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 3. Dez 06:24:26 CET 2020
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) |
| 6386787 Brazil | 6461877 (±0.4%) |  |  | 39.897 (±0.5%) | 207.77 (±0.2%) |
| 1656444 Spain | 7990030812 (±181.9%) |  |  | 206.680 (±10.6%) | 1136.92 (±14.8%) |
| 1643086 United Kingdom | 296353101269 (±553.6%) |  |  | 239.645 (±21.1%) | 1412.20 (±30.4%) |
| 1432570 Argentina | 2136780 (±0.8%) |  |  | 48.362 (±0.5%) | 275.95 (±0.2%) |
| 543975 Indonesia | 1071865 (±1.3%) |  |  | 63.317 (±0.6%) | 301.73 (±0.4%) |
| 467225 Bangladesh | 447485 (±0.5%) |  |  | 36.905 (±0.9%) | 192.34 (±0.3%) |
| 387052 Canada, Canada | 107302 (±0.2%) |  |  | 17.896 (±0.4%) | 112.45 (±0.1%) |
| 285489 Austria | 16147 (±0.4%) |  |  | 9.354 (±1.4%) | 85.10 (±0.2%) |
| 193673 Ecuador | 230505 (±1.5%) |  |  | 53.820 (±1.3%) | 214.68 (±0.8%) |
| 148775 Bulgaria | 47417880896 (±472.1%) |  |  | 164.031 (±17.0%) | 1024.25 (±22.7%) |
| 144810 Bolivia | 147324 (±0.2%) |  |  | 29.889 (±0.4%) | 196.20 (±0.1%) |
| 144302 Dominican Republic | 144821 (±0.5%) |  |  | 39.108 (±0.8%) | 199.77 (±0.2%) |
| 140172 Costa Rica | 807 (±1.1%) |  |  | 12.629 (±3.1%) | 87.82 (±0.4%) |
| 139343 Georgia | 996855 (±6.7%) |  |  | 49.417 (±1.5%) | 374.48 (±0.7%) |
| 138219 Belarus | 109345 (±2.5%) |  |  | 42.984 (±3.7%) | 164.86 (±1.8%) |
| 135967 Armenia | 15761880 (±128.0%) |  |  | 152.573 (±13.3%) | 763.33 (±17.7%) |
| 125602 Azerbaijan | 8156539 (±163.9%) |  |  | 150.073 (±18.2%) | 738.62 (±24.2%) |
| 116303 Egypt | 106805 (±0.3%) |  |  | 23.938 (±0.9%) | 161.19 (±0.2%) |
| 92993 China total, China total | 86857 (±0.2%) |  |  | 6.363 (±2.3%) | 37.46 (±0.7%) |
| 89085 Bosnia and Herzegovina | 1189080475 (±184.6%) |  |  | 184.817 (±9.4%) | 1063.35 (±12.8%) |
| 87137 Bahrain | 96928 (±0.7%) |  |  | 44.098 (±0.9%) | 205.24 (±0.3%) |
| 84169 Kenya | 176859 (±13.4%) |  |  | 69.451 (±5.6%) | 314.95 (±4.5%) |
| 84152 Algeria | 14382 (±1.4%) |  |  | 22.825 (±1.1%) | 127.96 (±0.4%) |
| 67169 Malaysia | 16586689990 (±690.0%) |  |  | 210.522 (±25.3%) | 1266.49 (±35.6%) |
| 62945 North Macedonia | 2869876069 (±316.9%) |  |  | 208.569 (±13.9%) | 1215.57 (±19.5%) |
| 59484 Alberta, Canada | 7442 (±1.4%) |  |  | 13.650 (±2.3%) | 107.84 (±0.3%) |
| 46717 Afghanistan | 40527 (±0.4%) |  |  | 21.604 (±1.3%) | 150.92 (±0.3%) |
| 39014 Albania | 4078476 (±54.2%) |  |  | 134.962 (±5.7%) | 697.37 (±7.1%) |
| 35163 Korea - South | 53193 (±9.7%) |  |  | 81.164 (±5.5%) | 242.50 (±7.0%) |
| 35129 Luxembourg | 8045317598 (±756.4%) |  |  | 237.892 (±28.0%) | 1411.33 (±40.2%) |
| 33894 British Columbia, Canada | 2630 (±0.7%) |  |  | 15.149 (±1.4%) | 93.32 (±0.3%) |
