Esempio 2: Pandemia di corona

Naturalmente, ha senso utilizzare i dati attuali sulla pandemia di corona per la regressione logistica. Ho preso  i dati per la Germania dal sito Web della Johns Hopkins University (JHU) , che viene aggiornato quotidianamente e li ho salvati in due file CSV. Uno, JHU_DE_Mrz.csv,  contiene i dati per marzo 2020, il secondo JHU_DE_Mrz-Apr.csv che  ho continuato a conservare.

Dati da: "JHU_DE_Mrz.csv"
	  
    Limite di saturazione: 56 milioni
Numero non segnalato: 1

                           9,088·109
ƒ(x) = ——————————————
              162,3 + 5,6·107·e^(-0,218·t)

Punto di svolta W(58.37|28 mio)

Tasso di crescita massimo f'(xw)=3.0584 mio

31 valori 
Coefficiente di determinazione = 0,97570783
Coefficiente di correlazione      = 0.98777924
Deviazione standard                 = 0,31876448

  Date dal 01.03.2020 al 31.03.2020

Dati da: "JHU_DE_Mrz-Apr.csv"

    Limite di saturazione: 56 milioni
Numero non segnalato: 1

                          4,559·1010
ƒ(x) = ——————————————
             814,1 + 5,51·107·e^(-0,112·t)

Punto di svolta W(99,4|28 mio)

Tasso di crescita massimo ƒ'(xw) = 1.5688 mio

60 valori 
Coefficiente di determinazione = 0,82574762
Coefficiente di correlazione     = 0.90870656
Deviazione standard                = 0.90673232
Date dal 1 marzo 2020 al 22 aprile 2020

Ho assunto 56 milioni come limite di saturazione. Questo è il 70% di 80 milioni, il caso della presunta immunità del gregge .

Il confronto dei due risultati così ottenuti mostra come le misure adottate appiattiscono la curva della funzione logistica e, soprattutto, come il punto di svolta W (t w | f (t w ))   sposta la curva all'indietro e quindi il numero massimo di Le nuove infezioni al giorno f '(tw)  si riducono.
Se tutte le misure di smorzamento fossero state abbandonate il 23 aprile 2020, le nuove infezioni sarebbero aumentate sempre più rapidamente e avrebbero raggiunto il massimo nell' 88° giorno, il 27r> maggio 2020, con 1,8 milioni di nuove infezioni in un giorno. Tuttavia, va notato che il modello è molto semplificato. Tuttavia, si possono vedere le tendenze.