Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Rios Gutierrez, Andres SebastianDiaz Garces, Cristian Julian2023-08-142023-08-142023-08-102023-08-10https://noesis.uis.edu.co/handle/20.500.14071/14839En 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.application/pdfspainfo:eu-repo/semantics/openAccessSerie de tiempomodelizacioncovid-19prediccionARIMAGARCHteoria de probabilidadestadisticaUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coTime seriesmodelingcovid-19predictionmultiplicativeARIMAGARCHprobabilitystatisticshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)