ANÁLISIS DE CONTAGIOS CONFIRMADOS DE COVID-19 PROVENIENTE DE INFORMACIÓN PÚBLICA UTILIZANDO CIENCIA DE DATOS Y TÉCNICAS DE SUAVIZADO EXPONENCIAL/ Emanuel Marlon Fabricio Amperez Tahuico. Impreso

Por: Colaborador(es): Tipo de material: TextoIdioma: SPA TICS 008 Cobán, Alta Verapaz: Universidad de San Carlos de Guatemala, Centro Universitario del Norte, Carrera Ingeniería en Ciencias y Sistemas 2024Descripción: 110 p.: Ilustraciones, gráficas. 28 cmTipo de contenido:
  • Texto
Tipo de medio:
  • Computadora
Tipo de soporte:
  • Código en línea
Tema(s): Otra clasificación:
Recursos en línea: Nota de disertación: Tesis de grado Carrera Ingeniería en Ciencias y Sistemas Universidad de San Carlos de Guatemala, Centro Universitario del Norte, Carrera Ingeniería en Ciencias y Sistemas 2024 TICS 008 Revisión: Con el auge de la pandemia de COVID-19 en Guatemala, se recopiló una gran cantidad de datos sobre los casos de esta enfermedad, los cuales se presentan y están disponibles a través del tablero COVID-19 Guatemala, lo que permite ofrecer información pública que puede procesarse y analizarse para estudiar la evolución y el comportamiento de la enfermedad en el país. Aplicando ciencia de datos, se llevó a cabo un análisis de los casos de COVID-19 proporcionados por el Ministerio de Salud Pública y Asistencia Social (MSPAS). Los datos fueron recopilados, preparados y limpiados para su análisis, posteriormente, se crearon y entrenaron dos modelos de suavizado exponencial, Holt y Holt-Winters; estos modelos se utilizaron para predecir los contagios confirmados diarios y acumulados para los próximos 30 días en cada intervalo de tiempo establecido. Al finalizar el caso de estudio, se determinó que de los dos modelos creados y propuestos, ambos lograron realizar predicciones efectivas en los casos confirmados acumulados; sin embargo, con base en los resultados de las medidas de error y la incertidumbre explicada, el modelo Holt-Winters mostró un mejor desempeño en la predicción de los contagios, tanto en los casos confirmados diarios como en los casos acumulados, esto demostró que el suavizado exponencial es una herramienta útil, junto con la ciencia de datos, para predecir la tendencia de enfermedades infecciosas o conjunto de datos que cumpla con la característica de una serie de tiempo, permitiendo a las organizaciones actuar de manera anticipada ante situaciones futuras.
Tipo de ítem: TESIS
Existencias
Imagen de cubierta Tipo de ítem Biblioteca actual Biblioteca de origen Colección Ubicación en estantería Signatura topográfica Materiales especificados Info Vol URL Copia número Estado Notas Fecha de vencimiento Código de barras Reserva de ítems Prioridad de la cola de reserva de ejemplar Reservas para cursos
BIBLIOTECA- CUNOR -JOSÉ LUIS GONZALES ROSALES Colección tesis tesis TICS 008 (Navegar estantería(Abre debajo)) Disponible TICS 008

TICS 008

Tesis de grado Carrera Ingeniería en Ciencias y Sistemas Universidad de San Carlos de Guatemala, Centro Universitario del Norte, Carrera Ingeniería en Ciencias y Sistemas 2024 TICS 008

Con el auge de la pandemia de COVID-19 en Guatemala, se recopiló una gran cantidad de
datos sobre los casos de esta enfermedad, los cuales se presentan y están disponibles a
través del tablero COVID-19 Guatemala, lo que permite ofrecer información pública que
puede procesarse y analizarse para estudiar la evolución y el comportamiento de la
enfermedad en el país.

Aplicando ciencia de datos, se llevó a cabo un análisis de los casos de COVID-19
proporcionados por el Ministerio de Salud Pública y Asistencia Social (MSPAS). Los datos
fueron recopilados, preparados y limpiados para su análisis, posteriormente, se crearon y
entrenaron dos modelos de suavizado exponencial, Holt y Holt-Winters; estos modelos se
utilizaron para predecir los contagios confirmados diarios y acumulados para los próximos
30 días en cada intervalo de tiempo establecido.

Al finalizar el caso de estudio, se determinó que de los dos modelos creados y propuestos,
ambos lograron realizar predicciones efectivas en los casos confirmados acumulados; sin
embargo, con base en los resultados de las medidas de error y la incertidumbre explicada,
el modelo Holt-Winters mostró un mejor desempeño en la predicción de los contagios,
tanto en los casos confirmados diarios como en los casos acumulados, esto demostró que
el suavizado exponencial es una herramienta útil, junto con la ciencia de datos, para
predecir la tendencia de enfermedades infecciosas o conjunto de datos que cumpla con la
característica de una serie de tiempo, permitiendo a las organizaciones actuar de manera
anticipada ante situaciones futuras.

Compartir