Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas
Las series de tiempo a menudo se ven afectadas por valores extraños o inusuales, por lo que es necesario medir la influencia del evento que no sucede con frecuencia o determinar y tener en cuenta el punto de la intervención que afecta la serie de tiempo para el correcto pronóstico de sus valores fut...
- Autores:
-
Ordóñez Manrique, Sergio Alejandro
- Tipo de recurso:
- Masters Thesis
- Fecha de publicación:
- 2024
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Universidad Santo Tomás
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/53690
- Acceso en línea:
- http://hdl.handle.net/11634/53690
- Palabra clave:
- Time series
analysis
intervention
interruption
COVID-19
prediction
medicine
health services
Estadística Aplicada
Tiempo
Pandemia
Serie de tiempo
análisis
intervención
interrupción
COVID-19
predicción
medicina
servicios de salud
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| id |
SantoToma2_43e8bd56a8d6a6e28017e592a1777ebe |
|---|---|
| oai_identifier_str |
oai:repository.usta.edu.co:11634/53690 |
| network_acronym_str |
SantoToma2 |
| network_name_str |
Universidad Santo Tomás |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| title |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| spellingShingle |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas Time series analysis intervention interruption COVID-19 prediction medicine health services Estadística Aplicada Tiempo Pandemia Serie de tiempo análisis intervención interrupción COVID-19 predicción medicina servicios de salud |
| title_short |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| title_full |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| title_fullStr |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| title_full_unstemmed |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| title_sort |
Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas |
| dc.creator.fl_str_mv |
Ordóñez Manrique, Sergio Alejandro |
| dc.contributor.advisor.none.fl_str_mv |
Moreno López, Edna Carolina |
| dc.contributor.author.none.fl_str_mv |
Ordóñez Manrique, Sergio Alejandro |
| dc.contributor.orcid.spa.fl_str_mv |
https://orcid.org/0000-0002-1364-0096 |
| dc.contributor.googlescholar.spa.fl_str_mv |
https://scholar.google.com/citations?hl=es&user=3HPuekUAAAAJ |
| dc.contributor.cvlac.spa.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001381730 |
| dc.contributor.corporatename.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.subject.keyword.spa.fl_str_mv |
Time series analysis intervention interruption COVID-19 prediction medicine health services |
| topic |
Time series analysis intervention interruption COVID-19 prediction medicine health services Estadística Aplicada Tiempo Pandemia Serie de tiempo análisis intervención interrupción COVID-19 predicción medicina servicios de salud |
| dc.subject.lemb.spa.fl_str_mv |
Estadística Aplicada Tiempo Pandemia |
| dc.subject.proposal.spa.fl_str_mv |
Serie de tiempo análisis intervención interrupción COVID-19 predicción medicina servicios de salud |
| description |
Las series de tiempo a menudo se ven afectadas por valores extraños o inusuales, por lo que es necesario medir la influencia del evento que no sucede con frecuencia o determinar y tener en cuenta el punto de la intervención que afecta la serie de tiempo para el correcto pronóstico de sus valores futuros y estimación de los parámetros del modelo. La pandemia del 2019-2020 por el virus del covid-19, que representó un suceso inesperado en el siglo XXI es un evento de intervención que afectó la prestación normal de los servicios de salud. Este estudio aplicó modelos de series de tiempo con intervención y análisis de series de tiempo interrumpidas para evaluar cómo la pandemia de covid-19 afectó los servicios de hospitalización. Se crearon escenarios de pronóstico para comparar la realidad observada con lo que se hubiera esperado sin la pandemia. Los resultados demuestran que la inclusión de metodologías de series de tiempo con intervenciones e interrumpidas mejora significativamente la precisión de los pronósticos, resaltando la importancia de estos métodos en la planificación eficaz del sector salud durante crisis. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-01-23T22:48:01Z |
