Todos hemos oído mucho acerca de "aplanamiento de la curva". Me preguntaba si estos curva – que parecen campanas – puede ser calificado como de Gauss a pesar del hecho de que hay una dimensión temporal.
Respuestas
¿Demasiados anuncios?
GenericTypeTea
Puntos
27689
No.
Por ejemplo:
No en el sentido de una Gaussiana de probabilidad de la distribución: la curva de campana de una normal (Gaussiana) la distribución es un histograma (un mapa de densidad de probabilidad en contra de los valores de una sola variable), pero las curvas que usted cita son (como se nota) un mapa de los valores de una variable (casos nuevos) en contra de una segunda variable (tiempo). (@Acumulación y @TobyBartels señalar que Gaussiano curvas son conceptos matemáticos que puede no estar relacionado con distribuciones de probabilidad; dado que esta pregunta en las estadísticas SE, supuse que abordar el problema de la Gaussiana de distribución es una parte importante de responder a la pregunta.)
Los valores posibles en virtud de una distribución normal se extienden desde $-\infty$ a $\infty$, pero una epidemia de la curva no puede tener valores negativos en el y el eje, y el viaje lo suficientemente lejos a la izquierda o a la derecha de la x eje, se ejecute fuera de los casos en total, ya sea porque la enfermedad no existe, o porque el Homo sapiens no existe.
Las distribuciones normales son continuos, sino que los fenómenos de la epidemia de curvas de medir en realidad son discretos , no continuos: representan nuevos casos durante cada unidad de tiempo. Mientras que podemos subdividir el tiempo en pequeñas unidades significativas (a un grado), que finalmente se ejecutan en el hecho de que los individuos con las nuevas infecciones están los datos de recuento (discretos).
Las distribuciones normales son simétricas respecto de su media, pero a pesar de la caricatura de transporte útil mensaje de salud pública acerca de la necesidad de aplanar la curva real de la epidemia de curvas son con frecuencia sesgada a la derecha, con largos y delgados colas, como se muestra a continuación.
Las distribuciones normales son unimodales, pero real de la epidemia de las curvas de función de uno o más bultos (es decir, pueden ser multi-modal, puede que incluso, como en @SextusEmpiricus respuesta, ser endémicas donde vuelve cíclicamente).
Finalmente, aquí está una curva de una epidemia de COVID-19 en China, se puede ver que la curva generalmente se desvía de la curva Gaussiana (por supuesto que hay problemas con la confiabilidad de los datos, dado que en muchos casos no se tenían en cuenta):
user164061
Puntos
281
Epidemiológica de las curvas para las infecciones respiratorias son muy irregulares, curvas. Véase, por ejemplo, el brote de SRAS en 2002/2003
https://www.who.int/csr/sars/epicurve/epiindex/en/index1.html
y para las enfermedades endémicas pueden tener algún patrón estacional. Véase, por ejemplo, la euromomo logotipo
Además el aplanamiento de la curva, en general, no siendo una curva Gaussiana, la situación va a ser más matizada. La imagen que circula por internet es un caso extremo se de la curva pega mucho por encima del umbral y se reduce a la mitad en tamaño como resultado de las medidas. Se dibujó una situación perfecta para argumentar a favor de medidas drásticas. Que no necesariamente puede ser tanto el caso de la covid-19.
Más matizada de las representaciones muestran diferentes umbrales y tienen diferencias más sutiles en las curvas. Como aquí
Dipstick
Puntos
4869
Yo no soy un epidemiólogo, y usted debe hacer esta pregunta a los epidemiólogos.
Primero de todos, el dibujo de curvas de Gauss es simple, ya que incluso basic software de trazado tiene implementado (por ejemplo, Microsoft Excel), así que cuando la gente necesita para dibujar una "distribución", que a menudo se basan Gaussianas. El "aplanar la curva de" figuras están dirigidas a mostrar la idea general del fenómeno, no la distribución exacta de la que se podía suceder (nadie lo sabe de antemano, ya que no hay demasiadas incógnitas, y también a muchas partes móviles). Incluso las escalas de las cifras no son realistas; algunos expertos señalan que la diferencia puede ser mucho mayor que en dichas cifras.
Como acerca de la forma Gaussiana de la epidemia, por lo que yo sé, este es conocido como Farr la ley. Primero, el número de personas infectadas se levanta, se cae entonces, esto es similar a una curva Gaussiana, pero está lejos de ser un ajuste exacto. Usted puede encontrar discusión en Twitter de hilo, que se da como un ejemplo de un estudio que aplica Farr la ley para la predicción de casos de VIH/SIDA en Estados Unidos, como se puede ver en la trama, no tiene nada que ver con el resultado real.
Usted puede encontrar algunos de los más graves, las cifras en el ampliamente citado recientemente papel por Ferguson et al (2020). Como se puede ver, están "subiendo y bajando, pero lejos de Gauss, en algunas simulaciones incluso multimodal o sesgada. Por supuesto, esto es una simulación, por lo tanto, mucho más simplificado de distribución de lo que se podría esperar a partir de datos reales.
Pere
Puntos
658
No, pero (bajo los supuestos que en la práctica no es probable que mantenga) tipo de.
Como Michael Reid puntos el número de personas infectadas de una epidemia de bajo simplificado condiciones constantes (constante R0) se rige por la ecuación logística, lo que conduce a una sigmoide, la función logística. La derivada de la función logística es la campana en forma de curva de densidad de la distribución logística, lo cual no es normal, a pesar de aspecto normal a primera vista. Puesto que la derivada representaría el número de nuevas personas infectadas por unidad de tiempo y de común métricas como el número de muertes por día o el número de casos nuevos reportados por día, son más o menos proporcional a un retraso en y fuera de foco versión de que el número de nuevas personas infectadas, se sigue una curva similar a la logística de distribución de la función de densidad.
Sin embargo, algunos de los supuestos de la ecuación logística no puede sostener por el brote de coronavirus - de hecho, puede que no se mantenga para cualquier real de la población, a pesar de la ecuación logística es un modelo útil en la dinámica de la población:
- En la dinámica de la ecuación se asume que toda la población se reproduce, que es que toda la gente que ha sido infectado mantiene infectar a más personas. En realidad, en algún momento las personas infectadas detener la propagación de la infección.
- Condiciones (R0) se supone constante. En el mundo real, la contención de medidas y, por tanto, R0 cambios.
faceless
Puntos
26
Respuesta corta, no. Yo me estaba preguntando lo mismo y he encontrado una manera de trazar las poblaciones susceptibles, infectados y recuperados de la gente. Es un modelo que se llama un modelo compartimental de la epidemiología y el algoritmo específico que se llama el Algoritmo de Gillespie. No hay código de Python en el segundo enlace, pero lo he probado en R y se parece a esto 
y aquí está la computadora portátil si usted está interesado.
Parece que algo como la distribución de Poisson estaría más cerca, pero bajo las condiciones adecuadas, podemos aproximar la distribución de Poisson con una normal, distribución de Gauss. Esa es la generosa interpretación. Las otras interpretaciones son: 1, los CDC en realidad no sabe la forma correcta, o 2, el CDC quiere mudo hacia abajo para el consumo público.
