Corona-Mutationen und die Probleme von Prognosen

»Mit der „Unstatistik des Monats“ hin­ter­fra­gen der Berliner Psychologe Gerd Gigerenzer, der Dortmunder Statistiker Walter Krämer, die STAT-UP-Gründerin Katharina Schüller und RWI-Vizepräsident Thomas K. Bauer jeden Monat sowohl jüngst publi­zier­te Zahlen als auch deren Interpretationen. Alle „Unstatistiken“ fin­den Sie im Internet unter www.unstatistik.de und unter dem Twitter-Account @unstatistik

Die des Januar trägt obi­gen Titel. Dazu ist u.a. zu lesen:

»Wie ent­stand die Prognose unse­rer Bundeskanzlerin? Hierzu müs­sen erst ein­mal eini­ge Annahmen getrof­fen wer­den. Verschiedene neue­re Studien aus Großbritannien (s. dazu einen Bericht der Staatlichen Agentur „Public Health England“, einen Artikel zur Übertragung der Corona-Mutation B.1.1.7 in England sowie Aussagen von Virologe Christian Drosten auf web.de) legen nahe, dass die Virusmutation B.1.1.7 unge­fähr 35 bis 70 Prozent anste­cken­der ist als die bis­her bekann­te Form. 

Darüber hin­aus muss man Annahmen über die bis­her vor­han­de­nen Infektionen mit der neu­en Form des Virus tref­fen, da es hier­zu bis­her nur sehr weni­ge belast­ba­re Daten gibt. Angenommen, der Anteil des mit der neu­en Virusmutation der­zeit infi­zier­ten Anteils der Bevölkerung liegt irgend­wo zwi­schen 0,1 und 1 Prozent. Geht man nun zusätz­lich von der Annahme aus, dass die Verbreitung des Virus einem expo­nen­ti­el­len Wachstumsprozess folgt (sie­he hier­zu unse­re Unstatistik vom 25. März 2020) und geht man von dem der­zei­ti­gen Reproduktionswert von etwa 1,1 sowie einer 7‑Tage-Inzidenz von 164 aus, kommt man in einer opti­mis­ti­schen Variante (die Virusmutation ist ca. 40 Prozent anste­cken­der und weni­ge sind bereits mit der Mutation infi­ziert) bis Ostern auf einen Inzidenzwert von etwa 500 Infektionen je 100.000 Einwohner. In einer pes­si­mis­ti­schen Variante (mit der Annahme, dass die Virusmutation sehr viel anste­cken­der ist und vie­le bereits mit der neu­en Mutation infi­ziert sind) auf eine 7‑Tages Inzidenz von etwa 3500 Infektionen je 100.000 Einwohner. Der Durchschnitt bei­der Szenarien ent­spricht in etwa der von Frau Merkel genann­ten Verzehnfachung der Inzidenz.

Wo lie­gen die Probleme die­ser Prognose? Ein zen­tra­les Problem der obi­gen Prognose liegt in der man­gel­haf­ten Qualität der zugrun­de­lie­gen­den Daten. Die Corona-Mutation B.1.1.7 wur­de erst im November 2020 in Großbritannien ent­deckt. Daher lie­gen bis­her auch nur weni­ge Informationen zum Ausbreitungsprozess die­ser Mutation vor. Dies erklärt auch die erheb­li­che Bandbreite der geschätz­ten Ansteckungsgefahr der Mutation, die von 35 Prozent bis 70 Prozent anste­cken­der als die bekann­te Version des Virus reichen… 

