赞同楼主观点。其实这个问题可以参考前一阵一个讨论离婚率的帖子

没有统计学基础就不要在这里胡说八道了，80%的科研人员写论文都要请统计学老师帮忙。

这么算没问题，因为已经过了一个月，如果这个病的康复周期是一个月，那么在一个月的时候病人要不然康复，要不然死亡。还没好的那些当然不会计算在内，因为他们没有完成一个周期

那你觉得这次新冠前几天你就把死亡率定为100%真的是科学的？说出去不怕被人笑死？

统计结果需要符合统计学意义，双盲实验经常提到这个词，你的算法压根就不符合统计学意义

你说得很好，你可以把你说的反馈给卫健委，CDC，因为他们现在发布的死亡率就是压根不符合统计学意义

你比卫健委还懂？还是你觉得卫健委故意用现在的算法降低死亡率数值安慰大众？

算法是公开的，确切的说你比全国人民都懂

回复12#nieqbh


别普及了，好多人算不明白的，可能是这样算死亡率太高有的人接受不了

本来就应该这么算，只是国家为了避免恐慌，搞了算法模糊一下而已，实际上这个死亡率是不断下降的，最终的估计会比非典低

当年的数学老师是体育老师兼任的吧

+1。。。

没错，这就是我说的瞎jb算，这样算的结果就是有几万人一会死了，一会活了

你又代表全国人民了？

平时看不出，一出点事，就能让人意识到d版现在文盲率有多高。

只有在确认数字真实的情况下，这些测算才有意义

有理有据~+1

你看楼主怎么算的，他算的每日的而不是累计的治愈和死亡人数。这数据波动忽上忽下的，根本就是虾扯蛋。

用每日新增来算更科学！因为随着医疗措施与条件的改进，治疗效果是在变化的。所以用每日新增的数据来计算，更能反映新冠肺炎在当前条件下的危害性。

那分母是什么？都喜欢自己创建一个式子然后套用已有概念的叫法，这自创的也不能叫死亡率了啊。真是服了。明明死亡率有固定的叫法对应固定的算法。

不管叫什么名字，楼主这种算法更能直观地、真实地反映新冠病毒的危害性。比死亡数/确诊数要直观、有效得多。死亡数/确诊数的死亡率定义误导了很多人，让他们低估了这次新冠病毒的危害性。群里聊天的时候，有朋友说死亡率只有2%，不用害怕。我提示他按楼主的方法再来算一下，他就打消了出去放放风的念头。

哦，那也只能你自己用了。再说楼主说的和你说的不是一个意思。

自维基百科：病死率（case fatality，fatality rate），在流行病学中，表示一定时期内患某一疾病的患者中死亡的比率。例如一年中每10000名被诊断为患某病的患者中，最终平均有9人死亡，那么致死率为万分之九。扎伊尔埃博拉病毒是最致命的病毒之一，致死率曾经是90%，而狂犬病毒若无疫苗，那么致死率几乎可达100%。但流感病毒致死率不高，危险的西班牙流感，其致死率大于2.5%，而较普通的亚洲流感与香港流感，致死率约为0.1%。其它流感则小于0.1%。

“病死率”的定义是：一定时期内（通常为1年），患某病的全部病人中因该病死亡者的比例。也即病死率=某时期内因某病死亡人数/同期患某病的病人数×100%。

分母难道不是已确认的感染人数？ iOS fly ~

回复16#sunnei

换个名词就是新数学概念…

服，你是对的，呵呵

开始几天死亡数大于治愈数，那是不是死亡率百分之一百多了?还要让人家死两次?真的智商堪忧

那你说这99个人有1%的几率摔死，和100%几率摔死，哪一个更符合事实？




其实核心在于，你要统计这个“率”干什么。

如果一切都过去了，我想没有分歧，大家都知道怎么计算这个死亡率和治愈率。所以关键在于事情发展过程中，我们应该用什么方法来统计，我认为既然终极目标是那个“事件过去之后”的概率，那么我们在过程中应该使用尽量和这个概率接近的算法。

你的算法不符合这个原则。

在掉落过程未结束前，这99%不应当计入当前摔死率统计

还是那个问题：你统计这个概率的目的是什么



如果是想提前统计那个事件过去之后的准确值，那么应该采用尽量接近那个值的算法。
如果是为了展现当前现实的情况，可以用你的算法。


我认为应该追求前者。因为这个数字会影响过程中的下一步安排。

统计当前死亡率，可以大致了解病毒的严重程度，这个程度本身就是随着医疗资源和治疗手段变化，越来越趋于好转

现在官方给出的信息非常少，连现有最长病程的信息都没有，所以无法统计一个病程的死亡率，一切都是模糊的，但是不管怎么样把确诊数直接当分母的很滑稽

另一种算法也是随着医疗资源和治疗手段变化，越来越趋于好转。区别是，另一种算法没有你波动这么大。

一个波动太大的数，你即使用来体现病毒的严重程度，也会降低很多意义。如果真拿你的算法当指导方针，那一天死的多，一天治愈的多，岂不是一天天堂一天地狱？还怎么制定下一步计划？


