پیش بینی هایی در ارتباط با ویروس جدید کرونا (کووید-19)

در پایان دسامبر 2019، گسترش یک بیماری عفونی جدید در شهر ووهان چین گزارش شد که توسط یک کروناویروس جدید ایجاد شده و به طور رسمی توسط سازمان بهداشت جهانی به عنوان کووید-19 نام گذاری گردید. با عبور تعداد قربانیان این ویروس از مرز 1000 نفر، سازمان بهداشت جهانی برای بیماری ناشی از آن نام رسمی کووید-19را انتخاب کرد که اشاره‌ای به »کرونا «، »ویروس «، »بیماری « و سال 2019 دارد. پیش بینی هایی در ارتباط با کووید-19 می تواند به دولت در تصمیم گیری های بهتر کمک کند. در این مقاله، از یک رویکرد عینی برای پیش بینی هایی در ارتباط با کووید-19 مبتنی بر روش های آماری استفاده شده است. تحلیل ها با این فرض انجام شده اند که داده های ارائه شده قابل اعتماد هستند. مهم ترین هدف، پیش بینی روند شیوع ویروس کرونا برای تعداد موارد مبتلای قطعی، فوتی و بهبودیافته و تخمین مدت زمان مدیریت این ویروس است که از روش هموارسازی نمایی برای پیش بینی استفاده شده است. این خانواده از مدل ها، به خصوص برای سری های زمانی کوتاه مدت بسیار مناسب است. هموارسازی نمایی به زبان ساده نوعی میانگین متحرک است که خود را اصلاح می‌کند. در نهایت با توجه به پیش بینی آماری صورت گرفته، به ارائه راهکارهایی می پردازیم.

Forecasting the novel coronavirus COVID-19

At the end of December 2019, the spread of a new infectious disease was reported in Wuhan, China, caused by a new coronavirus and officially named Covid19 by the World Health Organization. As the number of victims of the virus exceeded 1,000, the World Health Organization chose the official name Covid19 for the disease, which refers to corona , virus , disease and the year 2019. The forecasting about Covid19 can help the government make better decisions. In this paper, an objective approach is used for forecasting Covid19 based on the statistical methods. The most important goal in this paper is to forecast the prevalence of coronavirus for confirmed, dead and improved cases and to estimate the duration of the management of this virus using the exponential smoothing method. The exponential smoothing family model is used for short timeseries data. This model is a kind of moving average model that modifies itself. In other words, exponential smoothing is one of the most widely used statistical methods for time series forecasting, and the idea is that recent observations will usually provide the best guidance for the future. Finally, according to the exponential smoothing, we will provide some suggestions.