Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Moreira, Maria Cristina Bessa | - |
Autor(es): dc.contributor | Moreira, Maria Cristina Bessa | - |
Autor(es): dc.contributor | Almeida, Núbia Karla de Oliveira | - |
Autor(es): dc.contributor | Costa, Patrícia Lusié Velozo da | - |
Autor(es): dc.creator | Machado, Felipe Fenelon de Sena | - |
Data de aceite: dc.date.accessioned | 2024-07-11T18:05:06Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T18:05:06Z | - |
Data de envio: dc.date.issued | 2023-03-17 | - |
Data de envio: dc.date.issued | 2023-03-17 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/28262 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/763206 | - |
Descrição: dc.description | A 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.description | 52 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Modelos dinâmicos bayesianos | - |
Palavras-chave: dc.subject | Decomposição em valores singulares | - |
Palavras-chave: dc.subject | COVID-19 | - |
Palavras-chave: dc.subject | COVID-19 | - |
Palavras-chave: dc.subject | Modelo estatístico | - |
Palavras-chave: dc.subject | Vacinação | - |
Palavras-chave: dc.subject | Bayesian dynamic models | - |
Palavras-chave: dc.subject | Decomposition into singular values | - |
Palavras-chave: dc.subject | COVID-19 | - |
Título: dc.title | Modelos dinâmicos Bayesianos aplicados aos casos acumulados de COVID-19 no Brasil | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: