大數據說話,疫苗有效率嚴重造假!(三)

作者:同根 無弦 古金

人氣 1453

【大紀元2022年08月15日訊】(接上篇)

圖9:以英國2021年上半年新冠疫苗接種大數據,計算真實的死亡率圖示。

前兩篇,我們從英國、美國、澳大利亞8篇正式刊出的科研論文和統計報告入手,通過大數據計算,曝光了新冠疫苗真實有效率嚴重造假的現狀。新冠疫苗促進感染、促進重症、促進死亡,與當前媒體、專家宣傳的截然相反。

本篇從英國官方數據庫的原始資料入手,看看在疫苗相關死亡率上的問題,那可是計算疫苗有效率的基礎,如果這樣公開、共享的國家基礎數據庫的死亡率等數據,都被做了手腳,在它基礎上的科研和論述,已經被虛假架空了。

9.改動死亡率,手法有規律

圖10:該數據庫憑空給出的未接種死亡率與原始數據矛盾,往有利疫苗方向造假
圖11:該數據庫憑空給出的1針死亡率與原始數據矛盾,朝有利疫苗方向造假

上面兩圖,根據英國官方數據庫的原始資料[1]分別得出。黑色折線是以其原始數據計算的整體(人群不分組)死亡率繪製,在該大數據庫中,死亡率、急性住院率的基數是總人口:

未接種組死亡率 = 未接種組死亡數/未接種總人數

三色散點圖,是按照其直接憑空給出的「死亡率」繪製:

1針(>21天)死亡率 = 該組死亡數/該組總人數

其中疫苗1針>21天,也叫1針合法接種,是指新冠疫苗打第一針後,21天沒暴露在病毒環境中的。前文講過,這樣的分組,把打1針不到21天的和21天內染疫的,都降到未接種組中了,人為減少了易感人數,傾向性鮮明。

兩圖可見,憑空給出的散點三值(上線、下線、均值),在2021年第1-11週前,明顯偏離了整體值,且有鮮明的「疫苗傾向性」:將未接種組的死亡率大幅提高,給疫苗遮醜;將接種疫苗組的死亡率大幅度下降,以偽裝疫苗的有效。

死亡率三數值怎麼來的呢?按科學的方法,應該是分組而來。把整體數值分成若干分組,分別計算各組的死亡率、平均值,然後配上該組的上線、下線數值。

死亡率是個簡單的比例數A/B,分組後,整體值會超出分組值的上線、下線——出界嗎?以最簡情況舉例:

表17:整體值與分組值最簡情況舉例表

A、B拆分為6組,假設按上述情況分組,A1/B1等各組比值相同,都等於1/3,也等於整體值A/B;如果某組比值變大了,必有另外組比值相應變小!也就是圍繞整體值A/B上下振蕩,怎麼會有圖10、圖11完全出界的情況呢?

該設想是否成立?需要建立數學模型,以大數據演算來判斷。

10.依據數學模型,萬變不離其宗

(1)數據來源

以2021年10月6日蘇格蘭公衛疫情報告[2]為基礎數據,如下表。

表18:建模分組數據來源,蘇格蘭週報

(2)建模方法

計算機編程,上表每套數據(A、B)隨機分組,分成統一的組數(如16組),比較每套數據「整體值A/B」,和分組值A1/B1、A2/B2……,排序,看整體值A/B是否在各組值上線和下線之間,即是否出界,出界率多少?

進一步,再設定波動範圍。以A/B比值為縱坐標,單位設定在小數點前兩位數,即小於99.9點,上例單位採用「十萬分之」,分別限定A/B波動範圍在50點、30點、10點、6點、0.6點範圍內,再考察出界率。

(3)檢驗與規律

表19:編程計算整體值與隨機分組值的出界比率結果

程序設定分成3組-16組,每組驗算1000萬數據以上都是這個結果:出界率為十萬分之0

圖11:A/B分組數學模型示意圖,編程分3-16組,每種分法,上千萬次計算規律一致。

還能看到上圖規律:當A/B波動範圍小於10點時,整體值和均值接近重合,可以用整體值作為計算的標準。

因此,在不知道分組值的情況下,或者在分組值涉假時,可以簡單地用整體值來計算死亡率,進而計算疫苗的有效率,作為統一的衡量標準。從科研上講,不分年齡組,把人看作統一整體,計算疫苗相關的整體死亡率、整體有效率,並無不可。