| dc.date.available.none.fl_str_mv |
2024-01-23T22:48:01Z |
| dc.date.issued.none.fl_str_mv |
2024-01-23 |
| dc.type.local.spa.fl_str_mv |
Tesis de maestría |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_bdcc |
| dc.type.drive.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| format |
http://purl.org/coar/resource_type/c_bdcc |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
Ordóñez Manrique, S. A. (2024). Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas. [Trabajo de Maestría, Universidad Santo Tomás]. Repositorio Institucional. |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11634/53690 |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Santo Tomás |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Santo Tomás |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.usta.edu.co |
| identifier_str_mv |
Ordóñez Manrique, S. A. (2024). Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas. [Trabajo de Maestría, Universidad Santo Tomás]. Repositorio Institucional. reponame:Repositorio Institucional Universidad Santo Tomás instname:Universidad Santo Tomás repourl:https://repository.usta.edu.co |
| url |
http://hdl.handle.net/11634/53690 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
B. Abraham. Intervention analysis and multiple time series. Biometrika, 67(1):73–78, 1980. L. F. Agudo, I. M. Sanjuán, and D. K. Baggio. Análisis de intervención de las series temporales patrimonio y flujo neto de dinero de los fondos de inversión socialmente responsables (fisr) de brasil. Contabilidad y Negocios, 6(12):26–35, 2011. D. Anaby, S. Lal, J. Huszczynski, J. Maich, J. Rogers, and M. Law. Interrupted time series design: A useful approach for studying interventions targeting participation. Physical & Occupational Therapy In Pediatrics, 34(4):457–470, 2014. doi: 10.3109/01942638.2013.866612. URL https://doi.org/10. 3109/01942638.2013.866612 F. Ansari, K. Gray, D. Nathwani, G. Phillips, S. Ogston, C. Ramsay, and P. Davey. Outcomes of an intervention to improve hospital antibiotic prescribing: interrupted time series with segmented regression analysis. Journal of Antimicrobial Chemotherapy, 52(5):842–848, 2003. J. S. Armstrong and F. Collopy. Error measures for generalizing about forecasting methods: Empirical comparisons. International journal of forecasting, 8(1):69–80, 1992. D. Barber, A. T. Cemgil, and S. Chiappa. Bayesian time series models. Cambridge University Press, 2011. L. D. Bello and S. Martínez. Una metodología de series de tiempo para el área de la salud; caso práctico. Revista Facultad Nacional de Salud Pública, 25(2):118–122, 2007. J. L. Bernal, S. Cummins, and A. Gasparrini. Interrupted time series regression for the evaluation of public health interventions: a tutorial. International journal of epidemiology, 46(1):348–355, 2017. G. E. Box and G. M. Jenkins. Time series analysis, control, and forecasting. San Francisco, CA: Holden Day, 3226(3228):10, 1976. G. E. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung. Time series analysis: forecasting and control. John Wiley & Sons, 2015 G. E. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung. Time series analysis: forecasting and control. John Wiley & Sons, 2015 C. Chatfield. The analysis of time series: an introduction. CRC Press, Florida, US, 6th edition, 2004. C. Cuero. La pandemia del covid-19 [the covid-19 pandemic]. Revista Médica de Panamá-ISSN 2412- 642X, 40(1), 2020. A. De Juan Fernández. Modelos de función de transferencia. Universidad Autónoma de Madrid. España, 2006. M. Diego Rosselli. Covid-19 en Colombia: los primeros 90 días. Acta Neurol Colomb, 36(2 Supl 1):1–6, 2020. O. Ebhuoma, M. Gebreslasie, and L. Magubane. Modeling malaria control intervention effect in kwazulu natal, south africa using intervention time series analysis. Journal of Infection and Public Health, 10 (3):334–338, 2017. J. R. Escudero and G. Vallejo. Comparación de tres métodos alternativos para el análisis de series temporales interrumpidas. Psicothema, 12(3):480–486, 2000. J. R. Escudero García and G. Vallejo Seco. Aplicación del diseño de series