疫情當頭，關於防空策略的選擇，其中重要的爭議點在於死亡率、重症率等資料，每種觀點的持有者都會選取有利於自己觀點的資料，總是難窺全貌，索性就自己抓取資料，做了一點簡單的分析。
下面**中給出了包括英、美、德、歐等幾個國家或地區的統計資料，從**中資料不難得出：
奧公尺克戎毒株最早報告於2023年11月，所以這裡簡單的認為2023年11月1日後的感染和死亡都是由於奧公尺克戎毒株引起的，當然，這樣統計的資料可能不是太嚴謹，但從圖2可以看到，各國家和地區的感染人數和死亡數在2023年11月後都有了大幅提公升，這提公升可以認為是奧公尺克戎毒株引起的。
如果說，我們採取共存後，感染人數和死亡人數又會有多少呢，這個可以簡單的估算一下，如**所示，我們假定感染人數比例分別為10% ~30%，患者死亡率分別採用**中的最大死亡率（美國資料）和最小死亡率（新加坡資料），那麼我們的總體死亡人數最小13w，最大297w，當然這還僅僅是用上述國家5個月的資料，全年死亡資料會進一步提公升。
觀大資料有感 觀《大資料時代》有感
觀 大資料時代 有感 大資料 其實一提到這個詞，我的心裡想到的便是高速化運營下的資訊處理。給我最直觀的感受其實出現在高三，那個時候海量的考試蜂擁而至，而乙個新型的批改 出現在了我的視野。印象中在那個 上，老師可以批改試卷，每個孩子每個小題的分都會被系統自動錄入，並且每道題的得分情況都會以各種統計圖形...
大資料有多大？
本文計算人類產生資料的能力。那麼，大資料到底有多大？是不是像某些人想的那樣，可以趨近於無限大呢？在某些時候，我也會這麼想，可是不能把科幻寫成吹牛皮，明明4k的畫質就已經很清晰了，偏偏科幻出乙個4000k的畫質，這沒有意義。下文中，我們就具體計算一下，人類到底能夠產生多大的資料。計算過程 80億人 8...
大資料有什麼作用？
在近代人們對資料的要求沒有那麼的迫切，那個時候沒有資料分析師，沒有it，但是隨著人類的發展，隨著工業革命和科技革命的發展，資料對我們來說越來越重要，比如說美國的乙個城市 紐約就是乙個很鮮明的例子，通過資料探勘，有效預防了火災。據統計，紐約大約有100萬棟建築物，平均每年約有3000棟會發生嚴重的火災...