קורונה מודל הרמזור - השוואת נתוני תחלואה לסימון ערים (ענייני!)

[מרחבית]

זה פשוט נותן מקום לשפץ את הנתונים כפי ראות עיני המשפץ.

בטוחה? את מכירה את הנושא?

ואולי זה המפתח?
"נוסחה זו משמשת גם לאמידת מקדם המתאם של פירסון באוכלוסייה כולה, כאשר ברשותנו רק מדגם מתוכה".

כידוע הבדיקות הם רק מדגם. אז אולי יש כאן כלי עזר לאמוד מה קורה באוכלוסיה כולה?

זו באמת הסיבה להתפטרות?

 

[רפ]

בטוחה? את מכירה את הנושא?

ואולי זה המפתח?
"נוסחה זו משמשת גם לאמידת מקדם המתאם של פירסון באוכלוסייה כולה, כאשר ברשותנו רק מדגם מתוכה".
כידוע הבדיקות הם רק מדגם. אז אולי יש כאן כלי עזר לאמוד מה קורה באוכלוסיה כולה?

זו באמת הסיבה להתפטרות?

הם כתבו בפירוש - שלערים גדולות נקבע מקדם הדבקה שלילי לכל עיר גדולה, והוא משפיע על הנתון הסופי.
נשמע שהיה כאן חוסר אחידות בחישוב הדירוג הסופי בין הערים.

 

[מרחבית]

הם כתבו בפירוש - שלערים גדולות נקבע מקדם הדבקה שלילי לכל עיר גדולה, והוא משפיע על הנתון הסופי.
נשמע שהיה כאן חוסר אחידות בחישוב הדירוג הסופי בין הערים.

מי כתב? משרד הבריאות או המתפטרים?

 

[רפ]

מי כתב? משרד הבריאות או המתפטרים?

המתפטרים.
אני מניחה שאם הם היו בעניינים הם יודעים מה שהם אומרים.
תקראי את מכתב ההתפטרות המובא כאן.

 

[מרחבית]

המתפטרים.
אני מניחה שאם הם היו בעניינים הם יודעים מה שהם אומרים.
תקראי את מכתב ההתפטרות המובא כאן.

אני לא מניחה כלום... בפרט שהם לא מתמטיקאים. בפרט שלא נראה שהם התייעצו ובררו אצל מתמטיקאים. בפרט שהם גילו את זה פתאום בזום. בפרט שלא הסבירו לציבור הרחב את העוול לדעתם בצורה מובנת.

לפני שיתנפלו עלי - לא קבעתי כל עמדה. מנסה לברר, זה הכל.
מצטערת, לא מניחה באופן אוטומטי שהנציגים בקיאים בנוסחאות המתמטיות ומשמעותן.

 

[רפ]

אני לא מניחה כלום. בפרט שהם לא מתמטיקאים. בפרט שלא נראה שהם התייעצו ובררו אצל מתמטיקאים. בפרט שהם גילו את זה פתאום בזום. בפרט שלא הסבירו לציבור הרחב את העוול לדעתם בצורה מובנת.

לפני שיתנפלו עלי - לא קבעתי כל עמדה. מנסה לברר, זה הכל.
מצטערת, לא מניחה באופן אוטומטי שהנציגים בקיאים בנוסחאות המתמטיות ומשמעותן.

כנראה לא הייתי מובנת.
התכוונתי לומר שכנראה הם יודעים שלערים שונות נקבע מקדם הדבקה שונה, כי על כך התפטרותם.

 

[מרחבית]

אני אכתוב כאן משהו, אפילו שאולי שוב יאשימו אותי באמון עיוור ומגונה במשרד הבריאות.

יש הרבה דברים - מכשירים, טכנולוגיות, מודלים, שבנויים על חישובים מתמטיים מסובכים ומורכבים.
כדי להבין אותם וכדי לדעת אם הם נכונים - צריך ללמוד את הנושאים הרלוונטיים, ולהבין את החישובים והנוסחאות ואת משמעותם ואת השלכותיהם.

