Un modelo de predicción con series cronológicas para el Sars Cov2 en la zona 1 del Ecuador

Authors

  • Cristian Emilio Oñate Chiliquinga

DOI:

https://doi.org/10.46932/sfjdv5n4-008

Keywords:

Pandemia, Modelos Autorregresivos, Modelos de Medias Móviles

Abstract

El año 2020 estuvo marcado por la intensa pandemia llamada COVID-19, causada por un nuevo coronavirus denominado SARS-Cov2, misma que alarmó y puso a prueba los sistemas de salud y a la investigación científica a nivel mundial. En Ecuador, el primer caso se detectó el 20 de febrero del 2020, y hasta la actualidad se siguen reportando contagios por el virus. En este estudio fue posible diseñar un modelo autorregresivo de medias móviles (ARIMA) con la finalidad de estimar el número de contagios de 12 meses a partir del primero de abril del 2020, para la Zona 1 del Ecuador, el modelo pronosticó 25 contagios para abril de 2022, y un promedio estable de 30 contagios por mes hasta marzo del 2023.   Estos resultados permiten anticipar la evolución de la pandemia y respaldar la toma de decisiones en materia de salud pública en la Zona 1 del Ecuador.

References

Alabdulrazzaq, H., Alenezi, M. N., Rawajfih, Y., Alghannam, B. A., Al-Hassan, A. A., & Al-Anzi, F. S. (2021). On the accuracy of ARIMA based prediction of COVID-19 spread. Elsevier, 27, 1-17. doi: https://doi.org/10.1016/j.rinp.2021.104509

Bravo-García, E., & Magis-Rodríguez, C. (2020). La respuesta mundial a la epidemia del COVID-19: los primeros tres meses. Boletín sobre COVID-19 Salud Pública y Epidemiología, 3-8. Obtenido de https://dsp.facmed.unam.mx/wp-content/uploads/2022/03/COVID-19-No.1-03-La-respuesta-mundial-a-la-epidemia-del-COVID-19-los-primeros-tres-meses.pdf

De Arce, R. (2003). ModeloS ARIMA. Programa CITUS: Técnicas de Variables Financieras.

Fernández, S. D. (2016). Series Temporales, Modelo ARIMA Metodología de BOX-JENKINS. Madrid: Universidad Autónoma de Madrid. Obtenido de https://www.estadistica.net/ECONOMETRIA/

SERIES-TEMPORALES/modelo-arima.pdf

González, C. M. (2009). Análisis de series temporales: Modelos ARIMA.

Gujarati, D. N. (2010). Econometría. Mexico: Mc Graw Hill.

IBM. (06 de 12 de 2023). IBM. Obtenido de https://www.ibm.com/docs/es/spss-modeler/saas?topic=data-series-transformations

Khan, F. M., & Gupta, R. (2020). ARIMA and NAR based prediction model for time series analysis of COVID-19 cases in India. Journal of Safety Science and Resilience, 12-18. doi: https://doi.org/10.1016/j.jnlssr.2020.06.007

Ledo, M. V., Rodríguez, W. B., García, F. D., & Bermejo, P. M. (2020). Número Básico de Reproducción (R0). Educación Médica Superior., 1-12. Obtenido de http://scielo.sld.cu/pdf/ems/v34n4/1561-2902-ems-34-04-e2596.pdf

López, Y. A. (2022). Pronóstico del COVID-19 en Colombia utilizando Redes Neuronales Recurrentes con celdas de gran memoria de corto plazo y unidades recurrentes cerradas. Comunicaciones en Estadística, 16-38. Obtenido de file:///C:/Users/user/Desktop/Dialnet-PronosticoDelCOVID19En

ColombiaUtilizandoRedesNeuro-8710231.pdf

Ruiz, G. I., & León, A. C. (2020). Evolución de la enfermedad por coronavirus (Covid-19) em Ecuador. La Ciencia al Servicio de la Salud y la Nutrición, 11(1), 5-15. Obtenido de http://revistas.

espoch.edu.ec/index.php/cssn/article/view/441/422

SHOKO Claris, N. P. (2023). Arima model in predicting of Covid-19 epidemic for the Southern Africa region. Journal of Infectious Diseases,, 1-9. doi:https://doi.org/10.21010/Ajidv17i1.1

Sidhu, R. K. (2021). An Application of ARIMA Model to Forecast the Dynamics of COVID-19 Epidemic in India. Global Business Review. doi:10.1177/0972150920988653journals.sagepub.com/home/gbr

Villavicencio, J. (2010). Introducción a series de tiempo. Puerto Rico.

Published

2024-04-16

How to Cite

Chiliquinga, C. E. O. (2024). Un modelo de predicción con series cronológicas para el Sars Cov2 en la zona 1 del Ecuador. South Florida Journal of Development, 5(4), e3818. https://doi.org/10.46932/sfjdv5n4-008