مدل پیش بینی آمار مبتلایانی که در گزارش اول منتشر شده بود به خوبی موفق به پیش بینی آمار مبتلایان شده بود. لذا با استفاده از همین مدل و تخت پلتفرم TSAF در برنامه MATLAB، به وقوع پیش بینی وضعیت 5 روز آینده خواهیم پرداخت. علت پیشبینی برای نمونه های کوتاه مدت و خودداری از پیشبینی های بلند مدت، همانطور که در مطالعه پیش ذکر شد، عدم کفایت داده ها رگرسیونی زمانی تک متغیره است.

طبق این مطالعه 4 سناریو محتمل پیش روی ما در مورد پاندمی کووید 19 در ایران وجود دارد.

پیشبینی آماری پاندمی کووید 19 در ایران - گزارش دوم مدل پیش بینی آمار مبتلایانی که در گزارش اول منتشر شده بود به خوبی موفق به پیش بینی آمار مبتلایان شده بود. لذا با استفاده از همین مدل و تخت پلتفرم TSAF در برنامه MATLAB، به وقوع پیش بینی وضعیت 5 روز آینده خواهیم پرداخت. علت پیشبینی برای نمونه های کوتاه مدت و خودداری از پیشبینی های بلند مدت، همانطور که در مطالعه پیش ذکر شد، عدم کفایت داده ها رگرسیونی زمانی تک متغیره است. طبق این مطالعه 4 سناریو محتمل پیش روی ما در مورد پاندمی کووید 19 در ایران وجود دارد.