משרד הבריאות בנה מודל. די מורכב.
אם חוששים שהוא בלוף או מוטה, צריך למצוא מתמטיקאי אמין או סטיסטיקן אמין, או כל אדם שיודע מקצועית איך לבחון את הדברים, כדי שיגיע למסקנה נכונה, וייגיד לנו את חוות דעתו.

אנחנו משום מה מצפים שכל אחד מאיתנו יבין את החישובים ואת הנתונים ואת המשמעות שלהם - אחרי הסבר קצר. ואם משרד הבריאות לא מספק את זה - אין לו שקיפות.
אולי המודל לא כל כך פשוט להסברה למי שלא בעניינים?

אולי למשל מקדם לערים גדולת דווקא מתקן הטיה שהיתה נגרמת אילולא התיקון, בגלל גודל מדגם שהוא קטן יחסית למספר התושבים בעיר גדולה? מה שלא קורה בעיר קטנה?
אני סתם ממציאה, כן? לגמרי מקשקשת. לא מבינה בזה כלום.

כנראה שאני לא היחידה. כנראה רבים מאיתנו לא מבינים. ואולי, אולי - סליחה על ההעזה - גם שני המתפטרים.
אני לא מכירה אותם. ואין לי חלילה שום דבר נגדם. ואולי הטענה שלהם צודקת מאה אחוז.

אני מביאה את זה בתור דוגמא, לאיך בקלות אפשר להחליט שיש עוול במודל, בלי באמת לברר כמו שצריך.

 

[אשת_חבר]

@מרחבית יש לי קצת ידע בנושא. במבחן בסטטיסטיקה קיבלתי 98.
בגלל היעדר זמן והעדר נתונים אין לי יכולת לבחון דבר דבר
אבל כן אפשר להגיד שנתונים סטטיסטים מאוד קלים לשיפוץ זה דבר ידוע.
ברגע שאנו מוסיפים כל מיני מקדמים רכים כאלה ואחרים יש לנו הרבה יותר יכולת לשחק עם הנתונים כרצונינו.
ברגע שהאמון שלי במערכת הוא אפס, יש לי חשד סביר להניח שההחלטות לא מתקבלות ממקום של אמת ושל יושר.

 

[מרחבית]

ברגע שהאמון שלי במערכת הוא אפס, יש לי חשד סביר להניח שההחלטות לא מתקבלות ממקום של אמת ושל יושר.

זה משפט שחשוב לי להתייחס אליו.
אין למישהו אמון בגלל כל מיני סיבות, מוצדקות או לא? - יפה.
אך לתלות את זה בכל מיני טבלאות וכדו' שלא מוכיחות את זה, לא נראה לי נכון.

אם כותבים שטבלה או מודל משקרים או מפלים - רק כי ברעיון יש אפשרות להטייה, ואין לנו אמון בגלל דברים אחרים - לכן הם בטוח משקרים - אני לא מקבלת טענה כזו.
מקבלת רק, שכדאי לבדוק אם בפועל משקרים.

ומי שנופל מהכסא כששומע על ערים חרדיות אדומות - כדאי באמת שיבדוק האם חישבו בפועל בצורה שיוויונית, או לא. אבל רק אצל מקצוען, ורק עם עובדות ולא עם השערות.

 

[מבקשת מידע]

@מרחבית יש לי קצת ידע בנושא. במבחן בסטטיסטיקה קיבלתי 98.
בגלל היעדר זמן והעדר נתונים אין לי יכולת לבחון דבר דבר
אבל כן אפשר להגיד שנתונים סטטיסטים מאוד קלים לשיפוץ זה דבר ידוע.
ברגע שאנו מוסיפים כל מיני מקדמים רכים כאלה ואחרים יש לנו הרבה יותר יכולת לשחק עם הנתונים כרצונינו.
ברגע שהאמון שלי במערכת הוא אפס, יש לי חשד סביר להניח שההחלטות לא מתקבלות ממקום של אמת ושל יושר.