就是因为现在各种信息很少，所以采取波动更小的算法才能尽可能的屏蔽边界条件不足带来的干扰。

另一种算法只有在一个时间区间内统计才有效，首先要知道病程，其次要等该病完结，或死或出院，否则无意义

还死亡数/死亡数+治愈数呢？照你这么算，治疗中（没死亡、没治愈）的，不算人吗？

波动大小的问题要问官方了，正常来说随着资源和新手段的投入，死亡率是肯定会越来越低的，如果忽高忽低，如果不是病毒发生了更可怕的变异，就是数据被人工修饰了

按你们那么算就算人了？一会变成死人，一会变成活人？

你再看看。按楼主的算法，全部都是死亡，没有治愈就是100%，不可能大于100%。你一定是没仔细看。

确诊人数=病死数+治愈数+治疗中人数。
哪来的一会儿死，一会活？

lz是不是觉得那几万个确诊了还没治愈的永远都不会好了？

以每天的治愈和死亡数来计算死亡率显然存在问题，数据明显偏离正常的范围，如果以此决策会给人误导

除了数据问题，还有很多的可能。

比如治愈时间长，那么就会在初期极大失真。无论如何，你这个分母永远小于另一种算法，而分子不变，所以你这个波动一定比另一种算法大。而且由于治愈需要时间，所以你这个值的滞后性也更大。

我想不出为什么我们需要一个波动更大、更滞后的“概率”，干啥用？

怼得到位，十10086

看回帖不少人说到了那个意思，但没点出楼主这种算法的问题关键。

楼主的算法没有错。但是只适用于已经在人群中稳定的疾病，比如普通感冒、癌症等等常见疾病。这些疾病每年新增的患病人数是基本稳定的，所以不管统计 死亡/患病 还是统计 死亡/(死亡+治愈）都是趋于相同的结果。

但是对于一个新发的传染疫情，在没有防护的人群中传播，患病人数随时间是指数增长的N=N0*exp(R*t)，N0是初始患病人数，R是增长率，t是天数。假设真实的死亡率是Dr，死亡的平均时间是7天，治愈平均时间是30天。

那么对于第一种算法，{死亡（7天前患病)}/{患病(当前）}={Dr*N0*exp[R*(t-7)]}/{N0*exp(R*t)}=Dr*exp(-R*7)，低估了因子exp(-R*7)。

对于第二种算法，{死亡}/{(死亡+治愈)}={Dr*N0*exp[R*(t-7)]}/{Dr*N0*exp[R*(t-7)]+(1-Dr)*N0*exp[R*(t-30)]}=Dr*{1/[Dr+(1-Dr)*exp(-R*23)]}。高估了因子{1/[Dr+(1-Dr)*exp(-R*23)]}。

对比来看，当传播速度R很大时，两种算法都不合理。当R=0时，算出来都是Dr，没有区别。这里的R也很容易从每日确诊数据中拟合出来，相信大多数专家不会犯这种低级错误。另外，通常来说死亡率Dr并不高，只有约1%，第二种算法的因子在1/Dr水平，高估了100倍，显然严重高估了死亡率，并不合理。

综上所述，官方的算法应该比楼主的更可靠一些。

我觉得有道理。是不是应该加上一个最短观察时间的参数？

你说得对。不过现在这种防控下，传播率应该比自由传播低了很多。如果在早期和当前R变化很大，那这个结果也还需要进一步分析吧。另外可能现在也不是指数传播了。再:平均死亡时间和平均治愈时间是多少也非常关键，如果二者一致，那么第二种算法得到的结果就是Dr了。
所以到底哪种算法更接近于事实，大概还需要更多的数据。

好奇怪，能治愈400怎么会死100，起码说明有疗效了，重症也该慢慢就回来而不是一下子死了才对啊！

我觉着lz这个算法不是说错误或者没有意义

但是这种算法算出来的值 也需要横向对比其他病毒 取截面数据才有参考价值

SARS终了时病死率是10%，但按lz算法取前期截面数据，SARS死亡率大概接近100%

对比时候取的数据也应该一致，要不然没有意义

那个神药 还没结果吗。。。

回复95#naonaojazz

R变化肯定会给统计带来误差。

而你说这两个因素都是常识判断就可以了。就算是当前的管控力度，增长率也没有减低到接近0，况且楼主的算法还要求是前一个采样周期就已经不增长，显然不符合现状。其次，按目前标准，统计为治愈至少需要三次核酸复查为阴性，而死亡只要没有生命体征就判定，两者时间周期差距悬殊。
当然，不是说官方的数据就准确，只是相对来说给出了更合理的统计结果。因此，我自然也不能支持官方故意偏颇统计结果的论断。

这里有个网站是我见过统计最详细的
https://www.worldometers.info/coronavirus/