Labor am ElmCOVID-19 Regionale Zahlen der Infizireten
gefittet mit erweiterter Gompertz Funktion
mit erweiterter Gompertz Funktion
Alle Datenanpassungen (Fits) der einzelnen Länder/Orte sind vollständig automatisiert erstellt. Durch Anklicken auf das Bild kann überprüft werden, ob der Fit die notwendige Qualität hat anhand der Lage der Daten zur Funktion uns seiner Fehlerwerte. In einigen Fällen mit sehr streuenden realen Daten kann der Fit auch eine schlechte Vorhersage ergeben. Anhand der Fehlerwerte und des optischen Verlaufs sollten die Aussagen sinnvoll bewertet werden.
Orte oder Länder, die wegen ungenügender Daten wurden ausgelassen und können hier mit Begründung gefunden werden..
Die Tabelle zeigt von links: aktuelle Infiziertenanzahl und Land/Ort, maximale kumulative Anzahl (fit), Graphik Infizierter und fit, Graphik Infizierter pro Tag und fit, T2 Verdopplungszeit, Tag des Wendepunkts der Funktion.
Der Wendepunkt ist von Bedeutung, weil die Änderung vom reinen exponentiellen Wachstum zur linearen Phase und dem Abklingen der täglichen Infiziertenzahlen anzeigt.
Die oben-mittig angezeigte Verdopplungszeit in der Graphik beschreibt die Verdopplungszeit am Anfang der Entwicklung vor dem Wendepunkt. Diese Zahl ist mit der Logistischen Funktion berechnet worden. Einfach gesagt beschreibt T2 der Gompertz funktion den mittleren und späteren Teil der Entwicklung, die Logistische Funktion den ersten Teil.
Farbencode für die Zahlen der Infizierten: Unter 500 , zwischen 500 und 999, zwischen 1000 und 9999, zwischen 10000 und 49999, zwischen 50000 und 99999, zwischen 100000.
Der Farbencode für Länder/Orte beschreibt den Anteil, wieviel von Nmax durchlaufen wurde: Über 95%, zwischen 90% und 95%, zwischen 80% und 89%, zwischen 70% und 79%, zwischen 60% und 69%, wenn die Anzahl über 50 und Nmax ist unter 50% oder die Verdopplungszeit ist unter 3.5 Tage! Über 130% zeigt einen Neuausbruch der Infiziertenwelle an.
Der Farbencode des Wendepunktes ist: Mehr als 20 Tage überschritten, mehr als 10 Tage überschritten, mehr als 5 Tage überschritten, liegt 5 Tage voraus, liegt 10 Tage voraus, liegt mehr als 10 Tage voraus.
Der Farbencode für Länder/Orte zeigt gut an, wie gut der Covid-19-Ausbruch ausgeklungen ist und wenn er wieder unter Kontrolle ist (grünliche Farben). Länder/Orte in rot oder magenta haben aktuell einen starken Anstieg in den Fallszahlen. Der Farbencode bei den Zahlen gibt an, wie schwer der Ausbruch in einem Land/Ort war oder ist.
Angewendete Mathematik ist hier erklärt.
Wenn Sie meine Arbeit zu Covid-19 unterstützen möchten:
(Wenn Sie auf das Bild klicken, akzeptieren Sie Cookies vom Drittanbieter, die von Paypal benötigt werden.)
Für die alte breite Desktop-Ansicht, bitte hier folgen.
Aktualisierungsdatum: Do 13. Mai 06:21:16 CEST 2021
Bei Klick auf den Namen führt dieser zu einer Seite mit allen Bildern für das Land.
| Naktuell Land/Ort |
Nmax (err) | kumulativ_Inf. | Infektionen_täglich | T2 (err) | dWendepunkt (err) |
| 15282705 Brazil | 21830422 (±2.9%) |  |  | 93.892 (±1.8%) | 365.82 (±1.4%) |
| 3191097 Argentina | 3212321 (±1.6%) |  |  | 70.330 (±1.5%) | 322.26 (±0.7%) |
| 776257 Bangladesh | 671451 (±1.2%) |  |  | 60.582 (±1.9%) | 235.23 (±0.9%) |
| 402595 Ecuador | 520254 (±2.3%) |  |  | 92.980 (±1.6%) | 337.10 (±1.3%) |
| 370509 Belarus | 719540 (±4.4%) |  |  | 105.322 (±2.1%) | 418.46 (±1.9%) |
| 320209 Bolivia | 367889 (±3.0%) |  |  | 82.503 (±2.6%) | 306.90 (±1.8%) |
| 272809 Dominican Republic | 310532 (±1.3%) |  |  | 74.368 (±1.3%) | 288.17 (±0.8%) |
| 219596 Armenia | 229056 (±1.2%) |  |  | 64.146 (±1.5%) | 292.13 (±0.6%) |
| 192750 Bahrain | 222777 (±3.7%) |  |  | 90.906 (±2.7%) | 327.97 (±2.2%) |
| 131803 Albania | 178424 (±1.3%) |  |  | 67.515 (±1.1%) | 374.22 (±0.4%) |
| 124483 Algeria | 14381 (±1.4%) |  |  | 22.825 (±1.1%) | 127.96 (±0.4%) |
| 74946 Cameroon | 388756218 (±394.3%) |  |  | 364.788 (±22.7%) | 1975.92 (±32.7%) |
| 68552 Luxembourg | 70414 (±1.2%) |  |  | 55.159 (±1.7%) | 317.80 (±0.4%) |
| 62403 Afghanistan | 54080 (±0.8%) |  |  | 43.454 (±2.1%) | 170.87 (±1.0%) |
| 49041 Botswana | 99200 (±1.9%) |  |  | 87.204 (±0.9%) | 448.43 (±0.6%) |
| 30392 Congo (Kinshasa) | 1290688 (±200.5%) |  |  | 56.725 (±14.6%) | 320.10 (±18.1%) |
| 29146 Angola | 25258 (±0.8%) |  |  | 51.933 (±1.3%) | 300.15 (±0.3%) |
| 26709 Cabo Verde | 30419 (±3.4%) |  |  | 86.341 (±2.3%) | 355.77 (±1.6%) |
| 20223 Cambodia | 2197223785 (±220.1%) |  |  | 134.526 (±8.7%) | 955.97 (±9.2%) |
| 13384 Burkina Faso | 16029 (±2.2%) |  |  | 57.923 (±2.5%) | 351.35 (±0.7%) |
| 12704 Belize | 13033 (±0.5%) |  |  | 39.597 (±1.3%) | 311.64 (±0.2%) |
| 11343 Congo (Brazzaville) | 11435 (±1.7%) |  |  | 72.319 (±1.9%) | 270.72 (±1.1%) |
| 10908 Bahamas | 9161 (±0.5%) |  |  | 40.291 (±1.3%) | 261.96 (±0.3%) |
| 7995 Benin | 36540 (±19.4%) |  |  | 146.590 (±5.4%) | 594.65 (±6.5%) |
| 6674 Central African Republic | 5080 (±0.4%) |  |  | 19.960 (±2.5%) | 161.52 (±0.4%) |
| 5546 New South Wales, Australia | 3060 (±0.2%) |  |  | 7.622 (±1.0%) | 85.14 (±0.1%) |
| 4208 Burundi | 3694840 (±85.9%) |  |  | 245.997 (±6.3%) | 1326.40 (±8.4%) |
| 4152 Nova Scotia, Canada | 47177 (±244.3%) |  |  | 300.203 (±42.0%) | 1191.90 (±65.9%) |
| 3818 Eritrea | 5188 (±3.0%) |  |  | 66.797 (±2.3%) | 390.97 (±0.8%) |
| 3741 Guinea-Bissau | 3369 (±1.7%) |  |  | 60.750 (±3.4%) | 174.38 (±2.1%) |
| 1247 Bhutan | 1293 (±2.3%) |  |  | 72.994 (±2.1%) | 330.38 (±1.0%) |
| 1238 Antigua and Barbuda | 135176198 (±502.3%) |  |  | 295.757 (±20.7%) | 1753.52 (±28.8%) |
| 1156 Newfoundland and Labrador, Canada | 331736481 (±951.5%) |  |  | 465.121 (±35.6%) | 2701.12 (±52.7%) |
| 1015 Western Australia, Australia | 938 (±1.3%) |  |  | 59.223 (±3.6%) | 89.98 (±5.6%) |
| 998 Sichuan, China | 6725824617 (±4037.1%) |  |  | 1023.429 (±117.7%) | 6076.13 (±182.2%) |
| 994 Anhui, China | 992 (±0.0%) |  |  | 4.602 (±0.4%) | 33.03 (±0.1%) |
| 974 Saint Barthelemy, France | 6 (±1.4%) |  |  | 10.622 (±5.9%) | 73.24 (±1.2%) |
| 669 Faroe Islands, Denmark | 4162186913 (±2879.3%) |  |  | 715.825 (±84.1%) | 4271.43 (±129.0%) |
| 586 Nunavut, Canada | 543 (±5.0%) |  |  | 60.239 (±6.4%) | 355.17 (±1.3%) |
| 408 Liaoning, China | 477 (±1.7%) |  |  | 85.167 (±2.2%) | 173.53 (±2.6%) |
| 382 Inner Mongolia, China | 367 (±0.8%) |  |  | 54.660 (±2.2%) | 104.26 (±2.6%) |
| 275 Guangxi, China | 260 (±0.1%) |  |  | 5.497 (±1.4%) | 31.65 (±0.4%) |
| 234 Tasmania, Australia | 232 (±0.1%) |  |  | 11.141 (±0.8%) | 94.17 (±0.1%) |
| 230 Brunei | 162 (±0.8%) |  |  | 11.209 (±8.3%) | 77.43 (±1.8%) |
| 167 Northern Territory, Australia | 19113 (±135.8%) |  |  | 276.546 (±14.3%) | 1321.28 (±20.4%) |
| 147 Guizhou, China | 147 (±0.0%) |  |  | 4.474 (±0.7%) | 34.71 (±0.1%) |
| 124 Australian Capital Territory, Australia | 115 (±0.2%) |  |  | 7.629 (±2.8%) | 84.95 (±0.3%) |
| 84 Yukon, Canada | 11 (±0.5%) |  |  | 10.261 (±2.7%) | 90.26 (±0.4%) |
| 49 Macau, China | 47 (±0.3%) |  |  | 14.714 (±2.2%) | 69.30 (±0.9%) |
Länder/Orte in dieser Liste müssen Bedingungen im Datensatz haben: Anzahl Infizierter muß mindestens 13 betragen und weiterhin mindestens 7 subsequent steigende Zahlen vorliegen. Bei Erstaufnahme wird der Wendepunkt geraten, wobei die x über die Hälfte vom Maximalwert gesucht wird und den ersten darüber nimmt. Ist der Wendepunkt dann am letzten Wert, wird dieser Datensatz übersprungen.
Ausgelassene Länder/Orte können in dieser Liste gefunden werden.