こいつはペテン師だ❗️①西浦博—⑷マルサスとマルクスとネズミ講


3CA8CCE3-60CC-488F-A5E3-B17083B94A3C.jpeg



この動画にある R0 を調べていたところ







69F35653-DA12-4710-9254-FA57D3D70F4E.jpeg



✴️ペテン師西浦博❗️の2006年の論文に少し説明が出ていました。
   (以下、論文を学術的引用として、引用させて頂きます。)





CDBE473C-35B8-44C7-BAEB-531DD49311C0.jpeg
の 2.数理モデルの構造と定義 の部分

C5E107D3-7798-417C-80EE-5B31AD9C2B9F.jpeg89DCBDD9-32F8-4099-AC6E-03AC96B1D0F5.jpegAD242B29-BA51-449A-B022-6487C22DF1BF.jpeg





統計数理(2006)
特集「予測と発見」
第 54 巻 第 2 号 461–480
[総合報告]
⃝c 2006 統計数理研究所


感染症流行の予測:感染症数理モデルにおける
定量的課題


西浦 博1 ・稲葉 寿2
(受付 2006年1月4日;改訂 2006年2月6日)




2. 数理モデルの構造と定義

2.1 直接伝播する感染症の数理モデル

感染症の数理モデルはその個体群動態(Population dynamics)を想定して,個体群レベルの流 行メカニズムを考慮したボトムアップ式の過程で構築され,その中でも最も簡単な直接伝播す る感染症の決定論的なモデルを最初に紹介する.この数理モデルは対象とする閉鎖人口(Closed population)について興味の対象である感染症に依存した 3 つの状態(S; 感受性宿主で感染す る可能性のある人口,I; 感染して感染性を有する状態,R; 感染後に回復して免疫を獲得した 者または死亡者)に区画(Compartment)で分けて検討することから開始する(図 1a).それぞれ の状態の頭文字をとって SIR モデル(Susceptible-Infectious-Recovered)と呼ばれることが多い
(Anderson and May, 1991).各区画間の時間当たりの変化は常微分方程式系によって以下のよ うに与えられる:

(2.1)

dS(t) = −βS(t)I(t)
dt

dI(t) = βS(t)I(t) − γI(t)
dt

dR(t) =γI(t)
dt

ここで β は感染率,γ は回復率や隔離率であり,βI(t) は時間 t における感染力(force of infection) と定義される.また,γ−1 は感染期間が指数分布に従うと仮定した場合の平均値である.
これは 20 世紀前半の提唱者の名前をとってケルマック マッケンドリック型モデルとも呼
ばれる(Kermack and McKendrick, 1927).図 2 は典型的なシミュレーション結果であり,流行 規模やその速度は β や γ によって特徴付けられる.短期的な流行を考慮しているモデルである ために背景にある出生・死亡などの人口動態はほぼ無視できると想定している.この系では, ある時刻 t において感染者がいない状態,即ち (S(t),0,R(t)) は全て定常状態である.ここで 総人口サイズを 1 に固定した場合,感染者が対象人口に(過去を含めて)存在しない平衡状態 (S(t),I(t),R(t))=(1,0,0) で(2.1)を線形化すると以下が得られる:

(2.2)

dI(t) = (β − γ)I(t)
dt

即ち,少数の感染者が侵入した初期に感染者は I(t) ≈ I(0)exp{(β − γ)t} という指数関数的増加(マルサス法則)に従う.このことから病気が集団に侵入可能となる条件は,マルサス係数が β − γ > 0 となることであり,書き方を変えると

(2.3)

R 0 = β/γ > 1

と表すことが出来る(稲葉,2002).感染症が集団に侵入可能となる条件は,この基本再生産 数(basic reproduction number; R0)によって決定し,これは「(全ての個体が初期に感受性を 有する状態で)1 人の感染者当たりが生産する 2 次感染者数」を意味する(R nought と発音す る;Dietz, 1993).R0 < 1 であれば流行が発生しても次第に感染者人口は減衰すると考えられ, R0 > 1 であれば感染者は初期に指数関数的に増大する.これはパラメータ β と γ に依存してお り,この解の定性的挙動に関する現象は閾値現象(threshold phenomena)と呼ばれる(Anderson, 1991).




