COVID-19: How to Best Predict the Daily Number of New Infections
Beitrag von Bernd Skiera, Lukas Jürgensmeier, Kevin Stowe und Iryna Gurevych
Bernd Skiera (Goethe-Universität), Lukas Jürgensmeier (Goethe-Universität), Kevin Stowe (TU Darmstadt) und Iryna Gurevych (TU Darmstadt) haben soeben ihren ersten Beitrag zum COVID-19-Virus fertiggestellt (https://bit.ly/34ir6t5). Für Deutschland zeigen sie, dass Daten von Google Search und Twitter gute Prognosen ermöglichen, die sogar besser als die Prognosen der Johns Hopkins University (JHU) sind.
Die wichtigsten Ergebnisse des Beitrags am Beispiel Deutschland sind:
1) Die weit verbreiteten Vorhersagen der Johns Hopkins University (JHU) weichen für Deutschland im Durchschnitt um 79% von den offiziellen Zahlen ab.
2) Die Verwendung einer einfachen Regression zur Anpassung der Vorhersage der Johns Hopkins University (JHU) reduziert den Vorhersagefehler auf 35%.
3) Google-Such- und Twitter-Daten prognostizieren drei Tage im Voraus. Diese Prognose ist besser als die unbereinigten Vorhersagen der John Hopkins University.
4) Die offiziellen Zahlen für Deutschland leiden an einer Unterberichterstattung an Wochenenden im Bereich von mehr als 40%.
Die Autoren schlussfolgern, dass ein großer Bedarf besteht, die offiziellen Zahlen in Deutschland (und wahrscheinlich auch in anderen Ländern) durch andere Vorhersagen zu ergänzen (z.B. durch Vorhersagen, die auf Google-Such- und Twitter-Daten aufbauen).
Link zum gesamten Beitrag