Hvem vinder VM 2018?

teams <- tibble(
  name = c("Ægypten", "Rusland", "Saudi Arabien", "Uruguay",
           "Iran", "Marocco", "Portugal", "Spanien",
           "Australien", "Danmark", "Frankrig", "Peru"),
  number = 1:12,
  group = rep(1:3, each=4)
)

group_matches <- tibble(
  team1 = 1,
  team2 = 2,
  date = "asd",
  goals1 = NA,
  goals2 = NA
)

Hvilken model

Figur 1: Den sorte kurve viser det faktiske folketal, mens hvert af de farvede kurver viser en prognose. Prognoserne er forankret i det år, hvor de er udgivet.

Overordnet må man sige, at befolkningsprognoserne har ramt den virkelige udvikling meget fint. Det er klart, at modellerne er bedst til at prædiktere udviklingen på kort bane, men selv på lang bane klarer fremskrivningerne sig fint.

Den eneste afstikker er prognosen fra 1990, der er helt skæv. Problem med prognosen er, at den stammer fra en periode, hvor der siden begyndelsen af 1980’erne sket to ændringer i fødemønstret i Danmark. For det første faldt fertilitetesraten (det havde den også gjort tidligere, men den var særlig lav i denne periode), og for det andet skete der er en ænringen i timingen af børnene. Mange kvinder ventede lidt længere inden de fik deres første barn, så det så ud som om, at der blev født endnu færre end forventet (for de flestes familiers vedkommende blev dette “indhentet” ved at få barn nummer 2, 3 osv. hurtigere derefter).

Modellen fra 1990 brugte de seneste fødselsrater, og her kunne man se at ikke nok med at fertiliteten var lav, så lod det til at kvinderne fødte færre børn end forventet, så prognosen afspejlede dette, da den - alt andet lige - brugte de senest observerede hændelser til at beskrive ændringer gennem alle fremtidige år, hvilket forstærkede den lokale effekt, der var i de pågældende år.