Stratégie par paliers

[Archi3]

C'est justement quand c'est très compliqué que ce sont les ordres de grandeurs simples qui sont les plus utiles non? puisque justement etre très compliqué, ça veut dire que les erreurs que tu fais sur tes hypothèses peuvent te faire diverger complètement ta solution.

En l'occurrence , je ne cherchais pas à faire de prédiction sur les courbes épidémiologiques, j'estimais juste un temps au-delà duquel les solutions divergeaient, avec une estimation simple basé sur la simple hypothèse d'un comportement local exponentiel.

Soit le raisonnement est complètement faux, et le résultat trouvé est un simple hasard (bien tombé quand même !), soit le raisonnement est juste en ordre de grandeur, et le résultat n'a rien d'un hasard.

Si tu penses qu'on est dans le premier cas et que mon raisonnement est celui d'un ignare incompétent qui est tombé juste par hasard, (c'est à dire qu'avec ce raisonnement foireux, j'aurais pu trouver n'importe quelle valeur , 3 jours, une seconde, 10 ans ...), dans ce cas, la moindre des choses pour quelqu'un de "compétent" qui vient sur un forum, c'est de faire partager son savoir, d'expliquer où est l'erreur, quel est le raisonnement correct, et quel est le résultat trouvé avec le raisonnement correct.

En tout cas c'est comme ça que j'essaie de faire dans les domaines où je suis plus spécialiste, par exemple quand on parle de relativité. Sinon à quoi sert de discuter sur un forum ?

Donc si mon raisonnement pour estimer le temps de divergence des modèles est mauvais, merci de nous donner le bon raisonnement.
-----

[Archi3]

C'est bien pour ça que je parlais de politique-fiction...
Mais les décisions politiques sont quand-même influencées par les travaux des modélisateurs ; sauf qu'ils ne sont pas les seuls facteurs pris en considération.

je veux bien te croire, mais donne moi alors un cas concret où des décisions politiques concrètes sur l'épidémie ont été prises, sur d'autres arguments que des simples extrapolations sur quelques semaines, qu'on pouvait faire par une simple extrapolation logarithmique des courbes observées, sans modélisation compliquée ?

[obi76]

C'est justement quand c'est très compliqué que ce sont les ordres de grandeurs simples qui sont les plus utiles non? puisque justement etre très compliqué, ça veut dire que les erreurs que tu fais sur tes hypothèses peuvent te faire diverger complètement ta solution.

C'est pour ça (je répète) : personne de sérieux ne fait de projection à plus de quelques semaines.

En l'occurrence , je ne cherchais pas à faire de prédiction sur les courbes épidémiologiques, j'estimais juste un temps au-delà duquel les solutions divergeaient, avec une estimation simple basé sur la simple hypothèse d'un comportement local exponentiel.

Rien que cette hypothèse est complètement à côté. Plus vous regardez localement, moins ça ressemble à une exponentielle.

Soit le raisonnement est complètement faux, et le résultat trouvé est un simple hasard (bien tombé quand même !), soit le raisonnement est juste en ordre de grandeur, et le résultat n'a rien d'un hasard.

Le raisonnement est juste dans certains cas : (épidémie un minimum déployée, échantillon suffisamment grand pour que la loi des grands nombres s'applique, immunité collective faible). Sorti de ces hypothèses, fini.

Si tu penses qu'on est dans le premier cas et que mon raisonnement est celui d'un ignare incompétent qui est tombé juste par hasard, (c'est à dire qu'avec ce raisonnement foireux, j'aurais pu trouver n'importe quelle valeur , 3 jours, une seconde, 10 ans ...), dans ce cas, la moindre des choses pour quelqu'un de "compétent" qui vient sur un forum, c'est de faire partager son savoir, d'expliquer où est l'erreur, quel est le raisonnement correct, et quel est le résultat trouvé avec le raisonnement correct.

Ca a déjà été fait, que ce soit par moi, Yves ou d'autres. Et je ne vais pas passer mon temps à répéter les mêmes choses.

En tout cas c'est comme ça que j'essaie de faire dans les domaines où je suis plus spécialiste, par exemple quand on parle de relativité. Sinon à quoi sert de discuter sur un forum ?

A expliquer quand on maîtrise et apprendre quand on ne maîtrise pas (et pas l'inverse) ?

Donc si mon raisonnement pour estimer le temps de divergence des modèles est mauvais, merci de nous donner le bon raisonnement.

Passez un M2 spécialisé dans ce domaine, ça ne se fait ni s'explique en 5 lignes sur un forum (un peu comme "j'aimerai bien que vous me donniez la méthode pour comprendre la TQC". Ben oui... mais non : ouvrez des bouquins).

[Archi3]

Passez un M2 spécialisé dans ce domaine, ça ne se fait ni s'explique en 5 lignes sur un forum (un peu comme "j'aimerai bien que vous me donniez la méthode pour comprendre la TQC". Ben oui... mais non : ouvrez des bouquins).

peut etre que tu es encore un peu jeune pour avoir compris ce qu'est vraiment un bon scientifique, alors :

https://fr.wikipedia.org/wiki/Estimation_de_Fermi

[obi76]

peut etre que tu es encore un peu jeune pour avoir compris ce qu'est vraiment un bon scientifique, alors :

https://fr.wikipedia.org/wiki/Estimation_de_Fermi

C'est certainement ça. Être un bon scientifique consiste à mettre en cause ou décrédibiliser les interlocuteurs qui vous contredisent .

Vous devez pas beaucoup discuter avec des chercheurs, vous...

[Archi3]

C'est certainement ça. Être un bon scientifique consiste à mettre en cause ou décrédibiliser les interlocuteurs qui vous contredisent .

il n'y a rien de tel dans l'article sur Fermi, je te dis juste qu'on considère que Fermi était un grand scientifique justement par sa capacité à estimer des ordres de grandeurs corrects dans des domaines où il n'était pas spécialiste, et sans faire de modélisations compliquées.

Les scientifiques font parfois ce genre d’estimation avant de se tourner vers des méthodes plus sophistiquées pour obtenir des réponses précises.

Cela permet de vérifier la vraisemblance des résultats : parfois la complexité de certains calculs peut aider à dissimuler des erreurs importantes.

donc non, faire des calculs très compliqués sur des ordinateurs très puissants ne garantit en rien qu'on a une meilleure information sur la réalité. Ca peut etre le cas quand les lois exactes sont tres bien connues (par exemple la simulation du système solaire avec la gravitation, mais même là, il y a un exposant de Lyapunov et un temps de divergence exponentiel), mais quand la réalité est trop complexe pour que les paramètres soient connus, ça ne peut faire que masquer notre ignorance.

Un exemple, c'est l'évolution de l'estimation de la sensibilité climatique avec le développement énorme des modèles et des observations climatiques, de plus en plus précises et complexes :

[Archi3]

C'est pour ça (je répète) : personne de sérieux ne fait de projection à plus de quelques semaines.

et donc, pour mon information personnelle, stp, cette valeur de "quelques semaines" vient-elle pour toi d'un temps de divergence des solutions d'environ T R/∆R ?

ou bien est ce une simple coïncidence numérologique qui n'a rien à voir, et la formule correcte pour l'estimer est complètement différente, et dans ce cas laquelle faut il prendre ?

[obi76]

et donc, pour mon information personnelle, stp, cette valeur de "quelques semaines" vient-elle pour toi d'un temps de divergence des solutions d'environ T R/∆R ?

Comme d'habitude : il n'y a pas de réponse aussi simpliste. Mais la cause ce n'est pas majoritairement à cause d'une méconnaissance de R, c'est soit par prédominance de phénomènes chaotiques (en début d'épidémie), soit sur un ensemble de comportement ou d'évènements (parfois rares) qui ne sont pas anticipables (relâchement, vacances, pénurie ici ou là, ou que sais-je). Une personne qui se déplace et créé un cluster dans une zone épargnée, par exemple, ce n'est pas anticipable, c'est un évènement rare qui pourrait ne jamais se produire, ou bien à n'importe quel moment, et clairement ça fera s'éloigner la courbe si on se base juste sur le R comme donnée d'entrée.

ou bien est ce une simple coïncidence numérologique qui n'a rien à voir, et la formule correcte pour l'estimer est complètement différente, et dans ce cas laquelle faut il prendre ?

