Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales
ilustraciones, diagramas
- Autores:
-
Pérez Aguirre, Carlos Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/83794
- Palabra clave:
- 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
Teoría Bayesiana de decisiones estadísticas
Decisiones estadísticas
Bayesian statistical decision theory
Statistical decision
Series de tiempo
Análisis de intervención
Inferencia Bayesiana
Calidad del aire
Modelos dinámicos espacio-temporales
Intervention analysis
Bayesian inference
Space-time dynamic models
Air quality
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_de9833c977520e92bf62faa4c9d5557d |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/83794 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| dc.title.translated.eng.fl_str_mv |
An Application in the Evaluation of the Impact of Strict Confinement by Covid-19 on Air Quality in the City of Medellín Based on Multivariate and Spatial Dynamic Bayesian Models |
| title |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| spellingShingle |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Teoría Bayesiana de decisiones estadísticas Decisiones estadísticas Bayesian statistical decision theory Statistical decision Series de tiempo Análisis de intervención Inferencia Bayesiana Calidad del aire Modelos dinámicos espacio-temporales Intervention analysis Bayesian inference Space-time dynamic models Air quality |
| title_short |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| title_full |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| title_fullStr |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| title_full_unstemmed |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| title_sort |
Una aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y Espaciales |
| dc.creator.fl_str_mv |
Pérez Aguirre, Carlos Andrés |
| dc.contributor.advisor.none.fl_str_mv |
Ramírez, Isabel Cardona Jiménez, Johnatan |
| dc.contributor.author.none.fl_str_mv |
Pérez Aguirre, Carlos Andrés |
| dc.contributor.researchgroup.spa.fl_str_mv |
Grupo de Investigación en Estadística Universidad Nacional de Colombia, Sede Medellín |
| dc.contributor.orcid.spa.fl_str_mv |
00000-003-4937-1163 00000-002-3156-2482 Cardona Jiménez, Johnatan [0000-0002-6370-8837] |
| dc.contributor.cvlac.spa.fl_str_mv |
0001822280 |
| dc.subject.ddc.spa.fl_str_mv |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas |
| topic |
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Teoría Bayesiana de decisiones estadísticas Decisiones estadísticas Bayesian statistical decision theory Statistical decision Series de tiempo Análisis de intervención Inferencia Bayesiana Calidad del aire Modelos dinámicos espacio-temporales Intervention analysis Bayesian inference Space-time dynamic models Air quality |
| dc.subject.lemb.spa.fl_str_mv |
Teoría Bayesiana de decisiones estadísticas Decisiones estadísticas |
| dc.subject.lemb.eng.fl_str_mv |
Bayesian statistical decision theory Statistical decision |
| dc.subject.proposal.spa.fl_str_mv |
Series de tiempo Análisis de intervención Inferencia Bayesiana Calidad del aire Modelos dinámicos espacio-temporales |
| dc.subject.proposal.eng.fl_str_mv |
Intervention analysis Bayesian inference Space-time dynamic models Air quality |
| description |
ilustraciones, diagramas |
| publishDate |
2022 |
| dc.date.issued.none.fl_str_mv |
2022-12-13 |
| dc.date.accessioned.none.fl_str_mv |
2023-04-26T19:27:51Z |
| dc.date.available.none.fl_str_mv |
2023-04-26T19:27:51Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/83794 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/83794 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.indexed.spa.fl_str_mv |
RedCol LaReferencia |
| dc.relation.references.spa.fl_str_mv |