temporales múltiples a un caso de intervención en dos clases de enseñanza general básica. Psicothema, 12 (S. 2), 2000. R. Frisch. Problems and methods of econometrics: the Poincar´e lectures of Ragnar Frisch 1933. Routledge, 2009. J. R. E. García and G. V. Seco. Nueva aproximación al análisis de series temporales interrumpidas. REMA, 4(2):71–95, 1999. J. F. J. Guerrero, R. S. Fernández, and J. C. G. Abad. La capacidad predictiva en los métodos box-jenkins y holt-winters: una aplicación al sector turístico. Revista Europea de Dirección y Economía de la Empresa, 15(3):185–198, 2006. V. M. Guerrero Guzmán. Análisis estadístico de series de tiempo económicas. Number 04; Q280, G8 2003. 2003. U. Helfenstein. The use of transfer function models, intervention analysis and related time series methods in epidemiology. International journal of epidemiology, 20(3):808–815, 1991. C. H. A. Irgoin et al. Análisis de series de tiempo. Contribuciones a la Economía, (2011-02), 2011. A. A. Jaimes Berrios. Análisis de series temporales con outliers e intervenciones y sus aplicaciones. 2008. J. Junttila. Structural breaks, arima model and finnish inflation forecasts. International Journal of Forecasting, 17(2):203–230, 2001. F. A. Martín, F. B. Moreno, and M. T. Rius. El empleo de diseños de series temporales en la evaluación de intervenciones públicas. un ejemplo aplicado. Reis, pages 173–192, 1996. T. A. Matyas and K. M. Greenwood. Visual analysis of single-case time series: Effects of variability, serial dependence, and magnitude of intervention effects. Journal of Applied Behavior Analysis, 23(3): 341–351, 1990. A. A. Medeiros. Acceso a la salud y vulnerabilidad socioambiental en tiempos de pandemia de corona-virus. 2021. V. Moorthy, A. M. H. Restrepo, M.-P. Preziosi, and S. Swaminathan. Boletín de la organización mundial de la salud. Boletín de la Organización Mundial de la Salud, 98:150, 2020. J. Murillo, A. Trejos, and P. C. OLAYA. Estudio del pronóstico de la demanda de energía eléctrica, utilizando modelos de series de tiempo. Scientia et technica, 3(23), 2003. J. Pearl, M. Glymour, and N. P. Jewell. Causal inference in statistics: A primer. John Wiley & Sons, 2016. M. Ray, A. Rai, K. Singh, V. Ramasubramanian, and A. Kumar. Technology forecasting using time series intervention based trend impact analysis for wheat yield scenario in india. Technological Forecasting and Social Change, 118:128–133, 2017. J. L. Rodgers, W. H. Beasley, and M. Schuelke. Graphical data analysis on the circle: Wrap-around time series plots for (interrupted) time series designs. Multivariate Behavioral Research, 49(6):571–580, 2014. doi: 10.1080/00273171.2014.946589. URL https://doi.org/10.1080/00273171.2014.946589. PMID: 26735359. D. B. Rubin. Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of educational Psychology, 66(5):688, 1974. P. A. Sánchez. Cambios estructurales en series de tiempo: una revisión del estado del arte. Revista Ingenierías Universidad de Medellín, 7(12):115–140, 2008. W. W. Tryon. A simplified time-series analysis for evaluating treatment interventions. Journal of applied behavior analysis, 15(3):423–429, 1982. R. S. Tsay. Outliers, level shifts, and variance changes in time series. Journal of forecasting, 7(1):1–20, 1988. J. Villavicencio. Introducción a series de tiempo. Universidad Nacional Pedro Ruiz Gallo, 2010. C. H. Weiß. An introduction to discrete-valued time series. John Wiley & Sons, 2018. W. Zucchini, I. L. MacDonald, and R. Langrock. Hidden Markov models for time series: an introduction using R. CRC press, 2017. |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.campus.spa.fl_str_mv |
CRAI-USTA Bogotá |
| dc.publisher.spa.fl_str_mv |
Universidad Santo Tomás |
| dc.publisher.program.spa.fl_str_mv |
Maestría Estadística Aplicada |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Estadística |
| institution |
Universidad Santo Tomás |
| bitstream.url.fl_str_mv |