Die bereits erwähn­te Kritik an Prognosefehlern liegt jedoch an einer in der öffent­li­chen Wahrnehmung weit­ge­hend igno­rier­ten Annahme von Prognosen: Prognosen kön­nen nur auf Basis des vor­han­de­nen Wissens erstellt wer­den. Daher muss man immer anneh­men, dass die Zukunft so ver­läuft wie die Vergangenheit. Darin liegt jedoch gera­de eine der zen­tra­len Aufgaben einer Prognose: Man schätzt die zukünf­ti­ge Entwicklung, wenn alles so bleibt, wie es ist, um auf Basis die­ser Prognose Handlungsnotwendigkeiten und ‑optio­nen dis­ku­tie­ren zu kön­nen. Damit ist aber jed­we­de Prognose bereits mit ihrer Veröffentlichung not­wen­di­ger­wei­se falsch! Denn die Prognose selbst führt zu Verhaltensänderungen, damit unter­schei­det sich die Zukunft von der Vergangenheit und die Prognose ist nicht mehr kor­rekt…«

32 Antworten auf „Corona-Mutationen und die Probleme von Prognosen“

  1. Niels Bohr war ein däni­scher Physiker und erhielt 1922 den Nobelpreis für Physik. Er hat­te nicht nur gro­ßen wis­sen­schaft­li­chen Verstand, son­dern war auch sehr schlag­fer­tig. Eines Tages bekam er Besuch von einem Kollegen. Dieser bemerk­te, dass über dem Eingang zum Haus ein Hufeisen hing.

    Der Besucher war erstaunt und frag­te: "Sie, Herr Prof. Bohr, und ein Hufeisen. Glauben Sie etwa im Ernst daran?"

    Bohr soll geant­wor­tet haben: "Selbstverständlich nicht. Aber es soll auch dann hel­fen, wenn man nicht dar­an glaubt!"
    https://www.blueprints.de/humor-anekdoten/der-schlagfertige-niels-bohr.html

  2. Das fin­de ich dies­mal eine rela­tiv schwa­che 'Unstatistik des Monats'.

    Inzidenz sei die Häufigkeit des Auftretens neu­er Krankheitsfälle/Erkrankungen, so liesst man land­läu­fig. Dazu gibt es gar kei­ne Zahlen, weder in UK, noch in DE.

    Gezählt wird die Anzahl test-posi­ti­ver Neufälle mit unter­schied­li­chen und im Zeitablauf wech­seln­den Teststrategien mit einer Gemeinsamkeit: sie kön­nen kei­ne Erkrankungen nachweisen.

    CT-Wert etc. pp. las­sen grüssen…

    Daneben nimmt man an, dass aber die rei­ne 'Virenverbreitung' teils wesent­lich um ein Viel-Vielfaches über der offi­zi­el­len 'Inzidenz liegt'. Ueber die eigent­li­che 'Virenverbreitung' hat man gar kein annä­hernd genau­es Bild.

    Antikörperstudien könn­ten aber Anhaltspunkte lie­fern, nicht aber die gan­ze Wahrheit, weil Immunität nicht nur durch Antikörper defi­niert ist und Antikörper nach eini­ger Zeit wie­der 'ver­schwin­den', zusätz­lich besteht eine
    Hintergrundimmunität. 

    In Schweden hät­ten 40% inzwi­schen Antikörper: https://sebastianrushworth.com/2021/01/25/heres-a-graph-they-dont-want-you-to-see/

    Eine Hohe 'Inzidenz' führt zu Immunität und das führt zu nied­ri­ger 'Inzidenz', wo Mutationen ins Spiel kom­men, kommt Bewegung in die 'Inzidenzlage'.

    Das es für 'Corona' und Mutanten aber ein­fa­che und wirk­sa­me Prophylaxe und Behandlung gibt (Vitamin C, D, Schwarzkümmel mit Honig, Ivermectin etc.) und für Personen der Nicht-Risikogruppen ohne­hin kaum schwe­re Fälle auf­tre­ten, ist das gan­ze 'Virentheater' ohne­hin surrealistisch. 

    Es geht gar nicht um die Inzidenz, es geht nur um die öffent­li­che Argumentation und Gehirnwäsche, es geht um die fal­schen Annahmen und aus­ge­blen­de­ten Themen, wie z.B. dass es Prophylaxe und Behandlung gibt zur Unterstützung des natür­li­chen Immunsystems.

