本文目录一览：

• 〖壹〗
  、疫情真的结束了吗?BI数据分析告诉你答案!
• 〖贰〗、陈玉宇:少损失40万亿!中国的“疫情账
  ”是怎么算出来的
• 〖叁〗 、上海疫情的模拟与复盘(4)
• 〖肆〗
  、关于传染病的数学模型有哪些?
• 〖伍〗、基于SIR模型对新型冠状病毒疫情趋势的简单分析

疫情真的结束了吗?BI数据分析告诉你答案!

疫情尚未结束
，尽管国内疫情蔓延得到有效控制，但境外传播形势严峻 ，存在变数
，需持续做好防控，避免扎堆
。 以下通过BI数据分析详细阐述：全国疫情形势分析新增确诊与疑似趋势：新增确诊人数在2月12日达到高峰15153人后逐渐下降 ，新增疑似人数总体呈波动下降趋势。

疫情后升职加薪的数据分析师都在使用支持Excel分析的BI工具
，通过直连数据库 、降低Excel计算量
、强化数据安全等方式提升效率，从而获得职业晋升机会 。传统数据分析师的困境数据分析师小盯最初依赖Excel处理数据 ，但面临三大核心问题：效率低下：需手动从业务系统导出数据至Excel
，重复性操作耗时耗力
。

在数林BI中，企业可以将业务的数据进行可视化 ，如下图所示
，可对采购订单进行分析。当然，还可对其他业务数据进行可视化 ，这里不再一一举例了，感兴趣的用户可以查看我之前分享的文章 。

利用数据分析转危为安 疫情推动消费者进入移动互联新世代
，用户重度在线化和深度数字化
。企业要及时通过数据分析识别、定义和数字化真正消费者，精细化分层 ，跟进线上渠道
，形成客户画像，深度分析触达客户方式 ，根据客户忠诚度 、贡献度跟踪并激活客户。

陈玉宇:少损失40万亿!中国的“疫情账 ”是怎么算出来的

〖壹〗
、步骤2：估算减少的死亡人数假设中国不采取抗疫政策
，传染率与美国一致（81%人口感染），结合中国人口规模（约14亿） ，可能感染人数约134亿 。通过实际感染与死亡数据（远低于假设值）
，计算减少的死亡人数
。注：原文未明确具体死亡人数，但通过“挽救的生命总价值约25万亿到40万亿人民币
”可反推。

上海疫情的模拟与复盘(4)

从上海情况看 ，3 月 28 日封城
，4 月 20 日 Rt 降到 1 以下，之后疫情自然消退 。部分政策调整的风险评估与模拟结果医院接收未测核酸病人入院院感风险分析：疫情比较高峰时 ，全社会活跃阳性人数约 24 万出头，其中 6 万 5 千人处于潜伏期初期无法传播病毒
。

复盘阻击疫情的17天
，城市“免疫系统”经历了从初步应对到全面启动、再到多维度防控的逐步升级过程，期间既暴露了应对初期信息披露不及时 、响应滞后等问题 ，也展现了封城
、医疗资源调配、基层防控等关键措施的快速响应能力
，最终通过全国协作与经验总结为未来城市化风险管控提供了重要借鉴。

股市复盘与27前瞻核心结论4月26日A股延续弱势，指数反弹乏力 ，市场情绪虽局部回暖但主线不明
，需警惕指数进一步下探风险；4月27日受外围市场 、资金避险情绪及政策真空期影响，大盘或维持下行趋势 ，建议以防守为主
，短线谨慎参与 。

复盘日记（20227）今日市场整体强势，指数反包阴线 ，情绪稳健
，但底部仍需观察，涨因包括数据超预期和上海有限开放 ，板块全面反弹，操作上先当超跌反弹看待
，股指期货明天早盘大概率高开，勿追高。

月4日市场复盘总结：地摊经济全面爆发 ，科技股回调蓄力
，操作上以控制仓位为主 核心热点复盘 地摊经济：概念股集体狂欢，但需警惕纯炒作风险直接受益方向：摆摊工具：五菱汽车股价翻倍 ，浙江永强（帐篷）涨停
，自行车概念股（上海凤凰、永安行）因海外需求激增涨停
。

关于传染病的数学模型有哪些?