| 24487 Cameroon | 22241 (±0.4%) |  |  | 29.835 (±1.0%) | 161.27 (±0.3%) |
| 17341 Madagascar | 12234629478 (±2500.9%) |  |  | 325.261 (±88.2%) | 1906.53 (±131.2%) |
| 17107 Manitoba, Canada | 297 (±0.6%) |  |  | 9.098 (±2.6%) | 90.60 (±0.3%) |
| 15251 Angola | 52276 (±7.3%) |  |  | 62.423 (±2.4%) | 348.43 (±1.6%) |
| 14559 French Polynesia, France | 60 (±0.4%) |  |  | 9.439 (±1.5%) | 84.77 (±0.2%) |
| 12859 Congo (Kinshasa) | 11337 (±0.4%) |  |  | 27.756 (±1.1%) | 161.35 (±0.3%) |
| 12497 Estonia | 539087265 (±822.5%) |  |  | 247.054 (±35.7%) | 1418.72 (±51.3%) |
| 11240 French Guiana, France | 35310811 (±471.1%) |  |  | 70.163 (±22.4%) | 431.35 (±28.1%) |
| 10816 Cabo Verde | 18675 (±1.5%) |  |  | 58.689 (±0.8%) | 282.95 (±0.5%) |
| 10742 Botswana | 80831 (±17.3%) |  |  | 77.021 (±3.8%) | 413.86 (±3.3%) |
| 9296 Haiti | 8810 (±0.4%) |  |  | 22.649 (±1.2%) | 161.19 (±0.2%) |
| 8745 Saskatchewan, Canada | 1781455461 (±743.2%) |  |  | 223.457 (±27.4%) | 1334.65 (±39.0%) |
| 8381 Cuba | 2024 (±0.3%) |  |  | 12.960 (±0.5%) | 104.44 (±0.1%) |
| 7543 Bahamas | 9314 (±1.0%) |  |  | 37.851 (±1.0%) | 262.56 (±0.2%) |
| 6790 Andorra | 805 (±0.6%) |  |  | 10.434 (±2.2%) | 88.66 (±0.3%) |
| 5854 Belize | 13627 (±5.3%) |  |  | 54.969 (±2.1%) | 324.61 (±1.1%) |
| 5774 Congo (Brazzaville) | 5629 (±0.5%) |  |  | 31.636 (±1.1%) | 192.56 (±0.2%) |
| 4918 Central African Republic | 4833 (±0.1%) |  |  | 18.053 (±0.6%) | 160.43 (±0.1%) |
| 4588 New South Wales, Australia | 3060 (±0.2%) |  |  | 7.622 (±1.0%) | 85.14 (±0.1%) |
| 3015 Benin | 2745 (±0.8%) |  |  | 31.824 (±1.7%) | 182.61 (±0.4%) |
| 2997 Togo | 935 (±8.5%) |  |  | 25.436 (±4.8%) | 144.50 (±2.2%) |
| 2931 Burkina Faso | 6979 (±11.6%) |  |  | 88.372 (±4.9%) | 313.00 (±5.8%) |
| 2503 Curacao, Netherlands | 29 (±3.5%) |  |  | 29.956 (±5.5%) | 101.52 (±2.3%) |
| 2441 Guinea-Bissau | 2344 (±0.5%) |  |  | 26.089 (±1.5%) | 142.05 (±0.5%) |
| 2413 Sierra Leone | 1355 (±2.4%) |  |  | 17.306 (±1.8%) | 138.16 (±0.4%) |
| 2137 Lesotho | 2220 (±0.8%) |  |  | 34.012 (±1.3%) | 228.48 (±0.3%) |
| 1992 Guangdong, China | 1708 (±0.6%) |  |  | 10.822 (±4.5%) | 32.86 (±3.4%) |
| 1650 San Marino | 7243 (±124.3%) |  |  | 147.829 (±33.4%) | 509.36 (±53.1%) |
| 1333 Shanghai, China | 1686 (±5.7%) |  |  | 75.259 (±5.0%) | 156.53 (±7.5%) |
| 1315 Nova Scotia, Canada | 1092 (±0.3%) |  |  | 11.904 (±1.7%) | 100.60 (±0.3%) |
| 1205 Queensland, Australia | 1109 (±0.3%) |  |  | 8.825 (±2.9%) | 84.20 (±0.4%) |
| 992 Anhui, China | 992 (±0.0%) |  |  | 4.597 (±0.4%) | 33.03 (±0.1%) |
| 823 Western Australia, Australia | 667 (±0.7%) |  |  | 13.075 (±4.0%) | 87.58 (±0.9%) |
