指数增长、拐点,斯坦福学霸自制动画,用最简单的方式解释疫情常见词

简介: 指数增长、拐点,斯坦福学霸自制动画,用最简单的方式解释疫情常见词

大家对指数增长应该都有所耳闻,但是单凭的人们的直觉,又很难意识到这究竟发生了什么。

上图就是一个典型的指数增长,体现的是COVID-2019中国确诊病例数每天的变化。那么为什么传染病的传染会是典型的指数增长呢?指数增长的本质又是什么?

YouTube上有着231万订阅的数据可视化神级专栏“3Blue1Brown”最近发布了一个视频,通过对COVID-2019中国确诊病例数据的可视化,为大家讲解了指数增长在这次疫情传播中的体现,从中,我们既能看到指数增长的本质,还能知道,指数增长是怎么结束的。8:56

视频链接:https://www.youtube.com/watch?v=Kas0tIxDvrg

什么是指数增长?

指数增长通常意味着数据随着时间的变化,后一个数据等于前一个数据乘以一个系数。体现在这次疫情的数据中,便是后一天的确诊病例数是前一天的1.15-1.25倍。

病毒的传播就是一个典型指数增长的例子,假设某天的病例数是N(d),平均每天接触的人为E,每个暴露者被感染的概率为p,那么每天新增的病例数量为N(d)*E*p,也就是说,N(d+1)=(1+E*p)*N(d)。这个(1+E*p)就是那个1.15-1.25的常数。

如果把Y轴以对数为刻度,那么结果会更加直观,在这种情况下,增长情况就可以拟合成一条直线,这条直线的斜率告诉我们,病例数大概每16天翻十倍

那么这是一个什么概念呢?举个例子,某一天我们看到韩国有6000+病例,而美国有60例,直观上我们会认为韩国的疫情比美国要严重100倍,但事实上,美国只是比韩国晚了一个月

指数增长会永无止境吗?

如果单从理论上来说,指数增长似乎会一直持续下去,但是对传染病而言,却不会如此,它肯定会在某个时间变慢,关键是这个时刻会在什么时候来临。

是像2003年的SARS一样,到了8000多就停止了,还是像1918年的西班牙大流感一样,会感染全部人口的27%?

这个问题显然不能单纯的用画线来解决。

从N(d)=(1+E*p)*N(d-1)这个公式来看,我们可以得出:

这么看来,让N(d)变小的方法方法,就是减小E和p,而这是必然会发生的,首先,因为即使人们不采取任何措施,人群中剩下的未被感染的人数也在逐渐变少,那么N(d)的增长会不可避免的趋向于0,直到所有人都被感染。

考虑到这个情况,新的曲线就会是这么个情况——一条对数曲线。刚开始的时候与指数曲线相差不大,随着时间的推移,曲线的切线斜率会逐渐变小,直到趋于0,而曲线斜率开始变小时,就是我们所说的拐点。

人类如何阻止“指数增长”?

大众一直比较关注的“增长因子”,即当天新增病例数与前一天的比值。那么如果第五天的“增长因子”为1.15,那么第五天增长的人数则是4059,而当“增长因子”为1时,这个数字为3530,看起来区别不大,但却标示着拐点已经悄然来临。

实际上,人们也不是平均分布在世界上,而是生活在社区中,但是如果在社区之间加入一定的人口流动,情况仍然很糟糕,这就是为什么我们需要隔离。

所幸的是,人类并不一定只能等待大部分人都被感染,我们可以通过减少出行,勤洗手等措施减少E和p,并且千万不要小瞧这些措施的影响,因为指数增长对常数极其敏感。假设这个常数是1.15,那么61天之后,总的感染人数会达到1亿,而将常数减少到1.05,那么61天后被感染的人数只有40万

所以我们现在采取的每一个措施——隔离、戴口罩、勤洗手,都在尽全力减少这个常数,正如作者所说,“如果所有人都在担心,那反而没有什么可担心的;而如果所有人都不担心,那才是需要担心的。

致力于用可视化让问题变得简单的3blue1brown

3blue1brown的作者名叫Grant Sanderson,他介绍自己的这个专栏为“数学与娱乐的结合”,目标是用动画来驱动解释,通过新的视角来让困难的问题变得简单。

显然,拥有230万订阅者的3blue1brown不可能光靠Grant Sanderson一个人来打理了,从每个动画的最后我们也可以看到,有专业的可视化和动画团队在支持这个工作。

从2015年3月注册以来,3blue1brown就致力于用各种丰富的可视化内容来向大众普及冰冷的科学知识,内容也是包罗万象,从数学、物理到计算机,一些专题甚至出了连载。

Grant Sanderson2015年毕业于斯坦福大学,学的专业就是数学,但是他也坦言,在斯坦福学习数学的道路上,他一直受计算机这个“情人”的诱惑,虽然最终还是坚持学完了数学,但还是对牺牲了“情人”计算机痛惜不已。

相关文章
|
10月前
|
人工智能 自然语言处理 算法
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
【2月更文挑战第24天】当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
85 2
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
|
19天前
|
存储 算法 索引
【狂热算法篇】探秘差分数组:算法星河中闪耀的区间掌控之星
【狂热算法篇】探秘差分数组:算法星河中闪耀的区间掌控之星
|
存储
一行代码引发的:价值5亿欧元的火箭,发射40秒后凌空爆炸
一行代码引发的:价值5亿欧元的火箭,发射40秒后凌空爆炸
153 0
|
安全
L3-009 长城 (30 分)(数学知识)
L3-009 长城 (30 分)(数学知识)
241 0
L3-009 长城 (30 分)(数学知识)
|
程序员
L1-045 宇宙无敌大招呼 (5 分)
L1-045 宇宙无敌大招呼 (5 分)
164 0
|
并行计算 Linux Windows
ASCII新玩法!不仅能实现光线追踪,模拟星系碰撞和流体力学也不在话下
ASCII码的上限到底在何方?国外小哥不仅用ASCII实现光线追踪效果,现在还有了模拟流体动力学!
152 0
ASCII新玩法!不仅能实现光线追踪,模拟星系碰撞和流体力学也不在话下
|
人工智能 5G 生物认证
高端机赛场迎来转折:价格不是一切,方向才是重点!
高端机战场,永远是用户至上。 苹果通过降价讨好用户,近日重新回归了万亿市值。安卓机方面,今天(9月16日)vivo发布了高端系列产品NEX 3。 这不仅是vivo今年在高端机方面最大动作,也预示着高端机战场,终于在今年秋天打响了实力之战。
142 0
高端机赛场迎来转折:价格不是一切,方向才是重点!
|
新零售 人工智能 达摩院
阿里二季度财报很漂亮,但更值得关注的是内在逻辑
阿里二季度财报很漂亮,但更值得关注的是内在逻辑
653 0
阿里二季度财报很漂亮,但更值得关注的是内在逻辑
火箭发射:点击率预估界的“神算子”是如何炼成的?
响应时间直接决定在线响应系统的效果和用户体验。比如在线展示广告系统中,针对一个用户,需要在几ms内,对上百个候选广告的点击率进行预估。因此,如何在严苛的响应时间内,提高模型的在线预测效果,是工业界面临的一个巨大问题。
990 0

热门文章

最新文章