Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyse the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customised advertisements based on the pages you visited previously and to analyse the effectiveness of the ad campaigns.

No cookies to display.

Statistické modelování pomocí reálných dat

V posledním roce jsme byli konfrontováni s celou řadou tzv. matematických modelů šíření viru SARS-CoV-2. Kromě snahy predikovat budoucí vývoj se některé z těchto modelů snaží též vyvozovat kauzální (příčinné) závěry ohledně efektů nejrůznějších opatření. Bohužel velká část přístupů (a téměř všechny, jež se objevily v českém mediálním prostoru) trpí mnoha zásadními neduhy. Jednotlivé modely stojí na předpokladech, kterých není zrovna málo a které obvykle nelze ověřit žádnými skutečnými daty. Data, kterými jsou tyto modely „krmeny“ potom vykazují hrubé nereprezentativnosti a nekonzistence, jež znemožňují získané závěry jakkoliv zobecňovat na celou populaci. Jedna ilustrace za všechny: aktuálně si např. deník echo24 povšimnul, že ještě před dvěma týdny vládní predikce vývoje epidemie nepočítala s tím, že by týdenní incidence nových nákaz klesla k současným hodnotám pod 25/100 000 dříve než na konci letních prázdnin. Ale jedna další chybná predikce přeci ničemu nevadí, jedeme dál…

Postupně se nicméně objevují v odborné literatuře přístupy hodnocení vývoje epidemie, pod kterými jsou podepsáni odborní statistici, resp. lidé, kteří byli neoddiskutovatelnými experty na modelování náhodných přírodních jevů (jakým epidemie bezesporu je) již dříve než v roce 2020. Jedním takovým je prominentní britský statistik Simon Wood , jehož přístup hodnocení vývoje epidemie byl přijat k publikaci v prestižním odborném časopise Biometrics Woodovy výsledky pro vývoj epidemie ve Velké Británii (a efekt místních opatření) ve zjednodušené formě jsou ke zhlédnutí na jeho webové stránce. Krása Woodova přístupu spočívá v jednoduchosti (jak tomu bývá i v jiných oblastech. Wood nepotřebuje předpokládat téměř nic a jako vstupní data používá pouze údaje o úmrtích ve spojitosti s nemocí COVID-19. Tato data jsou ze své podstaty reprezentativní pro populaci zájmu (protože jsou prakticky úplná) a v rámci jednoho státu též konzistentní (jejich vypovídací hodnota se v čase příliš nemění. Ani jednou z těchto vlastností nedisponují např. rutinně reportovaná data o počtech pozitivně testovaných. Těch několik málo předpokladů Woodova modelu lze navíc pomocí reálných dat validovat. Zásluhou Roberta Straky s přispěním Arnošta Komárka a několika dalších kolegů se můžete ZDE podívat, jak dopadá Woodova analýza a hodnocení skutečného, nikoliv jenom počítačovou simulací domnělého, efektu nejrůznějších opatření nad daty z České republiky.

Sdílejte