גם אני קיבלתי ציון גבוה, לא זוכרת כבר כמה, וגם לא זוכרת הרבה מהחומר לצערי.

מה שברור לי, זה שאם משחקים עם הנוסחאות, אפשר כנראה להכניס יותר יישובים לאדום, לפי הנתונים הקיימים היום
אם הנוסחה נקבעה מראש, לנתונים עתידיים, והיא אותה נוסחה לכל היישובים (שזה שתי דברים שנאמרו)
אז מה שאת כותבת לא נכון.
גם המתאם שהבאת (אגב, יש מקור שמשתמשים בו?) יעבוד לפעמים לרעת החרדים בבני ברק, ולפעמים לרעת החילונים בתל אביב, ולפעמים לטובת החרדים ברכסים, תלוי בנתונים עתידיים שיגיעו.

המקרה היחיד שבו תהיה הצדקה למה שאת כותבת, זה אם ישנו את הנוסחה כשהנתונים ישתנו, וגם אז, אם לא יהיו באמת הרבה חולים, לא יצליחו.
לצערינו היום מאד קל להכניס יישובים חרדיים לקטגוריה האדומה, יש לנו המון חולים ;(

 

[אשת_חבר]

שבוע טוב,
אז השקעתי קצת מחשבה, אפילו הוצאתי דף ועט והתחלתי לנסות "לשבור" את הנוסחה.
@מרחבית ו @מבקשת מידע עושה רושם שצדקתם, הנוסחה עושה הרבה שכל (לצערי).
עבור הקוראים שלא מתמצאים במודלים סטטיסטים אקדים הקדמה קצרה.
(אין לי עניין חלילה לזלזל באף אחד מהקוראים, רק לקחת בחשבון שמאלפי משתמשי פרוג יתכן שיהיו אחד או שנים שלא מכירים לעומק את המושגים, ולכן אשתדל להסביר בצורה נהירה גם לחסרי רקע. מי שזה ארוך ומלאה בשבילו מוזמן לעבור הלאה)
מודלים סטטיסטים שנותנים ציון סיכון בשימוש נרחב בתעשיה ובמחקר. הרעיון בקצרה הוא שלכל גורם סיכון נותנים משקל מסוים וכך מרכיבים ציון סיכון עבור אותה פעולה\מצב. ככל שהציון גבוה יותר, המצב\פעולה מסוכן יותר.
דוגמאות לשימוש במודלים סטטיסטים:
1) ציון סיכון יכולת החזר אשראי. כולנו זוכרים את מאגר נתוני האשראי שהתחיל בשנתים האחרונות והטיל אימתו על בעלי החובות למיניהם. חברת BDI מקבלת מנותני שירותים פיננסים היסטוריה של חריגות אשראי, פעולות אשראי כגון הלוואות ושומרת את אותם נתונים במשך מספר שנים. כאשר הבנק מעוניין לבדוק לווה מסוים, מה הסיכון לתת לו את ההלוואה BDI מחזיר לו רשימה של סיכונים וציון. הציון הוא שכלול של גורמי הסיכון עבור אותו אדם. למשל, צ'קים שחזרו, הלוואות שלא נפרעו, איחור בתשלומים, חריגות בחשבון וכדומה. בעלי ציון גבוה כנראה לא יוכלו לקבל אשראי או משכנתא ובעלי ציון בינוני ישלמו ריבית גבוהה יותר.
2) מחלות מסוימות מקבלות ציון סיכון ע"י שכלול גורמי הסיכון. למשל במחלות ממאירות מסוימות שלא נדע ונהיה כולם בריאים יש ציון עבור דרגת החומרה או הסיכון באותה מחלה. גורמים כגון עישון, משקל עודף, היסטוריה משפחתית, ועוד יכולים להשפיע על כמות ותדירות הטיפול. יכול להיות אדם רזה, בריא ושמתעמל בצורה בריאה, אך מכיוון שיש לו דוד מצד אמא שנפטר מאותה מחלה, הוא יקבל ציון גבוה ויצטרך לעבור טיפולים קשים יותר. (לא נשמע מידי פיר, אבל זו המציאות)
3) פעולות (טרנזקציות) בבנק או בכרטיס אשראי מקבלות גם הן ציון סיכון. האם זהו האדם בעצמו שמעוניין להעביר עכשיו סכום עצום לצפון קוריאה, בשעה שהוא גר בשכונת רוממה בירושלים? או אולי זהו האקר שהצליח לקבל את שם המשתמש והסיסמה של אותו יהודי? לוקחים בחשבון גורמי סיכון כגון סכום העסקה, מאיפה היתה הבקשה, מדינות אדומות (כן, יש רשימה שחורה של מדינות שבהן יש סיכון גבוה לגניבות סייבר. אך היום בגלל הפוליטיקלי קורקט אסור להגיד רשימה שחורה ולכן כתבתי אדומה). כאשר הטרנזקציה מקבלת ציון גבוה - היא מסוכנת יותר ולכן או שיבקשו עוד אמצעי זיהוי כגון שיחה חוזרת או שלא יאפשרו את הפעולה, בציון גבוה מאוד.

