Modelo bivariado, espacio temporal para la explicación de las tasas de infectados y muertos del Covid en Colombia a nivel Departamental.

Cano Ortega, Camilo Ernesto

Modelo bivariado, espacio temporal para la explicación de las tasas de infectados y muertos del Covid en Colombia a nivel Departamental.

dc.contributor.advisor	Pineda Rios, Wilmer Dario
dc.contributor.author	Cano Ortega, Camilo Ernesto
dc.contributor.corporatename	Universidad Santo Tomás	spa
dc.coverage.campus	CRAI-USTA Bogotá	spa
dc.date.accessioned	2022-07-18T14:29:37Z
dc.date.available	2022-07-18T14:29:37Z
dc.date.issued	2022-07-10
dc.description	Los modelos de datos de áreas son usados en la descripción de comportamientos de variables en espacios delimitados conocidos como vecindades. Estas usualmente son producto de la geografía o por factores políticos. Al incluir un factor temporal, se observa como una variable no solo se relaciona con sus vecinos en un periodo t, sino también con elementos de periodos anteriores. El objetivo del presente trabajo es, a partir de la teoría de los modelos espacio temporales para datos de área, lograr explicar cómo la influencia de las vecindades define la evolución de los casos de COVID-19 a nivel departamental en Colombia, del periodo del 1 de junio 2020 al 31 de enero 2021.	spa
dc.description.abstract	Lattice data models are used to describe the behavior of variables in delimited spaces known as neighborhoods, these usually generated geographically or artificially by political factors. In addition to these neighborhoods, we include a temporal factor, we can observe how a variable is not only related to its neighbors in a period t, but also elements from previous periods. This work’s main idea is based on the theory of space-time models for area data, an application of these models usually applied to epidemiology to describe the evolution of COVID-19 at the departmental level in the Colombian territory, in the period chosen from study	spa
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magister en Estadística Aplicada	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.citation	Cano Ortega, C. E. (2022). Modelo bivariado, espacio temporal para la explicación de las tasas de infectados y muertos del Covid en Colombia a nivel Departamental. [Trabajo de maestría, Universidad Santo Tomás]. Repositorio institucional.	spa
dc.identifier.instname	instname:Universidad Santo Tomás	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad Santo Tomás	spa
dc.identifier.repourl	repourl:https://repository.usta.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/11634/45882
dc.language.iso	spa	spa
dc.publisher	Universidad Santo Tomás	spa
dc.publisher.faculty	Facultad de Estadística	spa
dc.publisher.program	Maestría Estadística Aplicada	spa
dc.relation.references	Agresti, A. (2015). Foundations of linear and generalized linear models. John Wiley & Sons.	spa
dc.relation.references	Brauer, F., Van den Driessche, P., & Allen, L. J. (2008). Mathematical epidemiology (Vol. 1945, pp. 3-17). J. Wu (Ed.). Berlin: Springer.	spa
dc.relation.references	Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical analysis, 27(2), 93-115.	spa
dc.relation.references	Assunção, R., & Krainski, E. (2009). Neighborhood dependence in Bayesian spatial models. Biometrical Journal: Journal of Mathematical Methods in Biosciences, 51(5), 851-869.	spa
dc.relation.references	Ballesteros, P., Salazar, E., Sánchez, D., & Bolaños, C. (2021). Spatial and spatiotemporal clustering of the COVID-19 pandemic in Ecuador. Revista de la Facultad de Medicina, 69(1).	spa
dc.relation.references	Barbeito, J. M., & Villalón, J. G. (2003). Introducción al cálculo estocástico aplicado a la modelización económico-financiero-actuarial. Netbiblo.	spa
dc.relation.references	Bautista, F., Palma-López, D., & Huchin-Malta, W. (2005). Actualización de la clasificación de los suelos del estado de Yucatán. Caracterización y manejo de los suelos de la Península de Yucatán: Implicaciones agropecuarias, forestales y ambientales, 105-122.	spa
dc.relation.references	Bavaud, F. (1998). Models for spatial weights: a systematic look. Geographical analysis, 30(2), 153-171.	spa
dc.relation.references	Bivand, R. S., & Pebesma, E. J. V. G omez-Rubio.(2008). Applied Spatial Data Analysis with R.	spa
dc.relation.references	Blangiardo, M., & Cameletti, M. (2015). Spatial and spatio-temporal Bayesian models with R-INLA. John Wiley & Sons.	spa
dc.relation.references	Cressie, N. (2015). Statistics for spatial data. John Wiley & Sons.	spa
dc.relation.references	DANE. Producto interno bruto por departamento. 2022.	spa
dc.relation.references	Granada-Echeverri, M., Molina-Cabrera, A., & Granada-Echeverri, P. (2020). Proyección espacio-temporal del Covid-19 en Pereira. TecnoLógicas, 23(49), 108-125.	spa
dc.relation.references	Cuartas, D. E., Arango-Londoño, D., Guzmán-Escarria, G., Muñoz, E., Caicedo, D., Ortega, D., ... & Méndez, F. (2020). Análisis espacio-temporal del SARS-coV-2 en Cali, Colombia. Revista de Salud Pública, 22(2).	spa
dc.relation.references	Feng, C. (2021). Spatial-temporal generalized additive model for modeling COVID-19 mortality risk in Toronto, Canada. Spatial Statistics, 100526.	spa
dc.relation.references	Gelfand, A. E., Diggle, P., Guttorp, P., & Fuentes, M. (2010). Handbook of spatial statistics. CRC press.	spa
dc.relation.references	Gelman, A. (2006). Prior distributions for variance parameters in hierarchical models (comment on article by Browne and Draper). Bayesian analysis, 1(3), 515-534.	spa
dc.relation.references	Griffith, D. A. (1993). Advanced spatial statistics for analysing and visualizing geo-referenced data. International Journal of Geographical Information Science, 7(2), 107-123.	spa
dc.relation.references	Haining, R. P., & Haining, R. (2003). Spatial data analysis: theory and practice. Cambridge university press.	spa
dc.relation.references	Hernández Villaizan, M. F. (2019). Análisis del número de pacientes fallecidos con cáncer de mama y próstata en la población colombiana por departamento en el periodo (2006-2015) mediante un modelo Poisson espacio-temporal bayesiano.	spa
dc.relation.references	Kruschke, J. (2014). Doing Bayesian data analysis: A tutorial with R, JAGS, and Stan.	spa
dc.relation.references	López, G. B. (2015). La geolocalización social. Polígonos. Revista de geografía, 27, 97-118.	spa
dc.relation.references	Manrique-Abril, F. G., Agudelo-Calderon, C. A., González-Chordá, V. M., Gutiérrez-Lesmes, O., Téllez-Piñerez, C. F., & Herrera-Amaya, G. (2020). Modelo SIR de la pandemia de Covid-19 en Colombia. Revista de Salud Pública, 22(2).	spa
dc.relation.references	Molina, L. M. C., Tejeda-Camargo, M. J., Clavijo, J. A. C., Montoya, L. M., Barrezueta-Solano, L. J., Cardona-Montoya, S., ... & Rendón-Varela, J. A. (2020). Características clínicas y sociodemográficas de pacientes fallecidos por COVID-19 en Colombia. Revista Repertorio de Medicina y Cirugía, 45-51.	spa
dc.relation.references	Myers, R. H., Montgomery, D. C., Vining, G. G., & Robinson, T. J. (2012). Generalized linear models: with applications in engineering and the sciences. John Wiley & Sons.	spa
dc.relation.references	Niño Martínez, N. (2018). Modelo de regresión beta espacio temporal bayesiano para estimar la proporción de víctimas de desplazamiento forzado por municipio en Colombia para el periodo 2002-2016.	spa
dc.relation.references	Rachev, S. T., Hsu, J. S., Bagasheva, B. S., & Fabozzi, F. J. (2008). Bayesian methods in finance. John Wiley & Sons.	spa
dc.relation.references	Ripley, B. D. (2005). Spatial statistics. John Wiley & Sons.	spa
dc.relation.references	Rodrigues, E. C., & Assunçao, R. (2012). Bayesian spatial models with a mixture neighborhood structure. Journal of Multivariate Analysis, 109, 88-102.	spa
dc.relation.references	Rue, H., & Held, L. (2005). Gaussian Markov random fields: theory and applications. Chapman and Hall/CRC.	spa
dc.relation.references	Shekhar, S., & Xiong, H. (Eds.). (2007). Encyclopedia of GIS. Springer Science & Business Media.	spa
dc.relation.references	Sidén, P., & Lindsten, F. (2020, November). Deep gaussian markov random fields. In International Conference on Machine Learning (pp. 8916-8926). PMLR.	spa
dc.relation.references	Spiegelhalter, D. J., Best, N. G., Carlin, B. P., & Van Der Linde, A. (2002). Bayesian measures of model complexity and fit. Journal of the royal statistical society: Series b (statistical methodology), 64(4), 583-639.	spa
dc.relation.references	Steinsland, I. (2003). Parallel sampling of GMRFs and geostatistical GMRF models (No. STAT-2003-7). SIS-2005-003.	spa
dc.relation.references	Suárez, N. R. B., Sabogal, J. E. M., Carmona, E. J., Rosales, P. C., Zambrano, F. H. L., Rivas, M. M., & Pérez, N. O. (2005). Análisis de asociación entre indicadores biológicos teniendo en cuenta la estructura de correlación espacial. Modelamiento Estadístico, 275.	spa
dc.relation.references	Tariq, A., Chakhaia, T., Dahal, S., Ewing, A., Hua, X., Ofori, S. K., ... & Chowell, G. (2022). An investigation of spatial-temporal patterns and predictions of the coronavirus 2019 pandemic in Colombia, 2020–2021. PLoS neglected tropical diseases, 16(3), e0010228.	spa
dc.relation.references	Trilleras Martínez, A. (2018). Prior no informativas y su influencia en la estimación de los parámetros no estructurales de un modelo TAR multivariado. Estadística.	spa
dc.relation.references	Velavan, T. P., & Meyer, C. G. (2020). The COVID‐19 epidemic. Tropical medicine & international health, 25(3), 278.	spa
dc.rights	Atribución-SinDerivadas 2.5 Colombia	*
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	http://creativecommons.org/licenses/by-nd/2.5/co/	*
dc.subject.keyword	Area Data	spa
dc.subject.keyword	CAR Model	spa
dc.subject.keyword	COVID-19	spa
dc.subject.keyword	Epidemiology	spa
dc.subject.keyword	Bayesian	spa
dc.subject.keyword	Temporal space	spa
dc.subject.lemb	Estadística	spa
dc.subject.lemb	Estadística médica	spa
dc.subject.lemb	Estadística demográfica	spa
dc.subject.proposal	Datos de área	spa
dc.subject.proposal	Modelos CAR	spa
dc.subject.proposal	COVID-19	spa
dc.subject.proposal	Epidemiología	spa
dc.subject.proposal	Bayesiana	spa
dc.subject.proposal	espacio temporal	spa
dc.title	Modelo bivariado, espacio temporal para la explicación de las tasas de infectados y muertos del Covid en Colombia a nivel Departamental.	spa
dc.type	master thesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.drive	info:eu-repo/semantics/masterThesis
dc.type.local	Tesis de maestría	spa
dc.type.version	info:eu-repo/semantics/acceptedVersion