C'est pour ça qu'à part les approches en champ moyen il y a aussi les approches individu-centrées. Mais c'"est comme tout :
- soit c'est rapide, mais on n'a pas le détail de la dynamique
- soit c'est lent, on a le détail, mais dur de faire des stats avec ça (puisqu'il faut répéter un grand nombre de fois pour avoir une tendance).

Je vais vous donner un exemple tout bête : avec le modèle le plus réaliste qui existe actuellement (et très probablement le plus lourd, où le R n'est pas une variable d'entrée), à partir d'exactement les mêmes conditions initiales, les mêmes habitudes, tous paramètres égaux par ailleurs, "juste" en appliquant un confinement dès que le nombre de réa atteint une certaine valeur (la même pour toutes les simus), en répétant les simulation un grand nombre de fois, on a minimum un facteur 5 sur l'amplitude du pic observé. Et ça, ce n'est pas un problème de R ou de quoique ce soit (le R n'est pas une donnée d'entrée, tous les autres paramètres sont égaux), c'est uniquement dû au caractère aléatoire d'une épidémie. (et j'anticipe la question, dans ce modèle la seule chose aléatoire, c'est qu'un individu A infecte un individu B lorsqu'ils se rencontrent)

A partir de là, dire "en faisant ça on réduira l'amplitude du pic" ou "on réduira le nombre de décès", je vous répond : en moyenne oui, mais avec une sacré barre d'incertitude (qui fait que la réalité peut montrer qu'un scénario en moyenne optimal a quand même une chance non négligeable d'être pire qu'un scénario qui était envisagé comme moins bon initialement). Mais ça à un moment il faut se résigner : on ne peut estimer par avance l'efficacité d'un scénario qu'à priori, avec des chances de se tromper non négligeables. Ca reste un indicateur.

Enfin après si on compare confinement permanent / on ne fait rien, là même les barres d'erreurs sont d'accord pour dire qu'on réduit le nombre de décès... Ce n'est pas si flou que ça. Tout dépend.

Le SIER a ce biais quand on ne les connaît pas très bien de sortir des résultats proches (ça reste assez basique), donc se dire que la réalité restera dans ce qu'on observe dans les simulations est illusoire, à moins de faire une étude de sensibilité (ce qui est fait, et ce qui augmente grandement les barres d'incertitudes faites par des gens sérieux).

Vous, vous faites une étude de sensibilité sur R, mais croyez moi il n'y a pas que ça... la durée de contagiosité, l'IFR, la probabilité de passage entre chaque compartiment, la proportion de télétravailleurs, l'impact de l'ouverture des écoles, et pour certains l'hétérogénéité entre régions (et donc dépendant du modèle de mobilité inter-régional, lui aussi incertain)... tout ça sont des paramètres estimés par des lois, et donc par définition qui ont des incertitudes aussi.

Prenons le cas le plus simple : une épidémie sans aucun contrôle avec un R0 et une autre avec R0 un peu plus élevé : vous aurez deux pics en moyenne différents (plus haut avec un R0 plus grand), mais avec les barres d'erreur la probabilité qu'avec un R0 plus faible que "ce qu'il se serait passé s'il était plus élevé" on a une chance non négligeable qu'il se soit produit l'inverse (quand je dis "chance non négligeable", c'est quand même < 50% ).

[Archi3]

Comme d'habitude : il n'y a pas de réponse aussi simpliste. Mais la cause ce n'est pas majoritairement à cause d'une méconnaissance de R, c'est soit par prédominance de phénomènes chaotiques (en début d'épidémie), soit sur un ensemble de comportement ou d'évènements (parfois rares) qui ne sont pas anticipables (relâchement, vacances, pénurie ici ou là, ou que sais-je). Une personne qui se déplace et créé un cluster dans une zone épargnée, par exemple, ce n'est pas anticipable, c'est un évènement rare qui pourrait ne jamais se produire, ou bien à n'importe quel moment, et clairement ça fera s'éloigner la courbe si on se base juste sur le R comme donnée d'entrée.

je n'ai sans doute pas été assez précis dans ma question, mais je ne parlais pas du temps de divergence entre une simulation et une réalité, mais du temps de divergence entre deux simulations faites avec des R différents : est ce que ce temps est donné correctement par T R /∆R comme mon raisonnement semblait le montrer, ou est ce que mon raisonnement est faux et quelle est la bonne formule pour l'estimer ?

