Inferencia bayesiana para la esperanza de la tasa de letalidad acumulada diaria por COVID-19 a nivel mundial para el periodo de enero de 2020 a marzo de 2021

La pandemia del COVID-19 causó estragos en los sistemas de salud a nivel mundial. Durante el periodo de estudio (Enero 2020-Marzo 2021), se confirmaron más de dos millones de defunciones y más de cien millones de contagiados debido a la enfermedad (OPS, 2021). Se buscó cuantificar la gravedad de la pandemia a nivel mundial estimando una tasa de letalidad media acumulada diaria global, haciendo uso de estadística bayesiana. Se realizó una estimación puntual por medio de la de la mediana posterior y se construyeron intervalos de credibilidad del 89%. Se usó la regla de Jeffrey como información a priori y la distribución beta reparametrizada por Ferrari & CribariNeto (2004), fue la distribución probabilidad asumida para los datos. Se encontró que la mediana posterior tuvo su máximo valor el primer día, con un valor del 42% aproximadamente, este fue decayendo de manera acelerada hasta llegar a los 300 días, donde la tasa tiene un valor estable aproximado del 2% el cual se encuentra dentro de un intervalo de credibilidad del 1% al 3%, además se comparo la tasa letalidad observada de diversos países en vías de desarrollo y ya desarrollados, con la mediana posterior, donde se vio que los países desarrollados tuvieron los valores más altos en comparación a los países en vías de desarrollo.

• Autores: Villamizar Lara, José Gabriel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/6674
• Acceso en línea: http://hdl.handle.net/20.500.12495/6674
• Palabra clave: Inferencia bayesiana; COVID-19; Tasa de letalidad; Distribución Beta; 519.5; Bayesian inference; COVID-19; Lethality rate; Beta distribution
• Rights: openAccess
• License: Atribución-NoComercial-CompartirIgual 4.0 Internacional