指数增长与流行病
Exponential growth and epidemics
频道:3Blue1Brown · 时长:8:56 · 发布:2020-03-08 · 播放:6061224
简介
3Blue1Brown 的一个简短入门视频,讲解指数增长和逻辑斯蒂增长,使用早期 COVID-19 病例数据展示流行病如何增长并最终趋于平缓。它解释了为什么增长率的小变化会导致结果的巨大差异。
HN 为什么推荐
在 COVID-19 早期,HN 评论者将其链接为对流行病指数增长含义最清晰的快速解释。
这里有一个简洁的视频,能帮助大多数观众看清全局。 — HN, 2020
中文字幕节选
指数增长这个说法对大多数人来说并不陌生, 但人类的直觉有时很难真正理解它的含义。 我们可能会盯着一串看似很小的数字,然后 当这些数字突然变大时感到惊讶, 即使整体趋势完全符合指数规律。 这里展示的是COVID-19(即冠状病毒) 记录病例的数据,至少在我写这段话时是这样。 我从不放过任何上数学课的机会, 所以我觉得现在正是我们所有人重温基础知识的好时机, 了解指数增长到底是什么、它从何而来、意味着什么, 也许最紧迫的是,如何知道它何时会结束。 指数增长意味着,从一天到下一天, 它涉及乘以某个常数。 在我们的数据中,每天的病例数往往是前一天的 大约1.15到1.25倍。 病毒是这种增长的教科书式例子, 因为导致新病例的是现有病例。 如果某天的病例数是n,并且我们说每个 病毒携带者平均每天接触e个人, 而每次接触有概率p成为新感染, 那么某天的新病例数就是e乘以p乘以n。 n本身是自身变化的一个因素, 这才是真正让事情发展迅速的原因, 因为如果n变大,就意味着增长率本身也在变大。 一种思考方式是,当你加入新病例 来得到下一天的增长时,你可以提取出n, 所以这就像乘以一个大于1的常数。 有时,如果我们把图表的 y轴放在对数刻度上,会更容易看出这一点, 这意味着固定距离的每一步对应乘以 某个因子,在这里每一步是10的另一个幂。 在这个刻度上,指数增长应该看起来像一条直线。 看我们的数据,似乎用了20天从100到1000, 又用了13天从1000到10000,如果你做一个简单的线性 回归来找到最佳拟合线,你可以看这条线的 斜率来得出结论,比如我们平均每16天乘以10。 这个回归也让我们能更定量地了解 指数拟合到底有多接近,用专业的 统计术语来说,答案是非常非常接近。 但如果这是真的,可能很难理解这到底意味着什么。 当你看到一个国家有比如6000例病例,另一个有60例, 很容易认为第二个国家做得比第一个好100倍,因此没问题。 但如果你实际上处于数字每16天乘以10的情况, 看待同一事实的另一种方式是, 第二个国家大约比第一个国家晚一个月。 如果你画出这条线,这当然相当令人担忧。 我在3月6日录制这个视频,如果当前趋势继续, 意味着30天内达到100万病例,47天内达到1000万, 64天内达到1亿,81天内达到10亿。 不用说,你不能就这样永远画一条线, 它显然必须在某个时候开始放缓。 但关键问题是何时。 是像2002年的SARS爆发那样,最终约8000例, 还是像1918年的西班牙流感那样,最终 感染了约27%的世界人口? 一般来说,没有上下文,仅仅通过数据 画一条线并不是做预测的好方法, 但记住,这里有一个 实际理由来预期指数增长。 如果每天的新病例数与现有病例数成正比, 这必然意味着每天都要乘以某个常数, 所以向前推 d 天就等于乘以该常数 d 次。 唯一能阻止这种情况的方式就是 E 或 P 下降。
HN 上的讨论
今天刚看了3brown1blue的视频,它讲解了指数增长,并将其修正为最新的实际COVID-19数据。真的让一切都豁然开朗了。[VIDEO] 编辑:单独的HN讨论:[LINK] — brownbat, 2020-03
确切地说,这是一条“逻辑斯蒂曲线”,最初呈指数增长。来自 3Blue1Brown 这个精彩的视频:[VIDEO] — thomasmg, 2020-03
那些不理解指数增长,或者需要复习一下的人,应该看看 3Blue1Brown 这个精彩的视频。《指数增长与流行病》:[VIDEO] — asix66, 2020-03