https://repository.usta.edu.co/bitstream/11634/53690/1/2024sergioordonez.pdf https://repository.usta.edu.co/bitstream/11634/53690/2/Sergio%20Ordo%c3%b1ez%20-%20CRAI%20Aprobacion.pdf https://repository.usta.edu.co/bitstream/11634/53690/3/Derechos%20de%20autor%20-%20CRAI.pdf https://repository.usta.edu.co/bitstream/11634/53690/4/license_rdf https://repository.usta.edu.co/bitstream/11634/53690/5/license.txt https://repository.usta.edu.co/bitstream/11634/53690/6/2024sergioordonez.pdf.jpg https://repository.usta.edu.co/bitstream/11634/53690/7/Sergio%20Ordo%c3%b1ez%20-%20CRAI%20Aprobacion.pdf.jpg https://repository.usta.edu.co/bitstream/11634/53690/8/Derechos%20de%20autor%20-%20CRAI.pdf.jpg |
| bitstream.checksum.fl_str_mv |
b330c0d19eb34ea00ad0c8176a85e61a cd0446b19f33fa10ebf361e9c1a95e2f 8251cb6e6b44a2897a41c91993950965 217700a34da79ed616c2feb68d4c5e06 aedeaf396fcd827b537c73d23464fc27 884ccaf8b30ff5a4939a9e1595172a70 e78fdaf052bb620197dddcce1ac2dfc7 61b8d804c77331bc12d7c50229e9e920 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Universidad Santo Tomás |
| repository.mail.fl_str_mv |
noreply@usta.edu.co |
| _version_ |
1800786415962816512 |
| spelling |
Moreno López, Edna CarolinaOrdóñez Manrique, Sergio Alejandrohttps://orcid.org/0000-0002-1364-0096https://scholar.google.com/citations?hl=es&user=3HPuekUAAAAJhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001381730Universidad Santo Tomás2024-01-23T22:48:01Z2024-01-23T22:48:01Z2024-01-23Ordóñez Manrique, S. A. (2024). Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e Interrumpidas. [Trabajo de Maestría, Universidad Santo Tomás]. Repositorio Institucional.http://hdl.handle.net/11634/53690reponame:Repositorio Institucional Universidad Santo Tomásinstname:Universidad Santo Tomásrepourl:https://repository.usta.edu.coLas series de tiempo a menudo se ven afectadas por valores extraños o inusuales, por lo que es necesario medir la influencia del evento que no sucede con frecuencia o determinar y tener en cuenta el punto de la intervención que afecta la serie de tiempo para el correcto pronóstico de sus valores futuros y estimación de los parámetros del modelo. La pandemia del 2019-2020 por el virus del covid-19, que representó un suceso inesperado en el siglo XXI es un evento de intervención que afectó la prestación normal de los servicios de salud. Este estudio aplicó modelos de series de tiempo con intervención y análisis de series de tiempo interrumpidas para evaluar cómo la pandemia de covid-19 afectó los servicios de hospitalización. Se crearon escenarios de pronóstico para comparar la realidad observada con lo que se hubiera esperado sin la pandemia. Los resultados demuestran que la inclusión de metodologías de series de tiempo con intervenciones e interrumpidas mejora significativamente la precisión de los pronósticos, resaltando la importancia de estos métodos en la planificación eficaz del sector salud durante crisis.Time series are often affected by unusual or outlier values, making it necessary to measure the influence of infrequent events or to determine and consider the intervention point affecting the time series for accurate forecasting of future values and model parameter estimation. The 2019-2020 COVID-19 pandemic, an unexpected event in the 21st century, was an intervention event that impacted the normal provision of healthcare services. This study applied time series models with intervention and interrupted time series analysis to assess how the COVID-19 pandemic affected hospitalization services. Forecast scenarios were created to compare the observed reality with what would have been expected without the pandemic. The results demonstrate that the inclusion of time series methodologies with interventions and interruptions significantly improves the accuracy of forecasts, highlighting the importance of these methods in effective healthcare sector planning during crises.Magister en Estadística AplicadaMaestríaapplication/pdfspaUniversidad Santo TomásMaestría Estadística AplicadaFacultad de EstadísticaAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis del Efecto de la Pandemia de Covid-19 en los Servicios Hospitalarios de una Póliza de Salud Privada Mediante Metodologías de Series de Tiempo con Intervención e InterrumpidasTime seriesanalysisinterventioninterruptionCOVID-19predictionmedicinehealth servicesEstadística AplicadaTiempoPandemiaSerie de tiempoanálisisintervencióninterrupciónCOVID-19predicciónmedicinaservicios de saludTesis de maestríainfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:eu-repo/semantics/masterThesisCRAI-USTA BogotáB. Abraham. Intervention analysis and multiple time series. Biometrika, 67(1):73–78, 1980.L. F. Agudo, I. M. Sanjuán, and D. K. Baggio. Análisis de intervención de las series temporales patrimonio y flujo neto de dinero de los fondos de inversión socialmente responsables (fisr) de brasil. Contabilidad y Negocios, 6(12):26–35, 2011.D. Anaby, S. Lal, J. Huszczynski, J. Maich, J. Rogers, and M. Law. Interrupted time series design: A useful approach for studying interventions targeting participation. Physical & Occupational Therapy In Pediatrics, 34(4):457–470, 2014. doi: 10.3109/01942638.2013.866612. URL https://doi.org/10. 3109/01942638.2013.866612F. Ansari, K. Gray, D. Nathwani, G. Phillips, S. Ogston, C. Ramsay, and P. Davey. Outcomes of an intervention to improve hospital antibiotic prescribing: interrupted time series with segmented regression analysis. Journal of Antimicrobial Chemotherapy, 52(5):842–848, 2003.J. S. Armstrong and F. Collopy. Error measures for generalizing about forecasting methods: Empirical comparisons. International journal of forecasting, 8(1):69–80, 1992.D. Barber, A. T. Cemgil, and S. Chiappa. Bayesian time series models. Cambridge University Press, 2011.L. D. Bello and S. Martínez. Una metodología de series de tiempo para el área de la salud; caso práctico. Revista Facultad Nacional de Salud Pública, 25(2):118–122, 2007.J. L. Bernal, S. Cummins, and A. Gasparrini. Interrupted time series regression for the evaluation of public health interventions: a tutorial. International journal of epidemiology, 46(1):348–355, 2017.G. E. Box and G. M. Jenkins. Time series analysis, control, and forecasting. San Francisco, CA: Holden Day, 3226(3228):10, 1976.G. E. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung. Time series analysis: forecasting and control. John Wiley & Sons, 2015G. E. Box, G. M. Jenkins, G. C. Reinsel, and G. M. Ljung. Time series analysis: forecasting and control. John Wiley & Sons, 2015C. Chatfield. The analysis of time series: an introduction. CRC Press, Florida, US, 6th edition, 2004.C. Cuero. La pandemia del covid-19 [the covid-19 pandemic]. Revista Médica de Panamá-ISSN 2412- 642X, 40(1), 2020.A. De Juan Fernández. Modelos de función de transferencia. Universidad Autónoma de Madrid. España, 2006.M. Diego Rosselli. Covid-19 en Colombia: los primeros 90 días. Acta Neurol Colomb, 36(2 Supl 1):1–6, 2020.O. Ebhuoma, M. Gebreslasie, and L. Magubane. Modeling malaria control intervention effect in kwazulu natal, south africa using intervention time series analysis. Journal of Infection and Public Health, 10 (3):334–338, 2017.J. R. Escudero and G. Vallejo. Comparación de tres métodos alternativos para el análisis de series temporales interrumpidas. Psicothema, 12(3):480–486, 2000.J. R. Escudero García and G. Vallejo Seco. Aplicación del diseño de series temporales múltiples a un caso de intervención en dos clases de enseñanza general básica. Psicothema, 12 (S. 2), 2000.R. Frisch. Problems and methods of econometrics: the Poincar´e lectures of Ragnar Frisch 1933. Routledge, 2009.J. R. E. García and G. V. Seco. Nueva aproximación al análisis de series temporales interrumpidas. REMA, 4(2):71–95, 1999.J. F. J. Guerrero, R. S. Fernández, and J. C. G. Abad. La capacidad predictiva en los métodos box-jenkins y holt-winters: una aplicación al sector turístico. Revista Europea de Dirección y Economía de la Empresa, 15(3):185–198, 2006.V. M. Guerrero Guzmán. Análisis estadístico de series de tiempo económicas. Number 04; Q280, G8 2003. 2003.U. Helfenstein. The use of transfer function models, intervention analysis and related time series methods in epidemiology. International journal of epidemiology, 20(3):808–815, 1991.C. H. A. Irgoin et al. Análisis de series de tiempo. Contribuciones a la Economía, (2011-02), 2011.A. A. Jaimes Berrios. Análisis de series temporales con outliers e intervenciones y sus aplicaciones. 