Share this page!

Dirk Paessler Profile picture
Twitter logo
26 Nov, 8 tweets, 2 min read
@zdf berichtet über die Modellrechnungen von Prof. Kristan Schneider. Sogar richtig mit Zahlen und so, also eine gute Chance meine Amateur-Modellergebnisse mit einem Profi-Modell zu vergleichen.

Kurzfassung: Die Modellergebnisse sind beeindruckend ähnlich. 😎

Thread 1/x
Die Grafik zeigt die Überlagerung unserer beider Kurven. Die Peaks liegen bei Schneider 1-2 Wochen später als bei mir, die maximalen Höhen der beiden Extremfälle ("nix tun" und "Lockdown") liegen sehr ähnlich.
2/x
Für die nächsten Wochen ist Schneider's Modell bei Szenarien mit Bremsung etwas pessimistischer als meins (steilere Kurven) und meine Lockdowns sind "stärker" als bei Schneider (sinken schneller und sind kürzer). Alles im Rahmen der vielen Modell-Unsicherheiten.
3/x
Ein "Helft Euch selbst, Rette sich wer kann"-Szenario (Menschen passen Verhalten an eskalierende Lage mehr und mehr an, weil Regierung nichts tut) hat Schneider nicht.
4/x
Schneider's Szenario "wie bisher" entspricht meinem Szenario "A1 (ohne Gegenwehr)"

Schneider: Höchste Fallzahl/Tag: 270.000 um den 22.1.2022
Paessler: Höchste Fallzahl/Tag: 300.000 um den 3.1.2022
5/x
Schneider's Szenario "Lockdown 1.12." entspricht meinem Szenario "A2 (Lockdown 29.11.)"

Schneider: Höchste Fallzahl/Tag: 84.000 um den 5.12.2022
Paessler: Höchste Fallzahl/Tag: 78.000 um den 6.12.2022
6/x
Link zum Bericht über das Modell von Prof. Schneider bei @ZDF
7/x
 zdf.de/nachrichten/po…
Thread über meine Modellrechnungen vom Montag
8/x

• • •

Missing some Tweet in this thread? You can try to force a refresh
　

Keep Current with Dirk Paessler

Dirk Paessler Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @dpaessler

Dirk Paessler Profile picture
27 Nov
Fallzahlen, Hospitalisierungen, ITS-Betten und Zahl der Verstorbenen passen nicht (mehr) zusammen.

Ein Daten-Thread (mit vielen Fragen)
#ringenumdiewahrheit
1/x Image
Links oben: Weil die Positiv-Rate hochgeht und aus den Meldungen der überlasteten Gesundheitsämter und Labors wissen wir, dass wir die Anzahl der tatsächlich stattfindenden Infektionen heute mehr unterschätzen als vor 3-6 Wochen (steigende Dunkelziffer).
2/x
Links unten: Die Anzahl der Hospitalisierungen wächst deutlich langsamer als der Modell-Erwartungswert, der seit Juni wöchentlich die korrekten Zahlen vorhergesagt hat und somit kalibriert ist. Letzte Woche "fehlten" 3.700 Patienten (-27%).
3/x
Read 12 tweets
Dirk Paessler Profile picture
23 Nov
Modellrechnung: Was passiert mit bzw. ohne Lockdown? Und danach?

Ein Blick in die nähere Zukunft anhand von Modell-Szenarien mit und ohne Lockdown.

Spoiler: Nicht gut. Gar nicht.

