Las respuestas hasta el momento se han centrado en los datos en sí, lo que hace sentido con el sitio, esto es, y los defectos al respecto.
Pero yo soy un computacional/matemática epidemiólogo por inclinación, por lo que también voy a hablar sobre el modelo en sí para un poco, porque es también relevante para la discusión.
En mi opinión, el mayor problema con el papel no es el de datos de Google. Modelos matemáticos en epidemiología manejar los datos confusos todo el tiempo, y a mi mente los problemas que podrían resolverse con bastante sencillo análisis de sensibilidad.
El mayor problema, para mí, es que los investigadores "han condenado a sí mismos para el éxito" - algo que siempre se debe evitar en la investigación. Hacen esto, en el modelo que se decidió ajuste a los datos: un estándar de SIR modelo.
Brevemente, un modelo SIR (que es susceptible (S) infecciosas (I) recuperación (R)) es una serie de ecuaciones diferenciales de seguimiento de la salud de los miembros de una población como de experiencias de una enfermedad infecciosa. Los individuos infectados interactuar con individuos susceptibles e infectar a ellos, y entonces, en el momento de pasar a la recuperada de la categoría.
Esto produce una curva que se parece a esto:
![Enter image description here]()
Hermoso, ¿no es así? Y sí, esto es para una epidemia zombie. Largo de la historia.
En este caso, la línea roja es lo que se modela como "Facebook de los usuarios". El problema es este:
En el modelo SIR, I clase eventualmente, e inevitablemente, asintóticamente enfoque de cero.
Eso debe suceder. No importa si usted está modelado zombies, el sarampión, Facebook, o de Intercambio de la Pila, etc. Si el modelo con un modelo SIR, la conclusión inevitable es que la población en el infecciosas (I) la clase se reduce aproximadamente a cero.
Hay muy sencillo extensiones para el SIR modelo que hacer esto no es verdad - ya sea que usted puede tener la gente en la recuperados (R) clase de volver a susceptible (S) (esencialmente, esta sería la gente de izquierda que Facebook cambio de "yo nunca voy a volver" a "yo podría volver algún día"), o puede hacer que las nuevas personas que entran en la población (esto sería poco Timmy y Claire conseguir sus primeras computadoras).
Desafortunadamente, los autores no se ajustaban a los modelos. Este es, por cierto, un problema generalizado en el modelado matemático. Un modelo estadístico es un intento de describir los patrones de las variables y sus interacciones dentro de los datos. Un modelo matemático es una afirmación acerca de la realidad. Usted puede obtener un SIR modelo para adaptarse a un montón de cosas, pero su elección de un SIR modelo es también una afirmación acerca de el sistema. Es decir, que una vez que se picos, se dirige a cero.
Por cierto, las empresas de Internet hacen uso de usuario-modelos de retención que buscar un heck de mucho a la epidemia de modelos, pero también son mucho más compleja que la presentada en el documento.