Abadie, A. (2010). Difference-in-Difference Estimators, pages 36–39. Palgrave Macmillan UK, London. Alcaldía de Medellín (2020). Gaceta Oficial No4677. 2020(Marzo 20). Ameen, J. & Harrison, P. (1985). Normal discount bayesian models. Bayesian statistics, 2(2):271–198. Bedoya, J. & Martínez, E. (2009). Calidad del aire en el valle de aburrá antioquia - colombia. page 9. Belasen, A. & Polachek, S. (2008). How hurricanes affect wages and employment in local labor markets. American Economic Review, 98. Bernal, J. L., Cummins, S., & Gasparrini, A. (2016). Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology, 46(1):348–355. Box, G. E. P. & Tiao, G. C. (1975). Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical Association, 70(349):70–79. Briz-Redón, Á., Belenguer-Sapiña, C., & Serrano-Aroca, Á. (2021). Changes in air pollution during COVID-19 lockdown in Spain: A multi-city study. Journal of Environmental Sciences (China), 101:16–26. Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. The Annals of Applied Statistics, 9(1):247–274. Cardenas, J. E. P. (2017). La calidad del aire en colombia: un problema de salud pública, un problema de todos. page 2. Cardona-Jiménez, J. & de B. Pereira, C. A. (2021). Assessing dynamic effects on a bayesian matrix-variate dynamic linear model: An application to task-based fmri data analysis. Computational Statistics and Data Analysis, 163:107297. Carvalho, C., Masini, R., & Medeiros, M. C. (2018a). Arco: An artificial counterfactual approach for high-dimensional panel time-series data. Journal of econometrics, 207(2):352–380. Carvalho, C., Masini, R., & Medeiros, M. C. (2018b). Arco: An artificial counterfactual approach for high-dimensional panel time-series data. Journal of econometrics, 207(2):352– 380. Contraloría General de Medellín (2019). Estado anual de los recursos naturales y del ambiente del municipio de medellín. Dean, J. & Ghemawat, S. (2004). Mapreduce: Simplified data processing on large clusters. In OSDI’04: Sixth Symposium on Operating System Design and Implementation, pages 137–150, San Francisco, CA. Gorai, A. K. & Goyal, P. (2015). A Review on Air Quality Indexing System. 9-2:13. Gupta, A. K. & Nagar, D. K. (2018). Matrix variate distributions. Chapman and Hall/CRC. Hernández, M. P. (2019). Incendio en el nordeste afecta calidad del aire en el aburrá. IGAC (2004). Aspectos Prácticos De La Adopción Del Marco Geocéntrico Nacional De Referencia Magna-Sirgas Como Datum Oficial De Colombia. page 107. Kampa, M. & Castanas, E. (2008). Human health effects of air pollution. Environmental Pollution, 151(2):362–367. Karimi, A., Shirmardi, M., Hadei, M., Birgani, Y. T., Neisi, A., Takdastan, A., & Goudarzi, G. (2019). Concentrations and health effects of short- and long-term exposure to PM2.5, NO2, and O3 in ambient air of Ahvaz city, Iran (2014–2017). Ecotoxicology and Environmental Safety, 180(May):542–548. Kucukelbir, A., Ranganath, R., Gelman, A., & Blei, D. M. (2015). Automatic variational inference in stan. Lance, P., Guilkey, D., Hattori, A., & Angeles, G. (2014). How do we know if a program made a difference. A guide to statistical methods for program impact evaluation. Chapel Hill (NC): MEASURE Evaluation. Latza, U., Gerdes, S., & Baur, X. (2009). Effects of nitrogen dioxide on human health: Systematic review of experimental and epidemiological studies conducted between 2002 and 2006. International Journal of Hygiene and Environmental Health, 212(3):271–287. Linden, A. & Adams, J. L. (2011). Applying a propensity score-based weighting model to interrupted time series data: improving causal inference in programme evaluation. Journal of Evaluation in Clinical Practice, 17(6):1231–1238. Lu, F., Xu, D., Cheng, Y., Dong, S., Guo, C., Jiang, X., & Zheng, X. (2015). Systematic review and meta-analysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population. Environmental Research, 136:196–204. Maathuis, M. H. & Nandy, P. (2015). A review of some recent advances in causal inference. arXiv:1506.07669 [stat]. arXiv: 1506.07669. Mamedov, R. (2018). The mit no attribution (mit-0) license. https://github.com/aws/mit-0. Last retrieved 2022-06-10. Méndez, J. F., Pinto-Herrera, L. C., & Belalcázar-Cerón, L. C. (2018). Estudio