עכשיו לעניינינו - מודל הרמזור של גמזו ונוסחת החישוב הציון לתחלואה ברשות:

גם כאן יש מודל ניהול סיכונים סטטיסטים כמו שכתבתי למעלה.
אסביר את חלקי המשוואה
א) ln(NiXGi^2) - לוקחים את מספר החולים החדשים בשבוע (חלקי 10000 תושבים, כדי שיהיה יחסי) ומכפילים אותו בקצב הגידול יחסית לשבוע הקודם.
על תוצאה זאת מפעילים את הפונקציה ln.
הפונקציה ln יכולה לתת לנו אינדיקציה על הזווית של הגידול המעריכי של מספר החולים.
גידול מעריכי (או אקספוננציאלי) הוא גידול של חזקות. למשל, אם יש ברשות 8 חולים וכל חולה מדביק 2 חולים (נניח שרק ביום הראשון מדביק חולים ואח"כ נכנס לבידוד כחוק ולא מדביק עוד חולים) מחר יהיו 16 חולים + 8. מחרתים יהיו 32 + 16 + 8. ביום השלישי יהיו 64+32+16+8. ביום הרביעי יהיו 128+64+32+8 וכן הלאה.
את הגידול הזה אפשר לראות בגרף שמתאר את קצב הגידול של e בחזקת x. לשם פשטות ההסבר, נניח ש e=2 אבל בפועל הוא מספר מעניין מאוד - הקבוע של אוילר.

(מקור - המכלול)
תראו איך הקצב גדל במהירות עד אינסוף.
הפונציה ln מוסיפה לציון שלנו את הסיכון של קצב ההכפלה באותה עיר - כמה מהר מספר החולים עולה בצורה מעריכית. אם העליה נמוכה, נקבל ציון נמוך.
ולבסוף - שיעור הבדיקות החיוביות נותן אינדיקציה לתחלואה סמויה. כלומר אם יש שיעור בדיקות גבוה מאוד ברשות מסוימת, יש חשד סביר להניח שיהיו עוד חולים באותה רשות.

בנוגע לתוספת עבור ערים גדולות, גם זה מובן מתמטית.
אם מדובר על רשות קטנה שבה מספר התושבים קטן, יש לנו פחות סיכון להדבקה מחוץ לאותה רשות, כיון שיש פחות סיכוי להתפרצות עצומה. בניהול סיכונים, עיר גדולה בעלת סיכון גבוה, מסוכנת יותר להפצת מגיפה מעיר קטנה.

