Modelos dinâmicos Bayesianos aplicados aos casos acumulados de COVID-19 no Brasil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMoreira, Maria Cristina Bessa-
Autor(es): dc.contributorMoreira, Maria Cristina Bessa-
Autor(es): dc.contributorAlmeida, Núbia Karla de Oliveira-
Autor(es): dc.contributorCosta, Patrícia Lusié Velozo da-
Autor(es): dc.creatorMachado, Felipe Fenelon de Sena-
Data de aceite: dc.date.accessioned2024-07-11T18:05:06Z-
Data de disponibilização: dc.date.available2024-07-11T18:05:06Z-
Data de envio: dc.date.issued2023-03-17-
Data de envio: dc.date.issued2023-03-17-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/28262-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/763206-
Descrição: dc.descriptionA COVID-19 foi pela primeira vez identificada na cidade de Wuhan, na China, e chegando eventualmente ao Brasil em fevereiro de 2020. Desde então, infelizmente foram mais de 645.000 mortes e 28 milhões de casos confirmados . O intuito deste trabalho é avaliar o período pré vacinação da população adulta do Brasil, contra a COVID-19, para entender como evoluía o número de casos semana a semana. Foram consideradas 67 semanas, desde a identificação do primeiro caso em fevereiro de 2020, até a última semana de maio de 2021, quando logo em seguida a vacinação se iniciou. A série foi estimada através de um Modelo Dinâmico Linear Bayesiano Normal, permitindo que as distribuições dos parâmetros seguissem formas analíticas tratáveis, e assim um algoritmo iterativo que evolui a incerteza sobre os parâmetros à medida que novas observações são computadas. Através das teorias sobre Lei de Variância, Fator de Desconto e Decomposição em Valores Singulares, um modelo de crescimento exponencial como em foi ajustado, com a diferença de que um dos parâmetros permaneceu fixo, para se manter dentro da teoria linear. Assim, diversos modelos foram testados com uma grade de valores deste parâmetro $\beta$, que descreve a taxa de crescimento e através das várias simulações, os modelos que melhor se ajustaram ao crescimento dos casos foram os que possuíam em uma faixa de 1 a 1,1, indicando que o crescimento não convergiria, ou seja cresceria para um número de casos sem limites.-
Descrição: dc.description52 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectModelos dinâmicos bayesianos-
Palavras-chave: dc.subjectDecomposição em valores singulares-
Palavras-chave: dc.subjectCOVID-19-
Palavras-chave: dc.subjectCOVID-19-
Palavras-chave: dc.subjectModelo estatístico-
Palavras-chave: dc.subjectVacinação-
Palavras-chave: dc.subjectBayesian dynamic models-
Palavras-chave: dc.subjectDecomposition into singular values-
Palavras-chave: dc.subjectCOVID-19-
Título: dc.titleModelos dinâmicos Bayesianos aplicados aos casos acumulados de COVID-19 no Brasil-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.