de una intrusión de polvo sahariano en la atmósfera de colombia. Revista Ingenierías Universidad de Medellín, 17(32):17–34. Mendez-Espinosa, J. F., Rojas, N. Y., Vargas, J., Pachón, J. E., Belalcazar, L. C., & Ramírez, O. (2020). Air quality variations in Northern South America during the COVID-19 lockdown. Science of The Total Environment, 749:141621. Ministerio de Salud y Protección Social (2020). Resolución No. 0385 de 2020. Morgan, S. L. & Winship, C. (2014). Counterfactuals and Causal Inference: Methods and Principles for Social Research. Analytical Methods for Social Research. Cambridge University Press, 2 edition. Nguyen, T. & Bloom, E. (2006). Impact evaluation-methodological and operational issues. Economic Analysis and Operation Support Division. Papenberg, M. & Klau, G. (2020). Using anticlustering to partition data sets into equivalent parts. Psychological Methods, 26. Paskov, P. (2019). Difference-in-Differences. Posada, E., Gómez, M., & Almanza, J. (2017). Análisis comparativo y modelación de las situaciones de calidad del aire en una muestra de ciudades del mundo. Comparación con el caso de Medellín. Revista Politécnica, 13(25):9–29. Quintana, J. M. (1985). A dynamic linear matrix–variate regression model. Master’s thesis Quintana, J. M. (1987). Multivariate Bayesian forecasting models. PhD thesis, University of Warwick. R Core Team (2022). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. Ropkins, K. & Tate, J. E. (2020). Early observations on the impact of the covid-19 lockdown on air quality trends across the uk. Science of The Total Environment, 754:142374. Rousseeuw, P. J. & Molenberghs, G. (1993). Transformation of non positive semidefinite correlation matrices. Communications in Statistics - Theory and Methods, 22(4):965–984. Shakoor, A., Chen, X., Farooq, T. H., Shahzad, U., Ashraf, F., Rehman, A., Sahar, N. e., & Yan, W. (2020). Fluctuations in environmental pollutants and air quality during the lockdown in the USA and China: two sides of COVID-19 pandemic. Air Quality, Atmosphere & Health. Stan Development Team (2022). Stan. Version 2.29.0. Stroud, J. R., Müller, P., & Sansó, B. (2001). Dynamic models for spatiotemporal data. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(4):673–689. Tian, G., Qiao, Z., & Xu, X. (2014). Characteristics of particulate matter (PM10) and its relationship with meteorological factors during 2001-2012 in Beijing. Environmental Pollution, 192(September 2018):266–274. West, M. & Harrison, J. (1997a). Bayesian forecasting and dynamic models. Springer series in statistics. Springer, New York, 2nd ed edition. West, M. & Harrison, J. (1997b). Bayesian Forecasting and Dynamic Models (2Nd Ed.). Springer-Verlag New York, Inc., New York, NY, USA. West, M. & Harrison, P. J. (1985). Bayesian forecasting and dynamic models). Winship, C. & Morgan, S. L. (1999). The estimation of causal effects from observational data. Annual Review of Sociology, 25(1):659–706. Área Metropolitana del Valle de Aburrá (2018). Condiciones especiales del valle de aburrá. Área metropolitana del Valle de Aburrá (2020). Informe Anual de Calidad del Aire AMVA 2020. page 94. Área Metropolitana Valle de Aburra (2019). Calidad del aire, cuando inspiras respiras un mejor aire. Češnovar, R., Bronder, S., Sluga, D., Demšar, J., Ciglarič, T., Talts, S., & Štrumbelj, E. (2019). Gpu-based parallel computation support for stan. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
xi, 86 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Ciencias - Maestría en Ciencias - Estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/83794/3/license.txt https://repositorio.unal.edu.co/bitstream/unal/83794/4/1036660212.2022.pdf https://repositorio.unal.edu.co/bitstream/unal/83794/5/1036660212.2022.pdf.jpg |
| bitstream.checksum.fl_str_mv |
eb34b1cf90b7e1103fc9dfd26be24b4a 1286ceca75bc4b202c0e537fc3c822bf c4c5dd8cb5d1a3465383d7c58767a51f |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1806885997867171840 |