それから 3.感染症の伝播能力 の部分




4138735A-B875-4BF0-9D9F-DAA56219686D.jpeg3ACE14BF-91A2-4C82-AD9D-09129AE1FE2E.jpeg
40413ED6-4129-43F0-8914-0E0DAE266A5C.jpeg


3. 感染症の伝播能力

3.1 基本再生産数 (R0) の考え方

R0 が持つ意義を最も簡単に理解するためには決定論的モデルで考えた予防接種率の達成目 標の例が有名である.ある集団において効果(efficacy)が ε (0 < ε < 1) のワクチン接種を接種率 p (0 < p < 1) で実施した場合,未接種者割合は 1 − p であり,免疫を保持しない者の割合は 1 − εp である.流行は免疫を保持しない者の間で見られるので,均一(Homogeneous)な接触パターン における再生産数は (1 − εp) × R0 となる.これが 1 未満になれば感染症は終息するのだから, 流行終息の条件は(1−εp)×R0 <1で与えられる.これをpについて解けばp>1/ε×(1−1/R0) であり,ワクチン効果が明らかであれば R0 に従ってワクチン接種率目標を大まかに設定する ことに役立ってきた.関連する定性的検討は Anderson and May(1982)や Nokes and Anderson
(1988)が詳しい.本来,ワクチンは部分的効果などがあるために伝播動態はさらに複雑になる が,簡単な感染防御そのものの例としてサージカルマスク着用などの個人保護具に代表される 標準予防策が挙げられる.例えば SARS の R0 は平均の推定値が約 3 で与えられることが流行

中の研究で明らかにされたが(Riley et al., 2003; Lipsitch et al., 2003),サージカルマスクの着 用による感染予防効果を 0.7 であるすれば,感受性宿主の全てがマスクを適切に着用すること によって再生産数は (1 − 0.7) × 3.0 = 0.9 となる.病院内のように接触頻度が一定レベル以上は 減弱できない場所であっても,以上のマスク着用によって SARS 流行中にヒトの防御行動が素 早く変化することによって流行終焉(生態学的な絶滅の用語から Extinction と表現される)を迎 えたことが検証されている(Nishiura et al., 2005).
R0 の統計学的分布は「誰が誰に感染させたのか(who infected whom)」という感染ネット ワークがわかれば,これを参考にすることができる.図 4a は 1960 年のモスクワ市における小 規模な天然痘の流行で観察された感染ネットワークである(Baroyan and Serenko, 1961).感染 ネットワークは発症者毎に感染源を特定したものであって接触ネットワーク(=非感染者・非 発症者も含む全ての個体間接触に関する情報)ほど豊富な情報を含まないが,各感染者によっ て産み出された 2 次感染者数を直接に数えることができる.また,発症から発症までの間隔を 意味する世代時間(Generation interval あるいは Serial interval)の情報が得られる(Fine, 2003). 図 4b は図 4a の情報から得られた 2 次感染者数の頻度に関する分布である.これは流行時刻や

背景にある検疫・隔離などの公衆衛生対策を考慮していないために厳密には R0 の分布ではな いが定義上は類似の情報を意味する.多くの感染者は 2 次感染者を生産せず,一般的に(特に こういった小規模流行では)R0 の分布は右方向に裾を引く(Right skewed)分布を示す.




図4
天然痘の小規模流行における感染ネットワーク(Moscow, 1960 年 1 月).a)感染ネッ トワーク(誰が誰に感染させたかを示す),b)感染者 1 人当たりの 2 次感染者数の頻度 分布.a)では単純化して図示するため世代時間は無視して,世代別に階層化している. モスクワにおける流行のうち院外での感染ネットワークのみを抜粋して再構築している
(Baroyan and Serenko, 1961).b)では 2 次感染者数の頻度が歪度の高い分布を示し ている.






