Kurt Barbé en zijn modellen. Deel 3 : de tweede golf

In dit derde deel zal ik proberen te reverse engineeren hoe professor Barbé tot zijn onderstaande doemvoorspelling voor de tweede golf gekomen is. In het tweede deel zijn we er in een confidentiële paper reeds achtergekomen dat hij is overgeschakeld op een ander model en stuksgewijze gausscurves gebruikt. De vergelijkingen die hij deze keer gebruikt, kunnen bijgevolg als volgt samengevat worden. De functie h(t) vormt de uiteindelijke curve.

Aangezien ik geen exacte waarden heb en Kurt Barbé typisch geen waarden geeft, zijn onderstaande waarden een vrij goede benadering voor de verschillende parameters die Kurt Barbé gebruikt heeft voor zijn doemscenario. De tijd t wordt gerekend in dagen, waarbij dag 0 overeenstemt met het eerste datapunt voor de ziekenhuisopnames, zijnde 15 maart. Hierbij dient opgemerkt te worden dat de amplitude zowat exact 9000 is, vermoedelijk heeft Barbé zelf deze waarde opgelegd want het is weinig waarschijnlijk dat een numerieke methode op zo een rond getal eindigt en exact 10.000 zou wat TE verdacht geweest zijn. Verder schommelt de sinus om het weekend-effect te modelleren extreem met 7.5 procent. Vermoedelijk is er iets mis met de convergentie van de methode die Barbé gebruikt want in werkelijkheid treedt dergelijke schommeling niet op. De coëfficiënt c is verder luiweg op 0 gehouden.

Hiermee bekomen we onderstaande grafiek:

Mijn benadering van de curves van Kurt Barbé

Voor wie mocht twijfelen, de overeenkomst is zeer goed, indien de bovenstaande Excel grafiek met mijn benadering voor de parameters van Barbé wordt gelegd op de grafiek van Barbé, ziet u dat het verschil minimaal is:

Beide curves op elkaar gelegd

Op basis van mijn eigen code en de ziekenhuisdata tot en met 3 augustus, heb ik eens zelf de parameters bepaald die een veel betere fit geven:

Dit geeft dan onderstaande curve. Bemerk dat er helemaal geen piek is van rond de 9000 opnames maar rond de 265 opnames ligt. Bemerk verder dat de sinusoïdale schommeling nu maar 1.6% bedraagt in plaats van 7.5%. Ter verduidelijking: ik beweer niet dat dit scenario de werkelijkheid is of werkelijkheid zal worden. De benadering door Gausscurves fitten door data is oversimplistisch en vooral voor een "tweede golf" voorspellingen doen, is onzin gezien het beperkte aantal datapunten tot nu toe.  Ik wil hiermee wel serieus in twijfel trekken op welke basis professor Barbé een piek van 9000 opnames bekomen heeft. Gezien de zware potentiële economische gevolgen van paniekzaaien door mensen die door het gewone volk als "experts" worden gezien, is dit mogelijks misdadig.

Rechts: mijn benadering van de Least Squares "fit" van Kurt Barbé. Abnormale golving voor weekendeffect, absurd hoge piek en de werkelijke data stijgen deze dagen veel minder snel dan "voorspeld". Rechts: een eigen Least Squares fit. Normalere golving voor weekend effect, veel lagere ziekenhuisopnames EN een veel betere fit met de data, op dit moment en voorlopig althans.

Excel files, computerprogramma's en methodiek beschikbaar op aanvraag.