 

[3636]

באקסל שקיבלתי יש את מספר התושבים,
ניסתי להוסיף שם נוסחה אבל חסר לי את מה שכתבתי קודם:


מצרפת את הנוסחה שכן עשיתי,
היא לא מושלמת אז כמובן שיש פערים
זה בינתיים לא נראה בכיוון

יש עדכון?
היכן מוצאים את זה?

 

[למדן וידען]

אם מדובר על רשות קטנה שבה מספר התושבים קטן, יש לנו פחות סיכון להדבקה מחוץ לאותה רשות

קפץ לי המשפט הזה.
ידוע שערים קטנות הינם ערים שרוב התושבים עובדים בערים גדולות.
אז זה הופך את הקערה על פיה.

 

[אשת_חבר]

קפץ לי המשפט הזה.
ידוע שערים קטנות הינם ערים שרוב התושבים עובדים בערים גדולות.
אז זה הופך את הקערה על פיה.

אכן, אפשר להסכים שאולי יש להוסיף גם את הרשויות הקטנות.
אבל זה עדיין לא מוריד את הערים האדומות הגדולות מהרשימה. כי עושה רושם מובהק שהן אדומות ובעלות סיכון.

 

[למדן וידען]

אכן, אפשר להסכים שאולי יש להוסיף גם את הרשויות הקטנות.
אבל זה עדיין לא מוריד את הערים האדומות הגדולות מהרשימה. כי עושה רושם מובהק שהן אדומות ובעלות סיכון.

לא יודע איך מודדים את זה.
כשאני עובר באיילון ומבין מה הולך במדינתנו הקטנטנה, כל הצפון והדרום נוסע למרכז, וגם בצד השני של הכביש יש עומסים לכיוון הצפון והדרום, לא יודע כמה אפשר לחשב את זה.

זה שאני נניח גר בירושלים ברמות, ועובד בהר חוצבים.
לא אומר שאני פוגש מהר יותר את ההוא מהר נוף מאשר את ההוא מנתיבות שעובד משרד לידינו.

אבל כנראה שיש חכמים שיודעים לומר שזה כן משמעותי.
לא חולק עליהם

 

[אשת_חבר]

לא יודע איך מודדים את זה.
כשאני עובר באיילון ומבין מה הולך במדינתנו הקטנטנה, כל הצפון והדרום נוסע למרכז, וגם בצד השני של הכביש יש עומסים לכיוון הצפון והדרום, לא יודע כמה אפשר לחשב את זה.

זה שאני נניח גר בירושלים ברמות, ועובד בהר חוצבים.
לא אומר שאני פוגש מהר יותר את ההוא מהר נוף מאשר את ההוא מנתיבות שעובד משרד לידינו.

אבל כנראה שיש חכמים שיודעים למור שזה כן משמעותי.
לא חולק עליהם

בדיוק בגלל שאי אפשר לרדת לרזולוציות של שמערל שגר ברמות ובערל שגר בנתיבות בונים מודלים סטטיסטים שמנסים לקחת את המספרים הגדולים ולנהל איתם סיכונים.

 

[korot]

@אפשרי ו @אשת_חבר ושאר המשקיעים פה בהודעות.

קחו לתשומת לבכם שייתכן והאשכולות ימחקו, ועמלכם יהיה לשווא.

האשכול הארוך והענייני "למה בני ברק עיר אדומה", נמחק בדקות האחרונות, לתשומת לב.

 

[אשת_חבר]

@אפשרי ו @אשת_חבר ושאר המשקיעים פה בהודעות.

קחו לתשומת לבכם שייתכן והאשכולות ימחקו, ועמלכם יהיה לשווא.

האשכול הארוך והענייני "למה בני ברק עיר אדומה", נמחק בדקות האחרונות, לתשומת לב.

עדיין, אם היו אפילו עשרה אנשים שקראו והשתכנעו ובשבת הקפידו קצת יותר.
ואולי מהשקעתי ניצל יהודי אחד ממוות או ממחלה בעלת השלכות קשות...
היה שווה כל המאמץ.

 

[עוקר הרים]

שבוע טוב,
אז השקעתי קצת מחשבה, אפילו הוצאתי דף ועט והתחלתי לנסות "לשבור" את הנוסחה.
@מרחבית ו @מבקשת מידע עושה רושם שצדקתם, הנוסחה עושה הרבה שכל (לצערי).
עבור הקוראים שלא מתמצאים במודלים סטטיסטים אקדים הקדמה קצרה.
(אין לי עניין חלילה לזלזל באף אחד מהקוראים, רק לקחת בחשבון שמאלפי משתמשי פרוג יתכן שיהיו אחד או שנים שלא מכירים לעומק את המושגים, ולכן אשתדל להסביר בצורה נהירה גם לחסרי רקע. מי שזה ארוך ומלאה בשבילו מוזמן לעבור הלאה)
מודלים סטטיסטים שנותנים ציון סיכון בשימוש נרחב בתעשיה ובמחקר. הרעיון בקצרה הוא שלכל גורם סיכון נותנים משקל מסוים וכך מרכיבים ציון סיכון עבור אותה פעולה\מצב. ככל שהציון גבוה יותר, המצב\פעולה מסוכן יותר.
דוגמאות לשימוש במודלים סטטיסטים:
1) ציון סיכון יכולת החזר אשראי. כולנו זוכרים את מאגר נתוני האשראי שהתחיל בשנתים האחרונות והטיל אימתו על בעלי החובות למיניהם. חברת BDI מקבלת מנותני שירותים פיננסים היסטוריה של חריגות אשראי, פעולות אשראי כגון הלוואות ושומרת את אותם נתונים במשך מספר שנים. כאשר הבנק מעוניין לבדוק לווה מסוים, מה הסיכון לתת לו את ההלוואה BDI מחזיר לו רשימה של סיכונים וציון. הציון הוא שכלול של גורמי הסיכון עבור אותו אדם. למשל, צ'קים שחזרו, הלוואות שלא נפרעו, איחור בתשלומים, חריגות בחשבון וכדומה. בעלי ציון גבוה כנראה לא יוכלו לקבל אשראי או משכנתא ובעלי ציון בינוני ישלמו ריבית גבוהה יותר.
2) מחלות מסוימות מקבלות ציון סיכון ע"י שכלול גורמי הסיכון. למשל במחלות ממאירות מסוימות שלא נדע ונהיה כולם בריאים יש ציון עבור דרגת החומרה או הסיכון באותה מחלה. גורמים כגון עישון, משקל עודף, היסטוריה משפחתית, ועוד יכולים להשפיע על כמות ותדירות הטיפול. יכול להיות אדם רזה, בריא ושמתעמל בצורה בריאה, אך מכיוון שיש לו דוד מצד אמא שנפטר מאותה מחלה, הוא יקבל ציון גבוה ויצטרך לעבור טיפולים קשים יותר. (לא נשמע מידי פיר, אבל זו המציאות)
3) פעולות (טרנזקציות) בבנק או בכרטיס אשראי מקבלות גם הן ציון סיכון. האם זהו האדם בעצמו שמעוניין להעביר עכשיו סכום עצום לצפון קוריאה, בשעה שהוא גר בשכונת רוממה בירושלים? או אולי זהו האקר שהצליח לקבל את שם המשתמש והסיסמה של אותו יהודי? לוקחים בחשבון גורמי סיכון כגון סכום העסקה, מאיפה היתה הבקשה, מדינות אדומות (כן, יש רשימה שחורה של מדינות שבהן יש סיכון גבוה לגניבות סייבר. אך היום בגלל הפוליטיקלי קורקט אסור להגיד רשימה שחורה ולכן כתבתי אדומה). כאשר הטרנזקציה מקבלת ציון גבוה - היא מסוכנת יותר ולכן או שיבקשו עוד אמצעי זיהוי כגון שיחה חוזרת או שלא יאפשרו את הפעולה, בציון גבוה מאוד.

עכשיו לעניינינו - מודל הרמזור של גמזו ונוסחת החישוב הציון לתחלואה ברשות:
צפה בקובץ המצורף 721678
גם כאן יש מודל ניהול סיכונים סטטיסטים כמו שכתבתי למעלה.
אסביר את חלקי המשוואה
א) ln(NiXGi^2) - לוקחים את מספר החולים החדשים בשבוע (חלקי 10000 תושבים, כדי שיהיה יחסי) ומכפילים אותו בקצב הגידול יחסית לשבוע הקודם.
על תוצאה זאת מפעילים את הפונקציה ln.
הפונקציה ln יכולה לתת לנו אינדיקציה על הזווית של הגידול המעריכי של מספר החולים.
גידול מעריכי (או אקספוננציאלי) הוא גידול של חזקות. למשל, אם יש ברשות 8 חולים וכל חולה מדביק 2 חולים (נניח שרק ביום הראשון מדביק חולים ואח"כ נכנס לבידוד כחוק ולא מדביק עוד חולים) מחר יהיו 16 חולים + 8. מחרתים יהיו 32 + 16 + 8. ביום השלישי יהיו 64+32+16+8. ביום הרביעי יהיו 128+64+32+8 וכן הלאה.
את הגידול הזה אפשר לראות בגרף שמתאר את קצב הגידול של e בחזקת x. לשם פשטות ההסבר, נניח ש e=2 אבל בפועל הוא מספר מעניין מאוד - הקבוע של אוילר.


צפה בקובץ המצורף 721679
(מקור - המכלול)
תראו איך הקצב גדל במהירות עד אינסוף.
הפונציה ln מוסיפה לציון שלנו את הסיכון של קצב ההכפלה באותה עיר - כמה מהר מספר החולים עולה בצורה מעריכית. אם העליה נמוכה, נקבל ציון נמוך.
ולבסוף - שיעור הבדיקות החיוביות נותן אינדיקציה לתחלואה סמויה. כלומר אם יש שיעור בדיקות גבוה מאוד ברשות מסוימת, יש חשד סביר להניח שיהיו עוד חולים באותה רשות.

בנוגע לתוספת עבור ערים גדולות, גם זה מובן מתמטית.
אם מדובר על רשות קטנה שבה מספר התושבים קטן, יש לנו פחות סיכון להדבקה מחוץ לאותה רשות, כיון שיש פחות סיכוי להתפרצות עצומה. בניהול סיכונים, עיר גדולה בעלת סיכון גבוה, מסוכנת יותר להפצת מגיפה מעיר קטנה.

את יכולה לתת דוגמה איך מוציאים ציון מתונים של עיר כלשהי? (לאו דווקא עיר אמיתית)

 

[UU]

@אשת_חבר תודה על ההסבר המפורט של הנוסחא.
ממש שווה לכל נפש
רק שאלה - האם לי כאזרחית קצה, יש את כל הנתונים שצריך להזין לנוסחא הזו על מנת לקבוע את הניקוד של הישוב?
בתחילת האשכול פה היו כמה שניסו לעשות את זה בפועל ולהכניס את הנתונים של הערים לנוסחא, ואז לקבל ניקוד
הם לא הצליחו
אם יש נוסחא נורא מפורטת, אבל אין נתונים שקופים - זה לא נותן לי אמון שהנתונים שהוזנו לנוסחא אינם מוטים לטובת עיר אחת או אחרת
דוגמא אחת למשהו שנכתב פה בתחילת האשכול ולא הוזכר בהסבר שלך:

מה זה 'מקדם שלילי לכל עיר גדולה'?