✴️抜粋
即ち,少数の感染者が侵入した初期に感染者は I(t) ≈ I(0)exp{(β − γ)t} という指数関数的増加(マルサス法則)に従う.このことから病気が集団に侵入可能となる条件は,マルサス係数が β − γ > 0 となることであり,書き方を変えると



✴️「2.1 直接伝播する感染症の数理モデル」の文章の中に、


指数関数的増加(マルサス法則)」や「マルサス係数」


という言葉がある。この「マルサス」を調べてみると、











✴️しかし、このマルサスの理論は、







✴️このマルサスモデルは、現実と明らかに違っている。ロジスティックモデルの方が現実に近いと言うこと。

なのに、なぜ、マルサスを登場させるかというと、より恐怖を煽って、騙して誘導できるからです。





✴️抜粋
図 4a は 1960 年のモスクワ市における小 規模な天然痘の流行で観察された感染ネットワークである(Baroyan and Serenko, 1961).感染 ネットワークは発症者毎に感染源を特定したものであって接触ネットワーク(=非感染者・非 発症者も含む全ての個体間接触に関する情報)ほど豊富な情報を含まないが,各感染者によっ て産み出された 2 次感染者数を直接に数えることができる.また,発症から発症までの間隔を 意味する世代時間(Generation interval あるいは Serial interval)の情報が得られる(Fine, 2003).

図4
天然痘の小規模流行における感染ネットワーク(Moscow, 1960 年 1 月).a)感染ネッ トワーク(誰が誰に感染させたかを示す),b)感染者 1 人当たりの 2 次感染者数の頻度 分布.a)では単純化して図示するため世代時間は無視して,世代別に階層化している. モスクワにおける流行のうち院外での感染ネットワークのみを抜粋して再構築している
(Baroyan and Serenko, 1961)



✴️ここに、「1960年のモスクワ市」であり、1961年の資料である。

まず、ⅰ)どうやって集められた資料なのか気になる。実験的に人体で人体実験した様にも思える。

また、ⅱ)1960年当時は、モスクワは、今の北朝鮮と同じ共産主義国であり、嘘が平気な国だったかもしれないので、何も調べずに、デッチ上げた数字かもしれない。

それから、ⅲ)共産主義国は、国家理念に「マルクス思想」があるから、この資料は「マルクス思想」を拡める為に謀略のある虚偽データかもしれない。

その上、ⅳ)コロナウイルスのことで「基本再生産数」「実効再生産数」という言葉がでてくるが、マルクスは「再生産表式」という言葉を使っている。

この「再生産」であるが、







✴️これもまた、間違った計算式を平気で使っている。なので








✴️つまり、マルサスは意味不明な式を人口論に結びつけ、マルクスは意味不明な式を経済理論に結び付け、世の中の不安や願望に火をつけて騙したというわけです。





✴️抜粋


3ACE14BF-91A2-4C82-AD9D-09129AE1FE2E.jpeg


✴️これは、抜粋②の文章が説明している図であるが、何かに似ているとは思いませんか?







✴️ネズミ講は、幾何級数という数学の論理で、無限に儲かると騙して誘導して、結局はその人からお金を騙し取るというもの。



✴️つまり、結局破綻する論理を、さも本当かと信じ込ませて、騙すやり方である。最近でもやっているのは、ほぼ創価学会員である。

ということは、もしかすると今回のコロナウイルス騒ぎは、創価学会と左翼と医療関係に潜り込んだスパイが協力して、やったことかもしれない。



✴️第二次世界大戦も、ゾルゲな尾崎秀実のような左翼スパイによって誘導され、盧溝橋事件も国民党軍に入り込んだ共産主義者スパイが両方に発泡することによって起こったらしい。

すると、第三次世界大戦を起こす為なのか?





✴️要するに、ペテン師西浦博❗️の現実に合わないトンデモ理論だから、マスク も 8割減 も 必要無い。




















3CA8CCE3-60CC-488F-A5E3-B17083B94A3C.jpeg


















ブログ気持玉

クリックして気持ちを伝えよう!

ログインしてクリックすれば、自分のブログへのリンクが付きます。

→ログインへ

なるほど(納得、参考になった、ヘー)
驚いた
面白い
ナイス
ガッツ(がんばれ!)
かわいい

気持玉数 : 0

この記事へのコメント