| spelling |
Reconocimiento 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ramírez, Isabelba7f4b8a57c36c790f13d96adf862f89Cardona Jiménez, Johnatanb313d2563f1e066dc5b1fd897b87ad78600Pérez Aguirre, Carlos Andrés4d182d6e1250ede13586f9310d2a9141Grupo de Investigación en Estadística Universidad Nacional de Colombia, Sede Medellín00000-003-4937-116300000-002-3156-2482Cardona Jiménez, Johnatan [0000-0002-6370-8837]00018222802023-04-26T19:27:51Z2023-04-26T19:27:51Z2022-12-13https://repositorio.unal.edu.co/handle/unal/83794Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramasEn la ciudad de Medellín y demás municipios del Valle de Aburrá los episodios de altos niveles de contaminación en el aire han sido recurrentes en los últimos años. Múltiples estudios realizados por universidades de la región y entes gubernamentales han presentado evidencia del impacto negativo en la salud de los habitantes de la región asociado a varios tipos de contaminantes presentes en el aire. Las medidas de aislamiento provocadas por la pandemia SARS-CoV-2 (Covid-19) durante inicios del 2020 provocaron una reducción drástica del flujo vehicular. Así, en este proyecto proponemos e implementamos mediante un paquete en R un método estadístico basado en modelos dinámicos espacio-temporales para evaluar el impacto de la reducción del flujo vehicular en la presencia de contaminantes (PM 10, PM 2.5, NO, NO2, NOx). En esta tesis encontramos que se presenta una reducción en la concentración en el aire de los contaminantes previamente mencionados. (Texto tomado de la fuente)In the city of Medellín and other municipalities in the Aburrá Valley, episodes of high levels of air pollution have been recurrent in recent years. Multiple studies carried out by universities in the region and government entities 1, have presented evidence of the negative impact on the health of the inhabitants of the region associated with various types of pollutants present in the air. The isolation measures caused by the SARS-CoV-2 (Covid-19) pandemic during early 2020 caused a drastic reduction in vehicular flow. Thus, in this project we propose and implement in R pacakge a statistical method based on space-time dynamic models to assess the impact of reducing vehicular flow in the presence of pollutants (PM 10, PM 2.5, NO2, NOx). In this thesis we find that there is a reduction in the concentration in the air of the previously mentioned pollutants.MaestríaMagíster en Ciencias - EstadísticaEstadística BayesianaÁrea Curricular Estadísticaxi, 86 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Ciencias - Maestría en Ciencias - EstadísticaFacultad de CienciasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasTeoría Bayesiana de decisiones estadísticasDecisiones estadísticasBayesian statistical decision theoryStatistical decisionSeries de tiempoAnálisis de intervenciónInferencia BayesianaCalidad del aireModelos dinámicos espacio-temporalesIntervention analysisBayesian inferenceSpace-time dynamic modelsAir qualityUna aplicación en la evaluación del impacto del confinamiento estricto por la Covid-19 en la calidad del aire en la ciudad de Medellín basado en modelos Bayesianos Dinámicos Multivariados y EspacialesAn Application in the Evaluation of the Impact of Strict Confinement by Covid-19 on Air Quality in the City of Medellín Based on Multivariate and Spatial Dynamic Bayesian ModelsTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMRedColLaReferenciaAbadie, A. (2010). Difference-in-Difference Estimators, pages 36–39. Palgrave Macmillan UK, London.Alcaldía de Medellín (2020). Gaceta Oficial No4677. 2020(Marzo 20).Ameen, J. & Harrison, P. (1985). Normal discount bayesian models. Bayesian statistics, 2(2):271–198.Bedoya, J. & Martínez, E. (2009). Calidad del aire en el valle de aburrá antioquia - colombia. page 9.Belasen, A. & Polachek, S. (2008). How hurricanes affect wages and employment in local labor markets. American Economic Review, 98.Bernal, J. L., Cummins, S., & Gasparrini, A. (2016). Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology, 46(1):348–355.Box, G. E. P. & Tiao, G. C. (1975). Intervention analysis with applications to economic and environmental problems. Journal of the American Statistical Association, 70(349):70–79.Briz-Redón, Á., Belenguer-Sapiña, C., & Serrano-Aroca, Á. (2021). Changes in air pollution during COVID-19 lockdown in Spain: A multi-city study. Journal of Environmental Sciences (China), 101:16–26.Brodersen, K. H., Gallusser, F., Koehler, J., Remy, N., & Scott, S. L. (2015). Inferring causal impact using Bayesian structural time-series models. The Annals of Applied Statistics, 9(1):247–274.Cardenas, J. E. P. (2017). La calidad del aire en colombia: un problema de salud pública, un problema de todos. page 2.Cardona-Jiménez, J. & de B. Pereira, C. A. (2021). Assessing dynamic effects on a bayesian matrix-variate dynamic linear model: An application to task-based fmri data analysis. Computational Statistics and Data Analysis, 163:107297.Carvalho, C., Masini, R., & Medeiros, M. C. (2018a). Arco: An artificial counterfactual approach for high-dimensional panel time-series data. Journal of econometrics, 207(2):352–380.Carvalho, C., Masini, R., & Medeiros, M. C. (2018b). Arco: An artificial counterfactual approach for high-dimensional panel time-series data. Journal of econometrics, 207(2):352– 380.Contraloría General de Medellín (2019). Estado anual de los recursos naturales y del ambiente del municipio de medellín.Dean, J. & Ghemawat, S. (2004). Mapreduce: Simplified data processing on large clusters. In OSDI’04: Sixth Symposium on Operating System Design and Implementation, pages 137–150, San Francisco, CA.Gorai, A. K. & Goyal, P. (2015). A Review on Air Quality Indexing System. 9-2:13.Gupta, A. K. & Nagar, D. K. (2018). Matrix variate distributions. Chapman and Hall/CRC.Hernández, M. P. (2019). Incendio en el nordeste afecta calidad del aire en el aburrá.IGAC (2004). Aspectos Prácticos De La Adopción Del Marco Geocéntrico Nacional De Referencia Magna-Sirgas Como Datum Oficial De Colombia. page 107.Kampa, M. & Castanas, E. (2008). Human health effects of air pollution. Environmental Pollution, 151(2):362–367.Karimi, A., Shirmardi, M., Hadei, M., Birgani, Y. T., Neisi, A., Takdastan, A., & Goudarzi, G. (2019). Concentrations and health effects of short- and long-term exposure to PM2.5, NO2, and O3 in ambient air of Ahvaz city, Iran (2014–2017). Ecotoxicology and Environmental Safety, 180(May):542–548.Kucukelbir, A., Ranganath, R., Gelman, A., & Blei, D. M. (2015). Automatic variational inference in stan.Lance, P., Guilkey, D., Hattori, A., & Angeles, G. (2014). How do we know if a program made a difference. A guide to statistical methods for program impact evaluation. Chapel Hill (NC): MEASURE Evaluation.Latza, U., Gerdes, S., & Baur, X. (2009). Effects of nitrogen dioxide on human health: Systematic review of experimental and epidemiological studies conducted between 2002 and 2006. International Journal of Hygiene and Environmental Health, 212(3):271–287.Linden, A. & Adams, J. L. (2011). Applying a propensity score-based weighting model to interrupted time series data: improving causal inference in programme evaluation. Journal of Evaluation in Clinical Practice, 17(6):1231–1238.Lu, F., Xu, D., Cheng, Y., Dong, S., Guo, C., Jiang, X., & Zheng, X. (2015). Systematic review and meta-analysis of the adverse health effects of ambient PM2.5 and PM10 pollution in the Chinese population. Environmental Research, 136:196–204.Maathuis, M. H. & Nandy, P. (2015). A review of some recent advances in causal inference. arXiv:1506.07669 [stat]. arXiv: 1506.07669.Mamedov, R. (2018). The mit no attribution (mit-0) license. https://github.com/aws/mit-0. Last retrieved 2022-06-10.Méndez, J. F., Pinto-Herrera, L. C., & Belalcázar-Cerón, L. C. (2018). Estudio de una intrusión de polvo sahariano en la atmósfera de colombia. Revista Ingenierías Universidad de Medellín, 