Ahmed Moharram
Ahmed Moharram

@ABMOHARRAM

22 تغريدة 190 قراءة Apr 04, 2020
كثير من التردد انتابني قبل البدء بكتابة هذه السلسلة من التغريدات فهي لا تصف الواقع بقدر ما تعيد توصيفه. يجب أن يتفهم كل واحد من حضراتكم أن ما أقدمه هنا هو نتائج نماذج رياضية لا أتدخل فيها إلا بقدر ما أتخير لها من بيانات وحسابات أراها ذات معنى من الناحية الإحصائية.
ونظراً لكثرة البيانات الناتجة عن آخر دراسة قمت بها فسأعتمد على صور من النتائج كلما كان ذلك ممكنا لتجنب كثرة النقل ولأقلل عدد التغريدات قدرما أستطيع ،فبدلاً من كتابة أسماء دول مجموعة معينة مثلاً سأضع صورة بأسماء هذه الدول ، وهكذا
بعد تحليل البيانات الواردة من كل الدول حتى أمس ، وبافتراض صحتها ، وبافتراض جواز مقارنتها (حيث تختلف الدول في طريقة إجراء الاختبارات بشكل كبير) وبعد حذف الدول التي ليس لها بيانات كاملة وجدت أنه يمكننا النظر إلى الدول كمجموعات وفقاً لتقاربها في صفاتها. هذه الصفات كثيرة في الواقع
أذكر منها على سبيل المثال تطور أعداد الحالات والشفاء والوفيات وتاريخ ظهور أول حالة والفارق بالأيام بين أول حالة وأول وفاة وأول شفاء ونسب الوفيات للمجتمع ونسبتها للحالات المؤكده ونسب الوفيات الطبيعية لكل دولة إلخ.
كل ما يبدأ بحرف C1 يمثل معايير التوزيع الإحصائي لكل هذه المتغيرات
عندئذ نستخدم خوارزميات الذكاء الصناعي بهدف إيجاد العلاقات بين مختلف الدول على أساس القيم المقابلة لكل دولة. للتسهيل تخيل أن كل دولة شخص له اهتمامات كثيرة ، وأننا سنقسم هذه الدول إلى مجموعات بحيث ينتمي كل شخص لمجموعة واحدة على أن يكون بقية أعضائها لهم أقرب قدر من الاهتمامات
النتيجة هي عدة مجموعات من الدول ، كل مجموعة فيها عدد من الدول ذات صفات متقاربة جداً. ما الفائدة من ذلك؟
إن متابعة تفشي الوباء في كل دولة وحدها مفيد لفهم الحاضر، بينما فهم علاقات الدول يسمح لنا بأن نجد في كل مجموعة دولة لها السبق في الأحداث
هذه الدولة تكون بمثابة قائدة المجموعة ، وبالتالي نستطيع أن نبني توقعات لكل الدول التابعة لنفس المجموعة بناء على مستجدات ومراحل تطور الوباء في هذه الدولة. دعونا نبدأ بعض الرسم البياني أولاً وفقاً لآخر المستجدات
كل لون في هذا الشكل البياني يمثل مجموعة ، وكل نقطة تمثل دولة تتبع هذه المجموعة. وتزيد مساحة هذه النقطة تبعاً لإجمالي عدد الحالات المكتشفة في هذه الدولة. وترتفع هذه النقطة أو تنخفض وفقاً لعدد الوفيات بين الحالات المكتشفة.
في كل مجموعة نضع سهماً أزرق صغير أمام الدولة الأسوأ من ناحية معدل الوفيات لمن أغلقت حالاتهم سواء بالوفاة أو الشفاء. بالرغم من أن هذا يٌفترَض به أن يعبر عن كفاءة النظام الصحي إلا أنه يتأثر كثيراً بالتركيبة السكانية للدولة محل الدراسة.
لأنني أعرف أن أغلبنا سيبدأ بالبحث عن دولته بين هذه الدول فسوف أضيف صورة للدول في كل مجموعة هنا. ترتيب هذه الدول سيكون من الأسوأ إلى الأفضل في نسبة الوفيات إلى الحالات المكتشفة.
في هذه المجموعة تظهر كثير من الدول العربية بالمناسبة، وهي مجموعة أفغنستان
مجموعة ليبيا
مجموعة انجلترا
أعيد التأكيد على أنه لا توجد أي بيانات جغرافية تم إضافتها للمدخلات ، ومع ذلك نرى أن النموذج الرياضي أفرد مجموعة لانجلترا وفرنسا وبلجيكا وألمانيا
لم تتضمن المدخلات أيضاً أي بيانات لها علاقة بالسياسة ، وأفترض أن قرار النموذج الرياضي بإفراد مجموعة خاصة للصين جاء بسبب عدد سكانها وأيضاً أنها صاحبة أطول تاريخ من ناحية عدد الأيام في تفشي الفيروس
مجموعة هولندا
مجموعة السويد
لا أخفي تخوفي الشديد من هذه النتائج على إسبانيا ، لكن من الواضح أنهم مقبلين على حالة تشبه الوضع الإيطالي (ربنا يستر)
مجموعة البوسنة
مجموعة صربيا
أفرد النموذج مجموعة مستقل لكل من إيران وأمريكا ، يبدو أن هذا قدر الدولتين على أي حال
كانت هذه هي كل المجموعات ، وتضمنت إجمالاً 108 دولة. لكن من المهم هنا أن نقول أن بعض الدول فيها شيء يفوق انتشار الفيروس (إحصائياً). بمعنى أن بعض الدول كان سلوك الفيروس فيها متمرداً (من الناحية الرياضية) حيث أظهر نسبة مرتفعة للخطأ في نماذج التنبؤ
سوف أعرض نماذج ونتائج التنبؤ في سلسلة تغريدات مستقلة بالطبع حين أنتهي منها. لكن يهمني هنا أن اقول أن بعض الدول لديها معدلات انتشار فيروسي تفوق المعتاد بمراحل (ولم أقم بعد بتحليل الأسباب) كل هذه الدول تظهر هنا:
طبعاً هذا لا يعني أن هذه الدول متشابهة بالضرورة ، ولكن يعني أن كل دولة فيها تستدعي دراسة متعمقة مستقلة للوقوف على سبب اختلافها. في كل من هذه المجموعات توجد دول فيها عدد حالات أكبر من بقية الدول ، وسيكون هدف نموذج التنبؤ أن نحاول استخدام هذه الدولة كنموذج لبقية دول مجموعتها

جاري تحميل الاقتراحات...