logo móvil
Contáctanos

Análisis de datos de COVID-19 utilizando modelos bayesianos y modelos geoestadísticos no paramétricos

Autores: Alvo, Mayer; Mu, Jingrui

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Análisis de datos de COVID-19 utilizando modelos bayesianos y modelos geoestadísticos no paramétricos


Categoría

Matemáticas

Subcategoría

Matemáticas generales

Palabras clave

Métodos estadísticos espaciales-temporales
Pandemia de COVID-19
Ontario
Modelos bayesianos
Modelos de Kriging de Poisson

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 32

Citaciones: Sin citaciones


Descripción
Desde diciembre de 2019, se han desarrollado muchos métodos estadísticos espacio-temporales para rastrear y predecir la propagación de la pandemia de COVID-19. En este documento, analizamos el conjunto de datos de COVID-19 que incluye el número de casos de infectados cada dos semanas registrados en Ontario desde marzo de 2020 hasta finales de junio de 2021. Hicimos uso de modelos bayesianos espacio-temporales y modelos de Kriging de Poisson de Área a Punto (ATP) y de Área a Área (ATA). Con los modelos bayesianos, se consideran los efectos espacio-temporales y los efectos de intervención gubernamental en el riesgo de infección, mientras que los modelos de Kriging de Poisson de ATP se utilizan para mostrar la propagación de la pandemia en el espacio.

Otros recursos que podrían interesarte

Temas Virtualpro