設為首頁 設為首頁 加入收藏 加入收藏 網站地圖
[請登陸][免費注冊]
搜 索

您的位置 :首頁 技術 設備材料
設備材料
PDF大數據統計方法分析新冠肺炎
出自:exensio

使用exensio 軟件可以模擬、觀察、統計疫情的發展情況。例如,取2月1日到2月13日的數據,在exensio中可以繪制動態折線圖,動態展示全國新增確診病例,新增死亡病例,新增出院病例隨時間的變化。同時可以繪制全國疫情地圖,動態展示各省市疫情發展狀況,并且點擊選取各省,可出現此省各市疫情情況。通過每個省份每百萬感染率,可以得到各省感染人數在總人數中的占比,從而分析全國省份疫情嚴重程度。

(exensio制作的動態圖)

(exensio制作的動態圖)

在此過程中可以發現,2月13號時新增確診病例數激增,查證新聞得知,湖北新增突然上升,因診斷標準發生更改。因湖北省病例數量遠高于其他各省,因此在后續統計分析中,我們使用除湖北省外其他各省數據。在exensio中可以同樣可以繪制各省數據動態變化圖。

(exensio制作的動態圖)

在大數據分析中,回歸分析是一種預測性的建模技術,它研究的是因變量(目標)和自變量(預測器)之間的關系。這種技術通常用于預測分析,時間序列模型以及發現變量之間的因果關系。因此,這次疫情,我們可以用回歸方法進行分析預測。

我們使用2月1日到2月13日除湖北省外其他各省的新增病例數進行線性回歸分析, 線性回歸是數理統計中常用的回歸分析,是用來確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法,運用十分廣泛。我們使用時間做為X軸,人數做為Y軸,模擬出線性回歸曲線。

然而一般來說,兩個變量之間的關系是十分微妙的,僅僅采用簡單的直線、曲線參數方程去描述是不夠的,因此可以采用局部加權回歸,它是一種用于局部回歸分析的非參數方法,主要是把樣本劃分成一個個小區間,對區間中的樣本進行多項式擬合,不斷重復這個過程得到在不同區間的加權回歸曲線,最后再把這些回歸曲線的中心連在一起合成完整的回歸曲線。

?

(線性回歸新增確診人數隨日期變化)

?

(局部加權回歸新增確診人數隨日期變化)

?

(泊松回歸新增確診人數的對數隨日期變化)

?

除了上述提及的,還有很多常用的回歸分析方法,它們適用于不同類型的數據以及不同應用場景,例如專門針對計數數據的泊松回歸。

Poisson模型(泊松回歸模型)是基于泊松分布,用于描述單位時間、單位面積或者單位容積內某事件發現的頻數分布情況,使用新增確診人數的對數做為Y軸,時間做為X軸,可以模擬出泊松回歸曲線。

通過以上回歸模型,可以模擬出新增確診人數隨時間變化規律,從而對預測疫情發展走向,預測疫情結束時間產生幫助。

 

 

0
文章收入時間: 2020-03-02
 
SEMI簡介 | About SEMI | 聯系我們 | Privacy Policy | semi.org
Copyright © 2020 SEMI®. All rights reserved.
滬ICP備06022522號
滬公網安備31011502000679號
大乐透走势图新浪爱彩 南粤风采好彩1走势图 军工b股票行情走势 沈阳期货配资ˉ杨方配资靠谱 十一选五前三组必出号 快乐12走势图一定牛 马耳他幸运飞艇加3减3技巧 青海体育彩票11选5 政府产业基金配资 吉林十一选五遗漏,五码 上海快3开奖l结果查询府l 山西快乐十分销售平台 产业基金配资要求 湖南快乐十分前三走势图 119博彩 股票推荐 赚钱再付款 广东十一选五网上购彩