ora un'occhiata ai tassi di crescita, ovvero il rapporto tra il dato comulato in un giorno e quello del giorno precedente. Qui si nota bene che l'unico dato che non è ancora in piena discesa è quello dei decessi.
3/10

Read 12 tweets

Liuto Giusto

@LiutoGiusto

22 Oct

Ho messo mano ai dati e aggiornato il modello
#Covid_19
#COVID19italia
(thread)
1/13

primo assunto: bisogna ripartire da zero senza considerare la prima ondata. Perchè le malattie stagionali sono come delle onde, delle sinusoidi.
Siccome i dati più certi che abbiamo a disposizione sono (ahinoi) i decessi

2/13

ho preso come momento di inizio della seconda ondata il periodo in cui si è verificato il minimo dei decessi, intorno al 15/08. Quindi occhio: i dati cumulativi vengono considerati a partire da questa data.

3/13

Read 14 tweets

Liuto Giusto

@LiutoGiusto

28 Aug

+++THREAD+++
I dati ci dicono tante cose, basta saperli leggere:
- i contagi ufficiali crescono ma i decessi no. Perchè?
- il lockdown è servito?
1/14

#COVIDー19

Ho aggiornato il modello matematico che usavo durante l'emergenza per prevedere l'andamento dei contagi e dei decessi. Ho interpolato una "funzione logistica" tra i dati ufficiali del periodo di lockdown: dal 20/03 (momento di picco) al 18/05 (fine lockdown)
2/14

Questo equivale a prevedere come si sarebbe sviluppata la pandemia in italia se fossimo rimasti chiusi in casa come durante il lockdown. E' come se il 18/05 avessi provato a prevedere l'evolvere dei contagi e dei decessi futuri.
3/14

Read 14 tweets

Liuto Giusto

@LiutoGiusto

13 Apr

Secondo me il valore di R0 è più alto di 2.5.
Si attesta intorno a 5.7.
(THREAD)
(1)

#coronavirus
#COVIDー19
#COVID2019
#COVID2019italia

R0 è il numero di persone che ciascun contagiato infetta. Per fare questo impiega mediamente un tempo che chiamamamo "i". Se nel giorno (x) abbiamo N(x) contagiati, dopo "i" giorni avremo un numero di contagiati pari quelli del giorno (x) moltiplicati per (R0+1)
(2)

in notazione matematica:

N(x+i)=N(x)*(1+R0)

Nella fase esponenziale, i contagiati di ogni giorno sono ottenibili come quelli del giorno precedente moltiplicati per un valore costante K. Vi ricordate che all'inzio ogni giorno si aggiungevano 34% di contagiati in più?
(3)

Read 8 tweets

Liuto Giusto

@LiutoGiusto

11 Apr

Aggiorno la stima dell'ingresso del primo caso in italia. Prendiamo il periodo in cui il tasso di moltiplicazione giornaliera è ancora costante (ante 12/03), pari a 1.34. Questo è una buona stima del tasso naturale di moltiplicazione dei decessi (e quindi degli infetti).
(1/6)

Se è vero che R0=2.5 come stimato da molti, si può anche stimare in quanto tempo mediamente un infetto ne contagia altri 2.5: in fase esponenziale il fattore moltiplicativo giornaliero dei casi è K=(1+R0)^(1/tempo di infezione)---->tempo infezione=ln(R0+1)/lnK
(2/6)

tempo infezione=ln(R0+1)/lnK=ln(2.5+1)/ln(1.34)=4.3giorni
quindi se ogni positivo ne infetta altri 2.5, impiega mediamente 4.3 giorni per farlo. Questo da anche un'idea della velocità di diffusione del virus, cosa che R0 da solo non da
(3/6)

Read 6 tweets

Liuto Giusto

@LiutoGiusto

31 Mar

https://twitter.com/LiutoGiusto/status/1243544237532155904

THREAD
Analisi casi #COVID2019 per regioni
#COVID19italia
#coronavirus
#COVID19

https://twitter.com/LiutoGiusto/status/1243544237532155904

sono incappato in questo video molto interessante su un modo efficace di visualizzare l'evolversi dell'epidemia in un grafico bi-logaritmico

#COVID19italia
#coronavirus
#COVID19

In sostanza si plottano i casi totali in funzione di quelli giornalieri, ciascuno in scala logaritmica. Durante l'evoluzione esponenziale il grafico si muove su una retta. Quando l'epidemia rallenta i dati si allontanano a destra della retta

#COVID19italia

Read 24 tweets

Share this page!

Liuto Giusto

Try unrolling a thread yourself!

More from @LiutoGiusto

Liuto Giusto

Liuto Giusto

Liuto Giusto

Liuto Giusto

Liuto Giusto

Liuto Giusto

Did Thread Reader help you today?

Like this author's thread?