而且,這個整體數據,是分組數據的基礎。如果疫苗有效率的整體值都不合格,再細分年齡組,就未必有意義了。

這樣,我們可以根據上述數學模型的規律,判斷「A/B正比例分組數據」的真偽。也就有了本文開頭對兩組死亡率的判假,和下圖2針疫苗死亡率的揭底。

圖12:該數據庫憑空給出的2針死亡率與原始數據計算值矛盾,同樣向有利疫苗方向造假。

11.數據庫匯總計算,五證疫苗促進死亡

表20:英國數據庫2021年上半年新冠死亡相關數據摘錄與計算對比(死亡率:十萬分之)

對比該數據庫「憑空給出的涉假死亡率」,與根據原始數據計算的「整體死亡率」,如開頭的圖9,和下圖12。

圖12:以英國2021年上半年新冠疫苗接種大數據,計算出真實死亡率對比。

可見,接種一針疫苗21天後,死亡率反而高於不打疫苗組,第五次證明新冠疫苗促進死亡!

第1針打死了很多人(被假數據掩蓋住),第2針疫苗死人就相對少了,所以顯得後續疫苗保護率高——這樣的2針死亡保護率,毫無意義。

上圖的死亡率大幅度降低的現實情況,被新冠疫苗推手們歸功於疫苗的大面積接種,這是貪天之功——降低是疫情退潮特性的表現,和疫苗無關,看下圖。

12.防死防重症,面目變猙獰

圖13:大數據顯示新冠疫情死亡率(重症同理)有退潮特性,和新冠疫苗無關(據健康1+1原圖)

上圖彰顯:在新冠疫苗出來之前,印度、以色列的死亡率有同步的大幅度降低,干疫苗何事?在疫苗接種率一路攀升之後,死亡率並沒有隨之降低。這種死亡率的升降,是疫情的退潮、遊走特性決定的。本文多次展現的英國2021年第1-10週的死亡率大降,也印證了這一點。

在《大數據否定新冠疫苗防重症》一文,我們已經捅破了「新冠疫苗防重症」的謊言, 前文揭開的死亡率造假,和下面的疫苗有效率負值,再次證實了這一點。

如果真是不防重症、促進死亡,繼續向全世界推廣新冠疫苗,是為了什麼呢?

13.編造死亡率,誘生假有效率

死亡率不能直接說明問題,真正衡量疫苗的,是以它為基礎的疫苗有效率。疫苗有效率,是科研和論文一定要計算的,但是數據庫不必有它,因為它不是基礎數據。

疫苗有效率在英國這個原始數據庫中並沒提供,根據表20的摘錄的數據計算如下。

第一週第1針合法接種的有效率(對死亡),以原始數據計算:
Ve = 1-Y/N = 1-41.44/12.67 = -227.15%

以其憑空給出的涉假死亡率計算:
Ve = 1-5.2/14.3 = 63.86%

假死亡率誘生了這個結果,疫苗從絕不合格,變為下表中80~90%的完美有效率!造假無成本,「科研」好矇混。

表21:2021年英國數據庫計算的疫苗第1針(>21天)兩種死亡保護率真假對比

將上述兩組真假有效率做圖如下:

圖14:該數據庫計算的真假疫苗保護率對比圖

假死亡率誘生的1針疫苗有效率,後期的降低、變無效,恰好證明了該打第2針了!既演繹前期有效,又為後續疫苗鋪路,設計如此完美,足以「證明」疫苗專家們的「理論」和「預期」!

英國2021年前26週,每週都是近4000萬人樣本的大數據,是目前最有說服力的科研結論——彰顯新冠疫苗促進死亡,彰顯疫苗靠造假來維持。

(未完,待續)

[1]英國官方數據庫網址:

https://www.ons.gov.uk/peoplepopulationandcommunity/birthsdeathsandmarriages/deaths/datasets/deathsbyvaccinationstatusengland

[2] Public Health Scotland COVID-19 Statistical Report As at 04 October 2021,Publication date: 06 October 2021

責任編輯:高義

相關新聞
CDC:已接種疫苗者的感染及死亡人數上升
【名家專欄】高疫苗接種率下感染死亡率攀升
同根:上海大數據曝光疫苗有效率負值:-77%
疫苗副作用類似長新冠?專家揭1大原因
最熱視頻
【遠見快評】習缺席重要軍方會議 央視鏡頭洩露啥
【橫河觀點】習連續重判對手 危機重重恐超想像
【新聞看點】重大立功留命?傅政華刑超薄周
【財商天下】中國樓市銷售慘澹 千萬豪宅卻逆勢上揚
【方菲訪談】斯考森:FBI突襲搜查是否違憲?
【馬克時空】維克蘭特號 VS 山東號 艦載機是關鍵?!
如果您有新聞線索或資料給大紀元,請進入安全投稿爆料平台
評論