| 689 Burundi | 628 (±1.1%) |  |  | 35.022 (±1.9%) | 192.73 (±0.5%) |
| 680 Jiangsu, China | 638 (±0.3%) |  |  | 4.898 (±1.2%) | 33.05 (±0.2%) |
| 613 Comoros | 552 (±1.0%) |  |  | 32.841 (±2.1%) | 173.54 (±0.6%) |
| 590 Chongqing, China | 578 (±0.4%) |  |  | 4.917 (±1.2%) | 30.77 (±0.3%) |
| 577 Eritrea | 22080698 (±1001.1%) |  |  | 286.804 (±46.9%) | 1606.60 (±68.4%) |
| 503 Faroe Islands, Denmark | 187 (±0.1%) |  |  | 6.271 (±0.9%) | 79.23 (±0.1%) |
| 500 Shaanxi, China | 246 (±0.2%) |  |  | 4.647 (±0.8%) | 31.37 (±0.2%) |
| 490 Fujian, China | 296 (±0.3%) |  |  | 4.670 (±1.0%) | 30.36 (±0.2%) |
| 414 Bhutan | 522 (±2.1%) |  |  | 50.157 (±1.7%) | 241.96 (±0.8%) |
| 373 Hebei, China | 347 (±0.3%) |  |  | 6.213 (±3.0%) | 34.85 (±0.9%) |
| 339 Newfoundland and Labrador, Canada | 273 (±0.4%) |  |  | 7.450 (±3.8%) | 87.67 (±0.4%) |
| 329 Inner Mongolia, China | 275 (±0.6%) |  |  | 26.819 (±1.9%) | 79.81 (±1.4%) |
| 329 Cambodia | 323 (±1.9%) |  |  | 44.252 (±2.9%) | 142.41 (±1.8%) |
| 300 Tianjin, China | 193 (±0.8%) |  |  | 14.415 (±3.4%) | 36.95 (±3.1%) |
| 289 Liaoning, China | 361 (±4.2%) |  |  | 66.849 (±5.0%) | 112.40 (±7.7%) |
| 285 Cayman Islands, United Kingdom | 3265553 (±2466.4%) |  |  | 377.194 (±136.8%) | 2013.99 (±203.8%) |
| 278 Barbados | 91 (±0.7%) |  |  | 10.968 (±2.6%) | 89.81 (±0.4%) |
| 263 Guangxi, China | 256 (±0.1%) |  |  | 5.345 (±0.7%) | 31.51 (±0.2%) |
| 259 Saint Lucia | 2809576 (±557.3%) |  |  | 125.258 (±29.1%) | 775.57 (±35.0%) |
| 231 Tasmania, Australia | 230 (±0.1%) |  |  | 11.010 (±1.0%) | 94.07 (±0.2%) |
| 221 Shanxi, China | 133 (±0.4%) |  |  | 4.329 (±1.5%) | 31.54 (±0.3%) |
| 182 Gansu, China | 164 (±0.6%) |  |  | 18.162 (±3.4%) | 37.86 (±4.5%) |
| 182 Nunavut, Canada | 190 (±2.4%) |  |  | 9.692 (±3.8%) | 323.57 (±0.1%) |
| 151 Brunei | 143 (±0.2%) |  |  | 7.467 (±1.5%) | 76.48 (±0.2%) |
| 147 Guizhou, China | 147 (±0.1%) |  |  | 4.473 (±0.9%) | 34.71 (±0.2%) |
| 142 Antigua and Barbuda | 144 (±2.1%) |  |  | 45.419 (±2.7%) | 180.36 (±1.3%) |
| 117 Australian Capital Territory, Australia | 111 (±0.2%) |  |  | 6.988 (±2.0%) | 84.70 (±0.2%) |
| 85 Saint Vincent and the Grenadines | 85 (±1.5%) |  |  | 44.461 (±2.0%) | 174.67 (±1.0%) |
| 85 Dominica | 5089827 (±1052.5%) |  |  | 277.114 (±45.2%) | 1582.09 (±65.8%) |
| 53 Northern Territory, Australia | 33 (±1.0%) |  |  | 9.742 (±7.7%) | 87.17 (±1.1%) |
| 47 Yukon, Canada | 11 (±0.5%) |  |  | 10.261 (±2.7%) | 90.26 (±0.4%) |
| 46 Macau, China | 46 (±0.5%) |  |  | 14.339 (±2.7%) | 69.30 (±1.0%) |
| 39 Laos | 19 (±0.5%) |  |  | 7.913 (±2.6%) | 89.11 (±0.3%) |
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.