这是一个创建于 536 天前的主题，其中的信息可能已经有所发展或是发生改变。
之前在看课的时候学到一个概念叫 Benford's law ，用来描述真实数字数据集中首位数字的频率分布，数字越大出现概率越低，比如以 1 为首位数字的数的出现概率约为总数的三成。但有个前提，这些数字必须是没有范围限制且没有人为干预的，举个例子电话号码就明显不符合。
那么，这一定律在疫情数据上表现如何呢？
我简单做了一个数据 app 来看各国分布与标准分布的差距，仅供娱乐 👇
https://benfords-law-covid19.streamlitapp.com/
预览：
第 1 条附言 · 2022-10-31 23:02:11 +08:00
我在 App 中第一条就说明了仅供娱乐，道理不是只有你一个人懂，有些人请嘴巴上放干净，气不过请 block 。
 |
1
Macolor21 2022-10-31 22:03:07 +08:00  2
大胆！
|
 |
2
ruxuan1306 2022-10-31 22:06:09 +08:00
国内确诊人数肯定是远高于卫健委统计值的，就和失业率一样。
|
 |
3
luckykong 2022-10-31 22:38:11 +08:00
哈。。你们有没有看数据到底揭示了什么结果？
|
 |
4
imes 2022-10-31 22:51:45 +08:00 via Android 11
本福特“定律”应用的前提是事件之间没有依赖 /从属关系，医疗事件具有群体性、地域性和时空性，加上疫情本身被人力干涉。我在生物医学行业这么多年，从来没有见过哪个医学人员会用这玩意去说明事情。按照你这个逻辑，拜登选票也不符合本福特定律。你这么干，和拿绿茶送检，然后宣布医院说绿茶有糖尿病一样离谱。
|
|
5
imes 2022-10-31 22:55:36 +08:00 via Android 1
@imes 4# [补充] 再贴一个知乎的解释，说明为什么这玩意不可靠（ https://www.zhihu.com/question/49661986/answer/1565667783 ），已经很简洁易懂了。学医，最忌讳看到了的新东西，就瞎 jb 乱用。
|
 |
7
Leviathann 2022-10-31 23:58:58 +08:00
然后他们看到了，说对，现有的清零政策导致了这些假数据，要加大力度真正做到清零。
或者 lz 本来就是清零派？ |
 |
8
Zhengqing 2022-11-01 05:32:50 +08:00 via iPhone
挺好玩
|
 |
9
albert0yyyy 2022-11-01 08:28:53 +08:00
反思，立刻就反思
|
Select Language