【大紀元2022年08月15日訊】（接上篇）
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
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！
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。
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。
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
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：
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
