999 45 10-Mar-2020 38169 87077 0.221 4 18 25-Apr-2020 4801 45 11-Mar-2020 0.999 46 11-Mar-2020 45411 113974 0.208 6 19 29-Apr-2020 5937 47 13-Mar-2020 0.999 Short-term forecasting for outside of China day date actual predict error % c./day act. c./day pred. error % 41 06-Mar-2020 21393 21120 1.28 3538 3353 5.23 42 07-Mar-2020 25408 24943 1.83 4015 3823 4.78 43 08-Mar-2020 29255 29240 0.05 3847 4297 11.70 44 09-Mar-2020 33627 33994 1.09 4372 4754 8.74 45 10-Mar-2020 38169 39164 2.61 4542 5170 13.83 46 11-Mar-2020 45411 44680 1.61 7242 5516 23.83 47 12-Mar-2020 - 50450 - - 5770 48 13-Mar-2020 - 56359 - - 5909 49 14-Mar-2020 - 62282 - - 5923 50 15-Mar-2020 - 68091 - - 5809 51 16-Mar-2020 - 73670 - - 5579 52 17-Mar-2020 - 78920 - - 5250

对于米兰来说，一些微妙的事情会让事情变得更容易:

数据正在输入MATLAB *。M文件本身使用一种我们称之为“数据代码”的结构。将数据存储在CSV文件中并以可读方式读取可能更有意义。所有数据可以存储在一个文件中，并根据需要提取相应的变量。我认为这也会使更新更容易。
因为米兰一直保持着这种潮流，所以这样做可能是有意义的链接存储库来GitHub所以一个简单的git commit/push就可以完成更新，而不必通过File Exchange。它还允许任何人去以前的州查看那个时候的记录。

试试吧，让我们知道你的想法在这里或者离开评论米兰。

发布与MATLAB®R2020a