  3. Die Indianer wol­len von ihrem Medizinmann das Wetter des kom­men­den Winters wis­sen. Er weiß es nicht, will aber sein Ansehen nicht ver­lie­ren und wägt ab, was er sagen soll. Einen har­ten Winter, der einen ohne Vorbereitungen trifft, ist der grö­ße­re Schaden, des­halb erzählt er laut, dass es einen eisi­gen Winter geben wird. In Panik ren­nen die Indianer los und sam­meln Holz. Am nächs­ten Tag bekommt der Medizinmann ein schlech­tes Gewissen. Er ruft in der Stadt beim Wetterdienst an: „Wissen Sie, wie der nächs­te Winter wird?“ „Ja – er wird sehr hart“. „Woher wis­sen Sie das so sicher?“ „Wir haben untrüg­li­che Zeichen.“ „Welche denn?“ „Bitte sagen Sie es nicht wei­ter – aber die Indianer sam­meln Holz …“

    https://www.tagesspiegel.de/gesellschaft/panorama/dr-med-eckart-von-hirschhausen-kleine-humorheilkunde-folge‑5/10716082.html

  4. "Darüber hin­aus muss man Annahmen über die bis­her vor­han­de­nen Infektionen mit der neu­en Form des Virus tref­fen, da es hier­zu bis­her nur sehr weni­ge belast­ba­re Daten gibt."

    "Die bereits erwähn­te Kritik an Prognosefehlern liegt jedoch an einer in der öffent­li­chen Wahrnehmung weit­ge­hend igno­rier­ten Annahme von Prognosen: Prognosen kön­nen nur auf Basis des vor­han­de­nen Wissens erstellt werden."
    (s.o.)

    Um es auf gut Neulatein zu sagen:
    Garbage in, gar­ba­ge out! 

    "Garbage In, Garbage Out (kurz GIGO) ist eine scherz­haf­te Phrase aus der Informatik, die besagt, dass ein Rechner mit hoher Wahrscheinlichkeit (aber nicht not­wen­di­ger­wei­se) eine ungül­ti­ge oder nicht aus­sa­ge­kräf­ti­ge Ausgabe pro­du­ziert, wenn die Eingabe ungül­tig oder nicht aus­sa­ge­kräf­tig ist." 

    https://de.wikipedia.org/wiki/Garbage_In,_Garbage_Out

  5. "Denn die Prognose selbst führt zu Verhaltensänderungen, damit unter­schei­det sich die Zukunft von der Vergangenheit und die Prognose ist nicht mehr kor­rekt…«" (Ach nee. Aber nur, wenn die Prognose über­haupt wahr­ge­nom­men wird …)

    Leider ist das eines der gerings­ten Probleme von Prognosen. Was soll das?

    Prognosen sind pro­ble­ma­tisch, da dar­in Annahmen ein­flie­ßen, wie ja auch rich­tig erwähnt wird. In heu­ti­ge Modelle/Simulationen flie­ßen hun­der­te, ja tau­sen­de Parameter ein. Oft ist sich der Programmierer gar nicht mehr bewusst, was alles ange­nom­men wird, da sol­che Annahmen teils schon tief im Programmcode ver­steckt sind, zB Rasterweiten oder Sprunggrößen, etc.

    Nun kön­nen mit die­sen Annahmen/Parametern die Ergebnisse belie­big gesteu­ert wer­den. Der Modellierer sitzt vor dem Problem, dass sein Modell belie­bi­ges aus­sa­gen kann. Aber der Kunde erwar­tet natür­lich ein DEFINITIVES Ergebnis. Was macht der Modellierer? Er lie­fert ein Modell, des­sen Ergebnis den Erwartungen des Kunden ent­spricht. Ist der Kunde die Politik, so lie­fert das Modell die Unterstüztung der aktu­el­len Richtung. Fertig.

    Die Wissenschaft heu­ti­ger Ausprägung ist zur puren Bestätigungsmaschinerie für Aberglaube und Herrscherwille ver­kom­men. Das war schon­mal so in der deut­schen Geschichte. Mit immer schreck­li­che­rem Verlauf und töd­li­chem Ende.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.