〖壹〗
、传染病的数学模型是流行病学家理解疾病传播规律、预测疫情发展的重要工具，主要分为以下几类： 基础模型：SIR模型SIR模型将人群分为三类状态：易感者（S） 、感染者（I）
、康复者/移出者（R）。其核心是通过常微分方程描述三者的动态转换：dS/dt = -βSI：易感者因接触感染者而减少 ，接触率用β表示 。

〖贰〗、在传染病的研究领域
，常用的数学模型主要有以下几种：SEIR模型：定义：SEIR模型将人群划分为易感者 、潜伏者
、感染者和抵抗者四个阶段
。适用场景：特别适用于有潜伏期的恶性传染病，如典型感冒或某些病毒感染。特点：通过模拟这四个阶段的人群变化 ，可以预测疫情的动态行为
，包括疫情爆发的峰值和感染人数 。

〖叁〗、SEIR模型是传染病模型中用于描述存在易感 、暴露
、患病和康复四阶段疾病的数学模型
。以下是关于SEIR模型的详细解模型基础设定：人群分类：易感者、暴露者 、病患
、康复者。运作机制：易感者与病患接触后成为暴露者，暴露者在平均潜伏期后转为病患 ，病患通过治疗康复成为免疫的康复者 。

〖肆〗、常见的传染病模型包括SI 、SIS、SIR
、SIRS以及SEIR模型
。其中，S表示易感者
，E表示暴露者，I表示患病者 ，R表示康复者。SEIR模型适用于存在易感者、暴露者 、患病者和康复者四类人群
，且有潜伏期
、治愈后获得终身免疫的疾病，如带状疱疹 。

基于SIR模型对新型冠状病毒疫情趋势的简单分析

预测结果基于估计的参数 ，我们使用MATLAB对SIR模型进行了数值求解
，并预测了疫情的发展趋势
。预测结果显示，感染人数将在近期达到峰值 ，并随后逐渐下降。具体预测值如下：感染系数β≈57×10^-5 。恢复系数γ≈0.04（基于25天的恢复周期估计）。易感人群初值s（0）通过最小二乘法估计得出
。

应用实例：以今年全球范围内肆虐的新型冠状病毒为例
，许多学者在研究新冠肺炎时，都采用了SIR模型作为基础 ，并在其基础上进行优化
，以预测疫情的发展趋势和高峰期。模型意义：通过SIR模型，可以推算出不同时间的感染情况 ，为制定防控策略提供科学依据 。

以今年全球范围内肆虐的新型冠状病毒为例，许多学者在研究新冠肺炎时
，都采用了SIR模型作为基础，并在其基础上进行优化 ，以预测疫情的发展趋势和高峰期
。在某一特定时刻t
，易感染人群为s（t），感染人群为i（t） ，康复人群为r（t）。假设总人口为N（t）
，则有N（t）=s（t）+i（t）+r（t） 。

主要结论：从病毒爆发后的大概90天到达高峰
。第一例发现在12月8日，50天左右开始集中爆发（1月20日左右 ，比较吻合）
，90天左右达到高峰（预计在3月上旬），4个月左右接近尾声（四月上旬） ，5月上旬疫情结束。到近来看模型还是吻合的 。

疫情将以多种方式影响经济
，且影响程度取决于疫情的时间跨度
。新型冠状病毒的爆发对全球经济产生了深远的影响。从非生活必需商店的关闭到暂时性的失业潮流，疫情通过多种方式作用于经济体系 ，其影响广泛而深远 。

RO是衡量病毒传播能力的最重要指标
。R0 =（估计）1 + 增长率 * 系列间隔（serial interval）获得，其中增长率从病例开始增长时计算
，系列间隔是指在一个传播链中，两例连续病例的间隔时间。R01 ，传染病会以指数方式散布
，成为流行病（epidemic） 。但是一般不会永远持续，因为可能被感染的人口会慢慢减少。