2008.J. Junttila. Structural breaks, arima model and finnish inflation forecasts. International Journal of Forecasting, 17(2):203–230, 2001.F. A. Martín, F. B. Moreno, and M. T. Rius. El empleo de diseños de series temporales en la evaluación de intervenciones públicas. un ejemplo aplicado. Reis, pages 173–192, 1996.T. A. Matyas and K. M. Greenwood. Visual analysis of single-case time series: Effects of variability, serial dependence, and magnitude of intervention effects. Journal of Applied Behavior Analysis, 23(3): 341–351, 1990.A. A. Medeiros. Acceso a la salud y vulnerabilidad socioambiental en tiempos de pandemia de corona-virus. 2021.V. Moorthy, A. M. H. Restrepo, M.-P. Preziosi, and S. Swaminathan. Boletín de la organización mundial de la salud. Boletín de la Organización Mundial de la Salud, 98:150, 2020.J. Murillo, A. Trejos, and P. C. OLAYA. Estudio del pronóstico de la demanda de energía eléctrica, utilizando modelos de series de tiempo. Scientia et technica, 3(23), 2003.J. Pearl, M. Glymour, and N. P. Jewell. Causal inference in statistics: A primer. John Wiley & Sons, 2016.M. Ray, A. Rai, K. Singh, V. Ramasubramanian, and A. Kumar. Technology forecasting using time series intervention based trend impact analysis for wheat yield scenario in india. Technological Forecasting and Social Change, 118:128–133, 2017.J. L. Rodgers, W. H. Beasley, and M. Schuelke. Graphical data analysis on the circle: Wrap-around time series plots for (interrupted) time series designs. Multivariate Behavioral Research, 49(6):571–580, 2014. doi: 10.1080/00273171.2014.946589. URL https://doi.org/10.1080/00273171.2014.946589. PMID: 26735359.D. B. Rubin. Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of educational Psychology, 66(5):688, 1974.P. A. Sánchez. Cambios estructurales en series de tiempo: una revisión del estado del arte. Revista Ingenierías Universidad de Medellín, 7(12):115–140, 2008.W. W. Tryon. A simplified time-series analysis for evaluating treatment interventions. Journal of applied behavior analysis, 15(3):423–429, 1982.R. S. Tsay. Outliers, level shifts, and variance changes in time series. Journal of forecasting, 7(1):1–20, 1988.J. Villavicencio. Introducción a series de tiempo. Universidad Nacional Pedro Ruiz Gallo, 2010.C. H. Weiß. An introduction to discrete-valued time series. John Wiley & Sons, 2018.W. Zucchini, I. L. MacDonald, and R. Langrock. Hidden Markov models for time series: an introduction using R. CRC press, 2017.ORIGINAL2024sergioordonez.pdf2024sergioordonez.pdfTrabajo de gradoapplication/pdf634345https://repository.usta.edu.co/bitstream/11634/53690/1/2024sergioordonez.pdfb330c0d19eb34ea00ad0c8176a85e61aMD51open accessSergio Ordoñez - CRAI Aprobacion.pdfSergio Ordoñez - CRAI Aprobacion.pdfCarta facultadapplication/pdf96588https://repository.usta.edu.co/bitstream/11634/53690/2/Sergio%20Ordo%c3%b1ez%20-%20CRAI%20Aprobacion.pdfcd0446b19f33fa10ebf361e9c1a95e2fMD52metadata only accessDerechos de autor - CRAI.pdfDerechos de autor - CRAI.pdfCarta Derechos de autorapplication/pdf480771https://repository.usta.edu.co/bitstream/11634/53690/3/Derechos%20de%20autor%20-%20CRAI.pdf8251cb6e6b44a2897a41c91993950965MD53metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repository.usta.edu.co/bitstream/11634/53690/4/license_rdf217700a34da79ed616c2feb68d4c5e06MD54open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8807https://repository.usta.edu.co/bitstream/11634/53690/5/license.txtaedeaf396fcd827b537c73d23464fc27MD55open accessTHUMBNAIL2024sergioordonez.pdf.jpg2024sergioordonez.pdf.jpgIM Thumbnailimage/jpeg7882https://repository.usta.edu.co/bitstream/11634/53690/6/2024sergioordonez.pdf.jpg884ccaf8b30ff5a4939a9e1595172a70MD56open accessSergio Ordoñez - CRAI Aprobacion.pdf.jpgSergio Ordoñez - CRAI Aprobacion.pdf.jpgIM Thumbnailimage/jpeg7269https://repository.usta.edu.co/bitstream/11634/53690/7/Sergio%20Ordo%c3%b1ez%20-%20CRAI%20Aprobacion.pdf.jpge78fdaf052bb620197dddcce1ac2dfc7MD57open accessDerechos de autor - CRAI.pdf.jpgDerechos de autor - CRAI.pdf.jpgIM Thumbnailimage/jpeg6552https://repository.usta.edu.co/bitstream/11634/53690/8/Derechos%20de%20autor%20-%20CRAI.pdf.jpg61b8d804c77331bc12d7c50229e9e920MD58open access11634/53690oai:repository.usta.edu.co:11634/536902024-01-24 03:23:57.241open accessRepositorio Universidad Santo Tomásnoreply@usta.edu.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 |