Modelización del covid-19 en Santander mediante series temporales

dc.contributor.advisorRios Gutierrez, Andres Sebastian
dc.contributor.authorDiaz Garces, Cristian Julian
dc.contributor.evaluatorRivera Florez, Tulia Esther
dc.contributor.evaluatorAbril Luna, Julian Armando
dc.date.accessioned2023-08-14T21:39:20Z
dc.date.available2023-08-14T21:39:20Z
dc.date.created2023-08-10
dc.date.issued2023-08-10
dc.description.abstractEn los últimos años la pandemia del COVID-19 cambio mucho la vida como la conocíamos, conocer como esta pandemia se propagaba y lograr conocer los posibles contagiados es muy importante para tomar decisiones de salud publica para evitar el colapso del sistema de salud. Este trabajo consiste en presentar un modelo ARIMA para la predicción del número de casos y de ser necesario un modelo GARCH si los errores del modelo ARIMA no se comportan de buena manera (Homocedasticidad). En el primer capítulo, recordaremos algunos conceptos importantes de teoría de series de tiempo ARIMA, y todo lo relacionado a su modelización. En el capítulo siguiente presentaremos algunas definiciones de los modelos GARCH, como se realiza su estimación. En el ultimo capitulo veremos una simulación para confirmar nuestra metodología planteada y el análisis de los datos de COVID-19.
dc.description.abstractenglishIn recent years, the COVID-19 pandemic has changed life as we knew it a lot. Knowing how this pandemic spread and getting to know the possible infected people is very important to make public health decisions to avoid the collapse of the health system. This work consists of presenting an ARIMA model for the prediction of the number of cases and, if necessary, a GARCH model if the errors of the ARIMA model do not behave well (Homoscedasticity). In the first chapter, we will recall some important concepts of ARIMA time series theory, and everything related to its modeling. In the next chapter we will present some definitions of the GARCH models, how their estimation is carried out. In the last chapter we will see a simulation to confirm our proposed methodology and the analysis of the COVID-19 data.
dc.description.degreelevelPregrado
dc.description.degreenameMatemático
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/14839
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programMatemáticas
dc.publisher.schoolEscuela de Matemáticas
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectSerie de tiempo
dc.subjectmodelizacion
dc.subjectcovid-19
dc.subjectprediccion
dc.subjectARIMA
dc.subjectGARCH
dc.subjectteoria de probabilidad
dc.subjectestadistica
dc.subject.keywordTime series
dc.subject.keywordmodeling
dc.subject.keywordcovid-19
dc.subject.keywordprediction
dc.subject.keywordmultiplicative
dc.subject.keywordARIMA
dc.subject.keywordGARCH
dc.subject.keywordprobability
dc.subject.keywordstatistics
dc.titleModelización del covid-19 en Santander mediante series temporales
dc.title.englishModeling of covid-19 in Santander through time series
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Documento.pdf
Size:
736.45 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
374.79 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
461.34 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Collections