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...
- 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
| id |
UNBOSQUE2_1d7ccb4294f50f2db3c5ca31df42d6b1 |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/6674 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
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 |
| dc.title.translated.spa.fl_str_mv |
Bayesian inference for the expected daily accumulated lethality rate by COVID-19 worldwide for the period from January 2020 to March 2021 |
| title |
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 |
| spellingShingle |
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 Inferencia bayesiana COVID-19 Tasa de letalidad Distribución Beta 519.5 Bayesian inference COVID-19 Lethality rate Beta distribution |
| title_short |
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 |
| title_full |
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 |
| title_fullStr |
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 |
| title_full_unstemmed |
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 |
| title_sort |
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 |
| dc.creator.fl_str_mv |
Villamizar Lara, José Gabriel |
| dc.contributor.advisor.none.fl_str_mv |
Pacheco López, Mario José |
| dc.contributor.author.none.fl_str_mv |
Villamizar Lara, José Gabriel |
| dc.subject.spa.fl_str_mv |
Inferencia bayesiana COVID-19 Tasa de letalidad Distribución Beta |
| topic |
Inferencia bayesiana COVID-19 Tasa de letalidad Distribución Beta 519.5 Bayesian inference COVID-19 Lethality rate Beta distribution |
| dc.subject.ddc.none.fl_str_mv |
519.5 |
| dc.subject.keywords.spa.fl_str_mv |
Bayesian inference COVID-19 Lethality rate Beta distribution |
| description |
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. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-12-20 |
| dc.date.accessioned.none.fl_str_mv |
2022-01-31T19:28:29Z |
| dc.date.available.none.fl_str_mv |
2022-01-31T19:28:29Z |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12495/6674 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
http://hdl.handle.net/20.500.12495/6674 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.*.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ Acceso abierto http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.coverage.temporal.spa.fl_str_mv |
2020-2021 |
| dc.publisher.program.spa.fl_str_mv |
Estadística |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
http://18.204.144.38/bitstreams/ccabfc63-aa6b-4628-afcd-b56ff2705a26/download http://18.204.144.38/bitstreams/0a0807cf-94a3-48ce-b711-ff143bf05f93/download http://18.204.144.38/bitstreams/55a7a260-ae21-458f-8b8d-fa94187a576a/download http://18.204.144.38/bitstreams/03c16a02-7352-4f5b-9b8a-4b870d2aaa44/download http://18.204.144.38/bitstreams/e96f01d6-d63d-479b-94e8-2593f1b82e8c/download http://18.204.144.38/bitstreams/c04533aa-2cb6-4b84-bbbd-b9cc5c8182e0/download http://18.204.144.38/bitstreams/ba9ddb02-9c46-4683-9e4f-413566060e63/download http://18.204.144.38/bitstreams/6a4d11d9-107a-4ab1-9a26-afd4ae748569/download |
| bitstream.checksum.fl_str_mv |
104a12f8ed97239fad95bc1907cbb51c 0f18a771f368f36735e801ebd0b4d29a 934f4ca17e109e0a05eaeaba504d7ce4 8a4605be74aa9ea9d79846c1fba20a33 1829916c37abac4ac761979f05032202 bf8d386777dc26c93be353729cf6e2ec 49577f47f6365cfa652de80eb7d8b15d 587eb8050f0f3e837d3409fb31346605 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
DSpace Pre-instalado Biteca S.A.S |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1828164297067331584 |
| spelling |
Pacheco López, Mario JoséVillamizar Lara, José Gabriel2020-20212022-01-31T19:28:29Z2022-01-31T19:28:29Z2021-12-20http://hdl.handle.net/20.500.12495/6674instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coLa 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.EstadísticoPregradoThe COVID-19 pandemic wreaked havoc on global health systems. During the study period (January 2020-March 2021), more than two million deaths and more than one hundred million infections due to the disease were confirmed (PAHO, 2021). We sought to quantify the severity of the pandemic worldwide by estimating a global average daily accumulated lethality rate, using Bayesian statistics. A point estimate was made by means of the subsequent median and credibility intervals of 89% were constructed. Jeffrey’s rule was used as a priori information and the beta distribution repaired by Ferrari & Cribari-Neto (2004), was the probability distribution assumed for the data. It was found that the later median had its maximum value on the first day, with a value of 42% approximately, this was declining rapidly until reaching 300 days, where the rate has a stable value of approximately 2% which is within a credibility interval of 1% to 3%, in addition the observed lethality rate of various developing and already developed countries is compared with the subsequent median, where it was seen that developed countries had the highest values compared to developing countries.application/pdfspaAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso abiertoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Inferencia bayesianaCOVID-19Tasa de letalidadDistribución Beta519.5Bayesian inferenceCOVID-19Lethality rateBeta distributionInferencia 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 2021Bayesian inference for the expected daily accumulated lethality rate by COVID-19 worldwide for the period from January 2020 to March 2021EstadísticaUniversidad El BosqueFacultad de CienciasTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisORIGINALJosé_Gabriel_Villamizar_Lara_2021.pdfJosé_Gabriel_Villamizar_Lara_2021.pdfInferencia 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 2021application/pdf245152http://18.204.144.38/bitstreams/ccabfc63-aa6b-4628-afcd-b56ff2705a26/download104a12f8ed97239fad95bc1907cbb51cMD51José_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdfJosé_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdfCarta de autorizaciónapplication/pdf1270019http://18.204.144.38/bitstreams/0a0807cf-94a3-48ce-b711-ff143bf05f93/download0f18a771f368f36735e801ebd0b4d29aMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031http://18.204.144.38/bitstreams/55a7a260-ae21-458f-8b8d-fa94187a576a/download934f4ca17e109e0a05eaeaba504d7ce4MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://18.204.144.38/bitstreams/03c16a02-7352-4f5b-9b8a-4b870d2aaa44/download8a4605be74aa9ea9d79846c1fba20a33MD54THUMBNAILJosé_Gabriel_Villamizar_Lara_2021.pdf.jpgJosé_Gabriel_Villamizar_Lara_2021.pdf.jpgIM Thumbnailimage/jpeg4835http://18.204.144.38/bitstreams/e96f01d6-d63d-479b-94e8-2593f1b82e8c/download1829916c37abac4ac761979f05032202MD55José_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdf.jpgJosé_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdf.jpgIM Thumbnailimage/jpeg8133http://18.204.144.38/bitstreams/c04533aa-2cb6-4b84-bbbd-b9cc5c8182e0/downloadbf8d386777dc26c93be353729cf6e2ecMD56TEXTJosé_Gabriel_Villamizar_Lara_2021.pdf.txtJosé_Gabriel_Villamizar_Lara_2021.pdf.txtExtracted texttext/plain64890http://18.204.144.38/bitstreams/ba9ddb02-9c46-4683-9e4f-413566060e63/download49577f47f6365cfa652de80eb7d8b15dMD57José_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdf.txtJosé_Gabriel_Villamizar_Lara_2021_Carta_de_autorizacion.pdf.txtExtracted texttext/plain8280http://18.204.144.38/bitstreams/6a4d11d9-107a-4ab1-9a26-afd4ae748569/download587eb8050f0f3e837d3409fb31346605MD5820.500.12495/6674oai:18.204.144.38:20.500.12495/66742024-02-06 22:07:43.909http://creativecommons.org/licenses/by-nc-sa/4.0/Atribución-NoComercial-CompartirIgual 4.0 Internacionalopen.accesshttp://18.204.144.38DSpace Pre-instalado Biteca S.A.Sbibliotecas@biteca.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 |