Bonjour,
Pouvez-vous motiver votre prévision de pic le 26 octobre? En avril le pic à eu lieu plusieurs semaines après le début du confinement, qui a clairement fait baisser le R0. Les mesures actuelles semblent avoir un effet tout à fait marginal sur le R0 donc je ne comprends pas comment le pic peut arriver en 2 semaines ?
Alan
merci de lire mes papiers
Ma prévision est justifiée (et non motivée) par l’extrapolation linéaire dite de Hubbert du rapport pourcentage lits journaliers sur lits cumulés versus le cumul: allez voir mon papier -Laherrere J.H. 2020 “Using Hubbert linearization to forecast covid19 deaths “ 16 mars https://aspofrance.org/2020/03/16/using-hubbert-linearization-to-forecast-covid19-deaths
toute croissance exponentielle est suivie d’une décroissance exponentielle aprés le pic
tout ce qui monte atteint un pic et redescend
il n’y a aucune exception
allez voir sur wikipedia la linearisation d’Hubbert
la justification est donc le graphique du bas de la page 3 HL des réanimations tendant vers un ultime de 40 000 ou sans doute de 50 000
Je vous rappelle que le nombre de lits en Ile de France a diminué le 8 octobre avec 448 contre 453 la veille et est à 470 le 11 octobre
Je ne regarde pas le RO car pour moi le nombre de cas ne veut rien dire dépendant des tests
la bonne nouvelle est que le nombre de contaminés augmente fortement alors que le nombre de décés augmente peu
on va vers une immunité collective qui est le meilleur moyen d’arreter l’épidémie, car le vaccin ne sera pas efficace en majorite et la majorite des gens refusent le vaccin
de toute facon vous saurez avant la fin du mois si j’ai raison ou tort, si ma prévision est plus loin de la réalité que la simulation de Pasteur qui est pour moi délirante
Merci pour votre dernier article très intéressant.
Dans votre linéarisation de Hubbert, est-ce que vous utilisez un modèle logistique (courbe intégrale symétrique) ou un modèle de Gompertz (croissance plus abrupte que la décroissance) ?
Cordialement
Th. BUR
merci pour votre interet
la linéarisation d’Hubbert est avec le modéle logistique = croissance exponentielle, pic, décroissance exponentielle
allez voir mon papier
-Laherrere J.H. 2020 “Using Hubbert linearization to forecast covid19 deaths “ 16 mars https://aspofrance.org/2020/03/16/using-hubbert-linearization-to-forecast-covid19-deaths
cordialement
jean
En relisant votre papier, je constate que l’axe des abscisses est linéaire donc que vous utilisez un modèle symétrique, ce qui ne reflète pas les décroissances observées plus lentes que les croissances.
Peut-être avez-vous déjà confronté le modèle symétrique face à celui de Gompertz, notamment en comparant la qualité des ajustements avec le R² ou l’analyse des résidus ?
Cdlt,
Th. BUR
j’ai analysé des milliers de données de production de pétrole et j’ai toujours été frappé par la symétrie des courbes, notamment dans les production de pétrole américain: voir mes papiers sur la production US
le premier pic des réanimations en France avec plus de 7000 lits le 8 avril est légèrement dissymétrique mais la courbe des cumul est très proche d’une courbe en S
il est beaucoup plus facile d ‘extrapoler une courbe logistique qu’une courbe de Gompertz
je prends le plus facile
je ne regarde pas le R2 car les données sont toujours foireuses et c’est le cas des données covid
cordialement
jean
ASPO France 
Bonjour,
Pouvez-vous motiver votre prévision de pic le 26 octobre? En avril le pic à eu lieu plusieurs semaines après le début du confinement, qui a clairement fait baisser le R0. Les mesures actuelles semblent avoir un effet tout à fait marginal sur le R0 donc je ne comprends pas comment le pic peut arriver en 2 semaines ?
Alan
merci de lire mes papiers
Ma prévision est justifiée (et non motivée) par l’extrapolation linéaire dite de Hubbert du rapport pourcentage lits journaliers sur lits cumulés versus le cumul: allez voir mon papier -Laherrere J.H. 2020 “Using Hubbert linearization to forecast covid19 deaths “ 16 mars
https://aspofrance.org/2020/03/16/using-hubbert-linearization-to-forecast-covid19-deaths
toute croissance exponentielle est suivie d’une décroissance exponentielle aprés le pic
tout ce qui monte atteint un pic et redescend
il n’y a aucune exception
allez voir sur wikipedia la linearisation d’Hubbert
la justification est donc le graphique du bas de la page 3 HL des réanimations tendant vers un ultime de 40 000 ou sans doute de 50 000
Je vous rappelle que le nombre de lits en Ile de France a diminué le 8 octobre avec 448 contre 453 la veille et est à 470 le 11 octobre
Je ne regarde pas le RO car pour moi le nombre de cas ne veut rien dire dépendant des tests
la bonne nouvelle est que le nombre de contaminés augmente fortement alors que le nombre de décés augmente peu
on va vers une immunité collective qui est le meilleur moyen d’arreter l’épidémie, car le vaccin ne sera pas efficace en majorite et la majorite des gens refusent le vaccin
de toute facon vous saurez avant la fin du mois si j’ai raison ou tort, si ma prévision est plus loin de la réalité que la simulation de Pasteur qui est pour moi délirante
Bonjour,
Merci pour votre dernier article très intéressant.
Dans votre linéarisation de Hubbert, est-ce que vous utilisez un modèle logistique (courbe intégrale symétrique) ou un modèle de Gompertz (croissance plus abrupte que la décroissance) ?
Cordialement
Th. BUR
merci pour votre interet
la linéarisation d’Hubbert est avec le modéle logistique = croissance exponentielle, pic, décroissance exponentielle
allez voir mon papier
-Laherrere J.H. 2020 “Using Hubbert linearization to forecast covid19 deaths “ 16 mars
https://aspofrance.org/2020/03/16/using-hubbert-linearization-to-forecast-covid19-deaths
cordialement
jean
En relisant votre papier, je constate que l’axe des abscisses est linéaire donc que vous utilisez un modèle symétrique, ce qui ne reflète pas les décroissances observées plus lentes que les croissances.
Peut-être avez-vous déjà confronté le modèle symétrique face à celui de Gompertz, notamment en comparant la qualité des ajustements avec le R² ou l’analyse des résidus ?
Cdlt,
Th. BUR
j’ai analysé des milliers de données de production de pétrole et j’ai toujours été frappé par la symétrie des courbes, notamment dans les production de pétrole américain: voir mes papiers sur la production US
le premier pic des réanimations en France avec plus de 7000 lits le 8 avril est légèrement dissymétrique mais la courbe des cumul est très proche d’une courbe en S
il est beaucoup plus facile d ‘extrapoler une courbe logistique qu’une courbe de Gompertz
je prends le plus facile
je ne regarde pas le R2 car les données sont toujours foireuses et c’est le cas des données covid
cordialement
jean