(ceci dit il me semble que les évènements dont tu parles reviennent à dire que le R réel n'était pas celui estimé, donc on a bien aussi un ∆R entre le modèle et la réalité, et je ne vois pas non plus pourquoi cette estimation ne serait pas aussi valable dans ce cas : il faut simplement prendre le ∆R entre modèle et réalité et pas le ∆R entre deux simulations).

Je vais vous donner un exemple tout bête : avec le modèle le plus réaliste qui existe actuellement (et très probablement le plus lourd, où le R n'est pas une variable d'entrée), à partir d'exactement les mêmes conditions initiales, les mêmes habitudes, tous paramètres égaux par ailleurs, "juste" en appliquant un confinement dès que le nombre de réa atteint une certaine valeur (la même pour toutes les simus), en répétant les simulation un grand nombre de fois, on a minimum un facteur 5 sur l'amplitude du pic observé. Et ça, ce n'est pas un problème de R ou de quoique ce soit (le R n'est pas une donnée d'entrée, tous les autres paramètres sont égaux), c'est uniquement dû au caractère aléatoire d'une épidémie. (et j'anticipe la question, dans ce modèle la seule chose aléatoire, c'est qu'un individu A infecte un individu B lorsqu'ils se rencontrent)

le R n'est pas une donnée d'entrée, mais c'est un résultat de la situation : il suffit de calculer le nombre d'individus contaminés à la Ne génération et le nombre d'individus contaminés à la N-1 e génération, et de faire le rapport des deux, pour avoir une estimation de R. Que ce R "effectif" soit fluctuant d'une simulation à l'autre à cause des incertitudes statistiques, c'est tout à fait imaginable, ça n'empêche pas d'estimer un "T R /∆R" en considérant que R est une sortie du modele et pas une variable d'entrée.

La notion de "donnée d'entrée" est une notion propre à la modélisation, pas à la réalité. Dans la réalité il y a juste des quantités observables , pas des "données d'entrée" et des "données de sortie". les "données d'entrée" de ton modèle sont elles mêmes des quantités dépendant de la physico chimie du virus, de la physique des gouttelettes, des aérosols, des durées de vie sur les surfaces, de la génétique des malades, ou que sais je encore, toutes "données" qui ne sont pas dans ton programme et que tu ne sais pas simuler, et que tu remplaces par des paramètres de ton modele (meme si ce n'est pas le R que tu choisis comme paramètre).

Vous, vous faites une étude de sensibilité sur R, mais croyez moi il n'y a pas que ça... la durée de contagiosité, l'IFR, la probabilité de passage entre chaque compartiment, et pour certains l'hétérogénéité entre régions (et donc dépendant du modèle de mobilité, lui aussi très incertain)... tout ça sont des paramètres estimés par des lois, et donc par définition qui ont des incertitudes aussi.

qui se traduisent à la fin par une incertitude sur R ...

Prenons le cas le plus simple : une épidémie sans aucun contrôle avec un R0 et une autre avec R0 un peu plus élevé : vous aurez deux pics en moyenne différents (plus haut avec un R0 plus grand), mais avec les barres d'erreur la probabilité qu'avec un R0 plus faible que "ce qu'il se serait passé s'il était plus élevé" on a une chance non négligeable qu'il se soit produit l'inverse (quand je dis "chance non négligeable", c'est quand même < 50% ).

dis comme ça c'est surprenant, d'ou vient le pic dans ton modèle ? peux tu donner un exemple de deux courbes où c'est le Ro le plus grand qui donne un pic moins élevé ?

[obi76]

je n'ai sans doute pas été assez précis dans ma question, mais je ne parlais pas du temps de divergence entre une simulation et une réalité, mais du temps de divergence entre deux simulations faites avec des R différents : est ce que ce temps est donné correctement par T R /∆R comme mon raisonnement semblait le montrer, ou est ce que mon raisonnement est faux et quelle est la bonne formule pour l'estimer ?

Là je n'ai pas d'élément sous la main pour vous répondre (et il faudrait que vous précisiez ce que vous entendez par "diverger". En l'infini tous les modèles donnent la même chose)...

(ceci dit il me semble que les évènements dont tu parles reviennent à dire que le R réel n'était pas celui estimé, donc on a bien aussi un ∆R entre le modèle et la réalité, et je ne vois pas non plus pourquoi cette estimation ne serait pas aussi valable dans ce cas : il faut simplement prendre le ∆R entre modèle et réalité et pas le ∆R entre deux simulations).

Les simulations dont je parle ne prennent pas en compte le R(t). Le R(t) est un résultat de la simu, pas une donnée d'entrée, et comme il représente tout sauf une valeur constante au cours des simus, difficile de la comparer...

La notion de "donnée d'entrée" est une notion propre à la modélisation, pas à la réalité. Dans la réalité il y a juste des quantités observables , pas des "données d'entrée" et des "données de sortie". les "données d'entrée" de ton modèle sont elles mêmes des quantités dépendant de la physico chimie du virus, de la physique des gouttelettes, des aérosols, des durées de vie sur les surfaces, de la génétique des malades, ou que sais je encore, toutes "données" qui ne sont pas dans ton programme et que tu ne sais pas simuler, et que tu remplaces par des paramètres de ton modele (meme si ce n'est pas le R que tu choisis comme paramètre).

Non, c'est plus précis, il y a moins de paramètres, mais tout ça reste englobé dans une seule valeur (qui essaye de représenter quelque chose de "réel" quand même).

dis comme ça c'est surprenant, d'ou vient le pic dans ton modèle ? peux tu donner un exemple de deux courbes où c'est le Ro le plus grand qui donne un pic moins élevé ?

Pareil, pour le moment ces courbes ne sortiront pas. Mais il est évident qu'une épidémie non contrôlée présentera un pic (ou une "vague" si vous préférez). Mais ça on a un sacré paquet d'exemples.

[Archi3]

Là je n'ai pas d'élément sous la main pour vous répondre (et il faudrait que vous précisiez ce que vous entendez par "diverger". En l'infini tous les modèles donnent la même chose)...

je l'ai précisé, c'est le moment où les solutions différent par un facteur de l'ordre de 2 (on peut prendre 2 ou e= 2,7 , l'ordre de grandeur est le même).

Dans la formule que je donne, la "dimension du temps" est donnée par T , le temps effectif pendant lequel on reste contagieux , qui est de l'ordre de la semaine (on a peut etre des contaminations plus longues mais avec une probabilité décroissante donc on doit pouvoir définir un temps effectif par ∫ Tcont p(T) dT/∫ p(T) dT ou p(T) dT la probabilité de contaminer quelqu'un rencontré entre T et T+dT après sa contamination. ) Le R/∆R est un facteur sans dimension de l'ordre de quelques unités.

Donc ton "on ne fait plus de simulations après quelques semaines", c'est en fait un "on ne fait plus de simulations après quelques temps de contamination". C'est à dire que si tu simulais une explosion nucléaire où le temps de doublement est de l'ordre de quelques microsecondes, les simulations divergent au-dela de quelques microsecondes. Si tu simules des flambées d'étoiles qui provoquent des supernovae au bout de quelques millions d'années qui provoquent de nouvelles flambées d'étoiles, le temps de divergence entre tes modèles est de l'ordre d'une dizaine de millions d'années. Si tu simules des populations avec des taux de croissance de quelques % par an, les simulations divergent au bout de quelques dizaines d'années, etc, etc . ..

Bref ce que je suis en train de dire, c'est qu'on a aucun besoin de faire des simulations compliquées ni meme de rien connaitre au sujet pour dire que si un système se comporte avec une croissance exponentielle, alors la sensibilité des solutions aux paramètres est telle que les solutions divergent exponentiellement après quelques temps de doublement.

C'est le temps de doublement qui te dimensionne la durée pendant laquelle ta simulation est fiable.

Cette assertion est totalement indépendante du phénomène étudié et ne repose QUE sur la propriété que la croissance est exponentielle, et des propriétés mathématiques de l'exponentielle, et c'est tout.

C'est un exemple de raisonnement "à la Fermi" pour moi, qui montre que justement on peut dire des choses sensées sans rien savoir du tout au détail des modèles et du processus en question à part qu'il provoque une croissance exponentielle.

[Archi3]

Pareil, pour le moment ces courbes ne sortiront pas. Mais il est évident qu'une épidémie non contrôlée présentera un pic (ou une "vague" si vous préférez). Mais ça on a un sacré paquet d'exemples.

euh si tu penses etre le seul à avoir observé ce phénomène, et qu'aucune courbe publiée et consultable publiquement pour le moment, sur lequel tu pourrais donner un lien, ne le montre, c'est un tout petit peu bizarre non?

es tu en train de dire que tout ce qui a été publié jusque là en terme de simulations épidémique est complètement faux ?

[obi76]

euh si tu penses etre le seul à avoir observé ce phénomène, et qu'aucune courbe publiée et consultable publiquement pour le moment, sur lequel tu pourrais donner un lien, ne le montre, c'est un tout petit peu bizarre non?

Et c'est reparti. Je préfère croire sur parole les gens avec qui je bosse là dessus (et clairement qui maîtrisent nettement mieux le sujet que vous, ils bossent dedans depuis 20 ans), que vous. Et toutes les simus et études faites le montrent. Maintenant croyez ce que vous voulez. Pour les courbes qu'on a je pense que vous savez comment ça marche avec les journaux (et ne serai-ce que par rigueur : elles passeront en review avant).

es tu en train de dire que tout ce qui a été publié jusque là en terme de simulations épidémique est complètement faux ?

Heu non... ils sont à peu près tous d'accords avec moi... il n'y a que vous visiblement qui n'êtes d'accord avec personne.

Une étude d'épidémie ce n'est pas juste une courbe qu'on tire comme ça et de laquelle on tire une conclusion.

Dommage la discussion repartait bien... Dommage que vous vouliez à tout prix re-rentrer dans le DK...

Je vous ai fait une réponse précise et détaillée. Maintenant si vous vous efforcez d'affirmer n'importe quoi sans vous donner la peine de la lire et de la comprendre, je ne peux rien pour vous.

[Archi3]

Heu non... ils sont à peu près tous d'accords avec moi... il n'y a que vous visiblement qui n'êtes d'accord avec personne.

???
je pense surtout qu'il y a une grosse incompréhension de ta part dans ce que je dis ! tu ne trouveras aucun post où je remets en question les calculs que j'ai vu en épidémiologie ! j'ai donné une estimation du temps de divergence entre deux solutions , basée sur des arguments simples, en disant que c'était certainement vérifié par les solutions numériques. Je ne vois pas du tout en quoi ça exprime un "désaccord" avec qui que ce soit.

Après sur ce que tu as mentionné

Prenons le cas le plus simple : une épidémie sans aucun contrôle avec un R0 et une autre avec R0 un peu plus élevé : vous aurez deux pics en moyenne différents (plus haut avec un R0 plus grand), mais avec les barres d'erreur la probabilité qu'avec un R0 plus faible que "ce qu'il se serait passé s'il était plus élevé" on a une chance non négligeable qu'il se soit produit l'inverse

j'ai dit que c'était surprenant, pas que c'était faux, et je t'ai demandé des références montrant ce phénomène (quoi qu'à la relecture ce que tu dis est assez obscur, qu'entends tu par "avec un R0 plus faible que "ce qu'il se serait passé s'il était plus élevé"" ?" .

Tu me réponds que tu ne veux pas donner des courbes en preprint, ce que je comprends parfaitement, mais en même temps si tu dis que c'est un truc bien connu des spécialistes qui bossent depuis 20 ans sur le sujet, alors ça doit avoir déjà été observé et publié plein de fois, donc merci de m'indiquer une référence où c'est observé, pour que je puisse aller voir d'un peu plus près d'où ça vient et comment ça s'explique ?

[obi76]

je pense surtout qu'il y a une grosse incompréhension de ta part dans ce que je dis ! tu ne trouveras aucun post où je remets en question les calculs que j'ai vu en épidémiologie !

Peut-être, dans ce cas formulez autrement.

j'ai donné une estimation du temps de divergence entre deux solutions , basée sur des arguments simples, en disant que c'était certainement vérifié par les solutions numériques. Je ne vois pas du tout en quoi ça exprime un "désaccord" avec qui que ce soit.

Rien que sur ce que vous appelez "divergence", comme déjà dit.