我住在卑尔根县。这里缺乏恐慌——尽管我在北侧,与感染最严重的地区相反。我今天早些时候去杂货店购物,有几个人戴着口罩,但没有人真正试图与他人保持距离。那里人很多,可能比平时少一点。有时人太多,他们不得不限制进入商店并在外面排队(可能是为了帮助保持社交距离,但商店里仍然有太多人,所以这无关紧要)。这与社交距离相反。纽约市以及卑尔根正北/东的县(威彻斯特、罗克兰)的灾难将会蔓延。我们将无法应对,而且我们没有纽约的影响力来争取更多资源。在最近的一个视频中,3Blue1Brown写道:“唯一需要恐惧的就是恐惧本身。”这就是我担心的。我的父母是长期吸烟者,面临风险,如果Valley医院用完呼吸机和个人防护装备,我们主要/通常的选择就没了。(顺便说一句,视频很棒)[VIDEO] — Fej, 2020-03
不管你怎么听说,中国对疫情非常重视,并且反应积极。中国的普通民众也非常重视。在中国,正常的应对行为在美国看起来就像是过度反应。请观看3blue1brown的这个视频[VIDEO] 中国已经过了拐点,而我们还没有确定我们的拐点会在哪里。每个人都应该现在就开始改变自己的行为。2002年SARS-CoV没有像目前的SARS-CoV-2病毒传播得这么远,这一事实应该引起警惕。美国可以忽视之前的疫情,因为中国会积极阻止它。 — officialjunk, 2020-03
相关视频
- 为什么世界人口不会超过110亿 | Hans Rosling | TGS.ORG · THINK Global School · 16:36
- 为什么燃油发动机远未消亡——电动汽车的最大问题 · Engineering Explained · 14:32
- 《辛普森一家》的衰落:是如何发生的 · Super Eyepatch Wolf · 31:08
- "你为什么要锁门?" - RVASec 2012 · Schuyler Towne · 51:20
- 人口过剩——人类爆炸解释 · Kurzgesagt – In a Nutshell · 6:39
- Richard Hipp - Git:直接说不 · southeastlinuxfest · 1:01:15
- Václav Smil 在 2019 年 Driva 气候投资会议上的演讲 · Nysnø Klimainvesteringer · 52:10
- 把农场当作生态系统来经营,Gabe Brown 第一部分:土壤健康的五大原则 · Living Web Farms · 2:31:00
- 谷歌应该转向核能吗?清洁、廉价的核能(不,说真的) · GoogleTalksArchive · 1:32:38
- 数学的未来? · Microsoft Research · 1:14:48
- 《战争游戏》中的那个场景 · Greg Granito · 4:05
- 纽约科技讲座系列:谷歌如何备份互联网 · Google TechTalks · 1:14:18
- [4k, 60 fps] 旧金山,沿市场街的旅行,1906年4月14日 · Denis Shiryaev · 14:22
- Gwynne Dyer -- 更热世界中的地缘政治 · The University of British Columbia · 1:31:52
- 乱穿马路是犯罪的真正原因(Adam Ruins Everything) · Dropout · 3:24
- 斯坦福研讨会——串接式编程:从象牙塔到金属 · Stanford Online · 1:04:44
- William Byrd 谈“有史以来最美丽的程序” [PWL NYC] · PapersWeLove · 1:31:05
- Michael Levin:细胞集体的解剖决策 · Thomas Ouldridge · 1:18:06
- 印度水革命 #1:用 Paani 基金会在 45 天内解决危机 · Andrew Millison · 9:02
- 函数式领域建模 - Scott Wlaschin · NDC Conferences · 51:39