Blogartikel und Thread
1/x
Hier im Thread kommen nur ein paar Highlights, viel ausführlicher und als wohlformatierter Blogartikel hier zum Lesen (besser als bei Twitter):
2/x
 dirkpaessler.blog/2021/11/23/mod…
Es könnte sein, dass das hier für einige Zeit der letzte Blogpost mit Modellrechnungen sein wird. Zum Einen, weil unsere Datenqualität gerade komplett am abka**en ist (viele sind überfordert: Teststationen, Labors, Meldewesen, Kliniken)...
3/x
Read 24 tweets
Dirk Paessler Profile picture
20 Nov
Aus Modellierer-Sicht befinden wir uns schon seit 2-3 Wochen im "Nebel", denn die realen Daten passen nicht mehr zu den Modell-Daten. Leider ist das kein gutes Zeichen: z.B. scheinen bereits ~30% mehr Covid-Patienten zu sterben als in Zeiten optimaler Versorgung
Ein Thread
1/x
Die 3 Grafiken für Hospitalisierungen, ITS-Betten und Verstorbene zeigen die offiziellen Zahlen von RKI und DIVI (schwarz) im Vergleich zu den Zahlen, die mein Modell aus den historischen Fallzahlen und der Prognose der Fallzahlen für die nächsten 4 Wochen errechnet (blau).
2/x
Klar zu sehen ist, dass das Modell sehr genau die historischen Patienten/Todeszahlen berechnen kann, außer bei hoher Belastung, also in Welle 2 und 3. Und eben jetzt. Die Abweichungen werden mehr und mehr. Was ist da los? Fehler im Modell?
3/x
Read 16 tweets
Dirk Paessler Profile picture
19 Nov
Die Schallmauer ist bei "Mach 1" = 1200 km/h.

Corona-Schallmauer liegt auch in diesem Bereich: Eine regionale Inzidenz>1000 dürfte die Mauer sein, wo Lockdown unausweichlich wird (=> Sachsen, Oberösterreich, Salzburg => Lockdown angekündigt).

1000er-Schallmauer-Thread
1/x
Inzidenz 1.000 bedeutet 1.000 Infektionen pro 100.000 Einwohner pro Woche.

Daraus ergeben sich 40 bis 60 Hospitalisierungen pro Woche, ca. 25 belegte ITS Betten und 9-11 Tote pro Woche. Pro 100.000 Einwohner.

Bei Inzidenz 2000 ganz einfach von allem das Doppelte.
2/x
ABER: DE hat nur 33 ITS Betten pro Einwohner, AT 29. 2000er-Inzidenz geht also nicht.

Bayern liegt bei 628 und verdoppelt sich alle 2 Wochen, einige Regionen schon bei >1000.

Daraus leitet sich Vorhersage ab: @Markus_Soeder kündigt innerhalb 10 Tage Lockdown an.
3/x
Read 5 tweets
Dirk Paessler Profile picture
17 Nov
Deutschland in der Pandemie ist wie ein Auto, dass auf einem langen Abhang zwischen vielen Fussgängern ins Rollen gekommen ist.

Drei Mal hatten wir es schon geschafft zu bremsen, zuletzt im Juni. Fast bis in den Stand.

Ein Metapher-Thread
1/x
Ab Sommer haben wir nach dem Wieder-losrollen Stück für Stück die Bremsklötze ausgebaut (endlose Maßnahmen-Lockerungen, Kontaktverfolgung und Quarantäne faktisch aufgegeben), seit dem geht's bergab.
2/x
Auch als das Auto schon merklich immer schneller wurde (Beschleunigung auf einer schrägen Ebene ist ein exponentieller Vorgang) hat sich keiner auf die Suche nach dem Bremspedal gemacht. Mehr und mehr Fußgänger werden verletzt oder überfahren. Trotzdem bremst keiner.
3/x
Read 8 tweets
Dirk Paessler Profile picture
16 Nov
Meinem Modell "bei der Arbeit": Grafik zeigt alle seit Juni veröffentlichten Szenario-Verläufe und die 4-Wochen-Voraus-Vorhersage des jeweiligen Basis-Szenarios im Vergleich zum tatsächlichen Verlauf.

Bis auf 5 Wochen war Basis-Szenario "zu vorsichtig": Es kam schlimmer.

1/x
Die "Delle" (zu hohe Vorhersage) liegt genau um den Herbstanfang herum, das ist die Zeit wo die meisten Modelle von bremsender Saisonalität auf beschleunigende Saisonalität umschalten, so auch meines, und damit ist diese Phase am schwierigsten zu modellieren.
2/x
Eine ähnliche Situation hatten wir auch im März (Frühlingsanfang, umgekehrter Effekt), als auch viele andere Modelle zu lang im Wachstum blieben und dadurch zu schnell zu hohe Inzidenzen berechnet haben.
3/x
Read 7 tweets

Did Thread Reader help you today?

Support us! We are indie developers!

This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Thank you for your support!

Follow Us on Twitter!

Like this author's thread?

Get emails when @dpaessler has new unrolls!

Check out other threads from @dpaessler!

Read all threads by @dpaessler

:(