Pour l'amplitude des pics je vous l'enverrai quand ça sera sorti (histoire d'un mois ou 2 si tout se passe bien) ou qu'on l'aura mis en ligne (avant si ça se fait).

Mais sans même référence, il est parfaitement logique que deux épidémies exactement identiques peuvent évoluer différemment et prendre une ampleur plus ou moins grande en fonction des évènements qui se produisent ici ou là. Je ne vois pas quelle référence scientifique il pourrait y avoir pour affirmer une telle évidence...

[yves95210]

Mais sans même référence, il est parfaitement logique que deux épidémies exactement identiques peuvent évoluer différemment et prendre une ampleur plus ou moins grande en fonction des évènements qui se produisent ici ou là. Je ne vois pas quelle référence scientifique il pourrait y avoir pour affirmer une telle évidence...

A partir du moment où on introduit de l'aléatoire dans le modèle (par ex. sur le nombre, la taille et la date d'événements super-contaminateurs), ça paraît évident. Et effectivement l'évolution d'une épidémie réelle doit présenter cet aspect aléatoire.
Il doit avoir tendance à s'effacer à mesure que l'incidence augmente et avec elle le nombre d'événements de ce genre. Mais au début (ou à la fin) de l'épidémie (et de même au début de la propagation du nouveau variant) leur effet n'est certainement pas négligeable.

[Archi3]

Peut-être, dans ce cas formulez autrement.



Rien que sur ce que vous appelez "divergence", comme déjà dit.

j'ai répondu je crois : le temps au bout duquel le rapport du nombre de cas atteint deux (ou e).

Pour l'amplitude des pics je vous l'enverrai quand ça sera sorti (histoire d'un mois ou 2 si tout se passe bien) ou qu'on l'aura mis en ligne (avant si ça se fait).

donc ta réponse me fait penser que ça n'a jamais été observé avant, et qu'il n'y a pas de référence déjà publiée où on observe ça ?
je trouve surprenant alors que tu dises que c'est bien connu par les gens qui bossent dessus depuis 20 ans.

Mais sans même référence, il est parfaitement logique que deux épidémies exactement identiques peuvent évoluer différemment et prendre une ampleur plus ou moins grande en fonction des évènements qui se produisent ici ou là.

déjà si il y a de l'aléatoire elles ne peuvent pas etre qualifiée de "exactement identiques"...

mais même si le début est aléatoire, ça n'a rien d'évident que l'amplitude au moment du pic le soit, car à ce moment on a forcément un grand nombre de cas et donc la loi des grands nombres a du jouer. Pour des écarts minimes de Ro on peut sans doute avoir des fluctuations mais pour des rapports de 50 % par exemple je serai étonné que la valeur supérieure de Ro donne un pic inférieur, en tout cas j'aimerais voir une simulation qui le montre et comprendre d'où ça vient.

Je ne vois pas quelle référence scientifique il pourrait y avoir pour affirmer une telle évidence...

je demande juste des exemples de courbes simulées, deja publiées et "bien connues", qui le montrent, rien de plus .

[Archi3]

A partir du moment où on introduit de l'aléatoire dans le modèle (par ex. sur le nombre, la taille et la date d'événements super-contaminateurs), ça paraît évident. Et effectivement l'évolution d'une épidémie réelle doit présenter cet aspect aléatoire.
Il doit avoir tendance à s'effacer à mesure que l'incidence augmente et avec elle le nombre d'événements de ce genre. Mais au début (ou à la fin) de l'épidémie (et de même au début de la propagation du nouveau variant) leur effet n'est certainement pas négligeable.

justement on parle du pic épidémique donc par définition loin du début et de la fin ...

[JPL]

Et ça repart en boucle !

[Archi3]

quelle boucle ? j'ai juste demandé une référence à l'appui d'une affirmation qu'a faite Obi (qu'on peut avoir un pic supérieur avec un Ro inférieur, si j'ai bien compris, mais c est pas sur qu'Obi ait vraiment voulu dire ça, car sa formulation était un peu alambiquée tout de même, donc il corrigera si ce n'est pas ça ).