17(32):17–34.Mendez-Espinosa, J. F., Rojas, N. Y., Vargas, J., Pachón, J. E., Belalcazar, L. C., & Ramírez, O. (2020). Air quality variations in Northern South America during the COVID-19 lockdown. Science of The Total Environment, 749:141621.Ministerio de Salud y Protección Social (2020). Resolución No. 0385 de 2020.Morgan, S. L. & Winship, C. (2014). Counterfactuals and Causal Inference: Methods and Principles for Social Research. Analytical Methods for Social Research. Cambridge University Press, 2 edition.Nguyen, T. & Bloom, E. (2006). Impact evaluation-methodological and operational issues. Economic Analysis and Operation Support Division.Papenberg, M. & Klau, G. (2020). Using anticlustering to partition data sets into equivalent parts. Psychological Methods, 26.Paskov, P. (2019). Difference-in-Differences.Posada, E., Gómez, M., & Almanza, J. (2017). Análisis comparativo y modelación de las situaciones de calidad del aire en una muestra de ciudades del mundo. Comparación con el caso de Medellín. Revista Politécnica, 13(25):9–29.Quintana, J. M. (1985). A dynamic linear matrix–variate regression model. Master’s thesisQuintana, J. M. (1987). Multivariate Bayesian forecasting models. PhD thesis, University of Warwick.R Core Team (2022). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria.Ropkins, K. & Tate, J. E. (2020). Early observations on the impact of the covid-19 lockdown on air quality trends across the uk. Science of The Total Environment, 754:142374.Rousseeuw, P. J. & Molenberghs, G. (1993). Transformation of non positive semidefinite correlation matrices. Communications in Statistics - Theory and Methods, 22(4):965–984.Shakoor, A., Chen, X., Farooq, T. H., Shahzad, U., Ashraf, F., Rehman, A., Sahar, N. e., & Yan, W. (2020). Fluctuations in environmental pollutants and air quality during the lockdown in the USA and China: two sides of COVID-19 pandemic. Air Quality, Atmosphere & Health.Stan Development Team (2022). Stan. Version 2.29.0.Stroud, J. R., Müller, P., & Sansó, B. (2001). Dynamic models for spatiotemporal data. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(4):673–689.Tian, G., Qiao, Z., & Xu, X. (2014). Characteristics of particulate matter (PM10) and its relationship with meteorological factors during 2001-2012 in Beijing. Environmental Pollution, 192(September 2018):266–274.West, M. & Harrison, J. (1997a). Bayesian forecasting and dynamic models. Springer series in statistics. Springer, New York, 2nd ed edition.West, M. & Harrison, J. (1997b). Bayesian Forecasting and Dynamic Models (2Nd Ed.). Springer-Verlag New York, Inc., New York, NY, USA.West, M. & Harrison, P. J. (1985). Bayesian forecasting and dynamic models).Winship, C. & Morgan, S. L. (1999). The estimation of causal effects from observational data. Annual Review of Sociology, 25(1):659–706.Área Metropolitana del Valle de Aburrá (2018). Condiciones especiales del valle de aburrá.Área metropolitana del Valle de Aburrá (2020). Informe Anual de Calidad del Aire AMVA 2020. page 94.Área Metropolitana Valle de Aburra (2019). Calidad del aire, cuando inspiras respiras un mejor aire.Češnovar, R., Bronder, S., Sluga, D., Demšar, J., Ciglarič, T., Talts, S., & Štrumbelj, E. (2019). Gpu-based parallel computation support for stan.EstudiantesInvestigadoresMaestrosPúblico generalLICENSElicense.txtlicense.txttext/plain; charset=utf-85879https://repositorio.unal.edu.co/bitstream/unal/83794/3/license.txteb34b1cf90b7e1103fc9dfd26be24b4aMD53ORIGINAL1036660212.2022.pdf1036660212.2022.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf2176628https://repositorio.unal.edu.co/bitstream/unal/83794/4/1036660212.2022.pdf1286ceca75bc4b202c0e537fc3c822bfMD54THUMBNAIL1036660212.2022.pdf.jpg1036660212.2022.pdf.jpgGenerated Thumbnailimage/jpeg5499https://repositorio.unal.edu.co/bitstream/unal/83794/5/1036660212.2022.pdf.jpgc4c5dd8cb5d1a3465383d7c58767a51fMD55unal/83794oai:repositorio.unal.edu.co:unal/837942024-08-04 23:10:27.637Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |