Influenza della figura scura

Nella pandemia di corona, molti virologi presumono che il numero di persone infette sia 100 volte maggiore del numero di persone che sono risultate positive. Se si moltiplica tutti i valori misurati con questo fattore (figura scura), ciò ha una notevole influenza sull'adattamento della curva, perché ti avvicina al limite di saturazione.

Senza figura scura:

Dati da: "JHU_DE_Mrz-Apr.csv"

Limite di saturazione: 56 mio
    Numero non segnalato: 1

f(t) = 4.559E10/(814.1+5.51E7*e^(-0.112*t))

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

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

60 valori 
Coefficiente di determinazione = 0,82574762
  Coefficiente di correlazione = 0.90870656
           Deviazione standard = 0.90673232

Con una figura scura = 100:

Dati da: "JHU_DE_Mrz-Apr.csv"

Limite di saturazione: 56 mio
    Numero non segnalato: 100

f(t) = 4.250E12/(75885+5.59E7*e^(-0.119*t))

Punto di svolta W(55.437|28 mio)

Tasso di crescita massimo f'(xw) = 1.6674 mio

60 valori 
Coefficiente di determinazione = 0,8471621
  Coefficiente di correlazione = 0.92041409
           Deviazione standard = 0,89105973

Con una cifra scura = 330:

Dati da: "JHU_DE_Mrz-Apr.csv"

Limite di saturazione: 56 mio
    Numero non segnalato: 330

f(t) = 7.82E12/(1.41E5+5.59E7*e^(-0.162*t))

Punto di svolta W (36.931|28 mio)

Tasso di crescita massimo f'(xw) = 2,2714 mio

60 valori 
Coefficiente di determinazione = 0,95628418
  Coefficiente di correlazione = 0.97789784
           Deviazione standard = 0.61100523

Il grado di certezza è ovviamente più alto nel terzo esempio e anche la curva sembra corrispondere meglio ai valori misurati. Tuttavia, bisogna sempre chiedere dove finisce la modellazione dei dati e inizia la manipolazione dei dati.