Y aucune "boucle", j'attends juste un lien sur une publication déjà parue, ou une page web montrant des exemples de courbes, qui montrerait ce phénomène, et c'est tout. Si le truc est évident et connu depuis 20 ans, normalement, ça ne devrait pas poser de problème, enfin il me semble. Et ça me permettrait (ainsi qu'à d'autres) de comprendre ce qui peut provoquer ce phénomène a priori paradoxal

(parce que la conséquence c'est qu'on pourrait etre amené à augmenter le Ro pour aplanir le pic, ce qui est exactement le contraire de ce qu'on nous dit depuis le début de l'épidémie non ? )

[yves95210]

justement on parle du pic épidémique donc par définition loin du début et de la fin ...

La propagation du variant anglais en janvier (en fait il faudrait partir de décembre, mais en France on manque de données faute de séquençage systématique), en pratique ça ressemble à un début d'épidémie...

[Archi3]

encore une fois Obi n'a pas parlé de début d'épidémie mais d'amplitude au pic.

[obi76]

déjà si il y a de l'aléatoire elles ne peuvent pas etre qualifiée de "exactement identiques"...

J'ai donné toutes les hypothèses. Maintenant si vous voulez jouer sur les mots, allez-y... (et ça me parait évident, si elles n'ont pas la même amplitude, ce ne sont pas les mêmes. Ca serait bien que vous arrêtiez de me prendre pour un con, ça changerait...)

[Archi3]

je ne crois pas jouer sur les mots, j'attends juste tes références publiées montrant un pic inférieur avec un Ro supérieur, si c'est bien connu de la communauté des épidémiologistes depuis 20 ans (?), si c'est bien ce que tu voulais dire (??) ,

[JPL]

Me...e enfin ! Obi n’est pas épidémiologiste, c’est un modélisateur qui travaille avec des épidémiologistes. Donc il n’a pas toute la bibliographie d’un épidémiologiste, mais il discute avec eux si j’ai bien compris. Alors arrête de toujours poser la même question !

[Archi3]

euh mais personne ne l'obligeait à annoncer ça, et à dire que c'était bien connu alors !

moi ça m'intéresse de comprendre l'origine de ce truc si c'est vrai, parce que je ne comprends pas comment c'est possible, donc j'apprendrai quelque chose en étudiant la question.

Mais bon si c'est une théorie personnelle sans références derrière, je laisserai tomber.

[obi76]

Mais bon si c'est une théorie personnelle sans références derrière, je laisserai tomber.

Vous voulez vraiment que je vire toutes vos interventions qui ne sont pas appuyées par un papier reviewé, qu'on rigole un coup ? Parce que pour le moment, des références expliquant que le R0 varie de votre part, je n'en ai pas vu beaucoup non plus...

[Archi3]

Vous voulez vraiment que je vire toutes vos interventions qui ne sont pas appuyées par un papier reviewé, qu'on rigole un coup ? Parce que pour le moment, des références expliquant que le R0 varie de votre part, je n'en ai pas vu beaucoup non plus...

je n'ai rien affirmé qui ne soit soutenu par un raisonnement rationnel et un calcul, il me semble. Ca peut etre dans un papier reviewé ou pas, ça je m'en fiche un peu, ça peut aussi bien etre un truc du blog de Thierry Grenet ou un calcul d'Yves , ça me va aussi bien. Un papier reviewé peut aussi bien comporter des erreurs. Je demande juste un exemple que je puisse regarder un peu en détail pour comprendre d'où vient la propriété que tu prétends, qui me parait surprenante à premiere vue (et encore une fois qui, si elle était vraie, semblerait impliquer qu'augmenter le Ro pourrait étaler le pic épidémique , alors que le réduire pourrait augmenter ce pic , ce qui est quand meme assez paradoxal tu l'avoueras ...)

[obi76]

je n'ai rien affirmé qui ne soit soutenu par un raisonnement rationnel et un calcul, il me semble.

HAHAHAHA alors celle là c'est la meilleure

J'attends toujours la publi me montrant que le R0 varie (c'est une affirmation de votre part, il me semble)

[pm42]

HAHAHAHA alors celle là c'est la meilleure

Je plussoie. Je ne sais pas pourquoi on continue à nourrir le troll mais au moins, le voir grimper à chaque fois dans la mauvaise foi de plus en plus grande en étant persuadé d'être rationnel est divertissant alors que là, on a passé 18h et qu'en plus, il fait nuit et il pleut