א. באפריל 2020 היה רעב בציבור למידע שמ. הבריאות לא סיפק. החלטתי להשתמש בניסיון שלי בעיבוד וניתוח נתונים, סטטיסטיקה, בניית מודלים ותחזיות כדי למלא את החסר, והתחלתי לפרסם בטוויטר - דו"חות מצב, אנליזות ותובנות, תמותה עודפת, תחזיות ועוד. בשרשור המצורף תמצאו מבחר של שרשורים שפרסמתי
א1. תמותה עודפת. כדי לפתח מע' לחישוב והצגה של תמותה עודפת קראתי מאמרים על מודלים דמוגרפיים, איפיינתי את המגמות הדמוגרפיות בקב' אוכלוסיה שונות ישראל, השתמשתי בסטטיסטיקה מתקדמת, ובניתי מס' הצגות שמאפשרות לנתח את המצב ולהציג אותו בצורה קלה להבנה
א2. הלמ"ס הציגו את דו"ח התמותה העודפת הראשונה שלהם 3 חודשים אחרי שפיתחתי את המערכת שלי. זה אפשר לי לשחזר את צעדי החישוב שחוקרי הלמ"ס ביצעו, להשוות אותם לחישובים שלי, ולאתר את הטעויות הגדולות של הלמ"ס - שאת חלקן אני מסביר בשרשור הזה
א3. המבחן החשוב ביותר של מודל מתמטי שמתאר את המציאות היא היכולת להשתמש בו כדי לחזות את העתיד במהימנות גבוהה ובדיוק גבוה. בסתיו 2000 פיתחתי מודל שצופה את המס' העתידי של המאומתים לקורונה
א4. היתרון הגדול ביותר של המודל שלי על מודלים של חוקרים אחרים, הוא שהוא מגלם בתוכו גם את השפעות מזג האוויר על התחלואה מקורונה. בכל חישוב של תחזית קורונה הזנתי גם את תחזית מזג האוויר, וזה שיפר את דיוק המודל שפיתחתי
א5. זה אחד מדוחו"ת הקורונה הראשונים שפרסמתי, באפריל 2020. הקפדתי על מהימנות ומתן תמונה מלאה ולא מטעה של המצב בעזרת חיתוכים והצלבות מידע. באותו הזמן היו מעט אנשים שפרסמו דוחו"ת כאלה, ולכן למרות שהיו לי מעט עוקבים בטוויטר, כל דו"ח זכה לקרוב ל 15,000 צפיות
א6. היה לי לא קל לבחור איזה אנליזות ותובנות לכלול בתיקיית השרשורים הזו, ואיזה להשמיט. פה תמצאו אוסף של כמה אנליזות קטנות שבחרתי לכלול ביחד תחת שרשור אחד
א7. שונות התחלואה בין שכונות בתוך עיר היא במקרים רבים גדולה מהשונות בין הערים. לכן בניתי מפות שאיפשרו לעוקבים לדעת מה רמת התחלואה בשכונה שלהם. האלגוריתם שכתבתי בוחר ומאגד אזורים סטטיסטיים סמוכים כדי למנוע השפעת ארועים אקראיים בודדים על רמת התחלואה המחושבת
Share this Scrolly Tale with your friends.
A Scrolly Tale is a new way to read Twitter threads with a more visually immersive experience.
Discover more beautiful Scrolly Tales like this.