• Home
  • Institucional
  • Comunicación
  • Agenda
  • [29 de julio] SIESTA: Modelos de series temporales adaptativos y robustos para predecir contagios y muertes por COVID-19

[29 de julio] SIESTA: Modelos de series temporales adaptativos y robustos para predecir contagios y muertes por COVID-19

 

El miércoles 29 de julio, a las 14 horas por la plataforma Zoom (ID: 938 9512 8667 Contraseña: 2r+jP9x4h7) tendrá lugar una charla titulada "Modelos de series temporales adaptativos y robustos para predecir contagios y muertes por COVID-19" y estará a cargo de Silvia Rodríguez-Collazo, integrante del IESTA.

Resumen

Cuando la pandemia comenzó a propagarse, primero, desde China a Europa y, luego, al resto de los continentes, se difundieron los resultados de gran cantidad de procedimientos de predicción de casos de infectados y fallecidos por COVID-19, incluyendo modelos de simulación, modelos epidemiológicos, modelos matemáticos, modelos estadísticos.

En este marco de crisis global, el International Institute of Forecasting, creó una sección especial de su blog, denominada \IJF special section: Epidemics and forecasting with focus on COVID-19". Los artículos publicados en este blog muestran diversas aproximaciones metodológicas para elaborar los pronósticos.
En esta nota propongo compartir la solución que un equipo de investigadores encontraron para sortear algunos problemas metodológicos que parecían insalvables hasta hace apenas unas pocas semanas. En concreto, intentaré explicar brevemente los principales rasgos de una de las estrategias de modelización que se utilizaron para generar predicciones acerca de la evolución diaria, y hasta con siete días de antelación, de los casos de infectados por el virus y del número de muertes como consecuencia del COVID-19.
Tanto las políticas sanitarias llevadas adelante por los gobiernos, como las modifícaciones en las metodologías de registro incluyen sobre las características de los datos que se utilizan en la construcción de los modelos. Los conteos de casos están sujetos a quiebres impredecibles debido al sub-reporte, a cambios en los criterios de de inición, a retrasos en el registro de los datos y hasta a errores involuntarios en las metodologías de construcción de las series. Todos estos elementos determinan que la estructura paramétrica de la función de distribución no sea estable, sino que evoluciona a lo largo del tiempo.
La propuesta metodológica de Jennifer Castle, Jurgen Doornik y David Hendry para sortear las dificultades que se presentan al elaborar proyecciones del número de contagios y de fallecimientos aborda cuestiones relacionadas con la construcción de los datos así como las herramientas de predicción utilizadas.

La actividad está dirigida a investigadoras e investigadores, docentes, estudiantes e y personas interesadas en la temática.

Mail de contacto: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.