english Icono del idioma   español Icono del idioma  

Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12008/26998 Cómo citar
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorRodríguez-Collazo, Silvia-
dc.coverage.spatialURUGUAYes
dc.date.accessioned2021-04-08T22:00:58Z-
dc.date.available2021-04-08T22:00:58Z-
dc.date.issued2021-
dc.identifier.citationRODRÍGUEZ-COLLAZO, Silvia. Modelos de series temporales adaptativos y robustos para predecir contagios y muertes por COVID-19 en Uruguay: predicciones resultantes de los modelos de Castle, Doornik y Hendry [en línea ]. Montevideo : Udelar. FCEA. Iesta, 2021. Aportes sobre COVID-19; 12 de febrero.es
dc.identifier.urihttps://hdl.handle.net/20.500.12008/26998-
dc.description.abstractEsta nota pretende brindar elementos para comprender los diversos resultados que se obtienen a partir de dos tipos de metodologías para la modelización de algunas variables que informan sobre el desarrollo de la epidemia y en numerar algunos principios que deben de cumplir los procedimientos de proyección y predicción para que sean informativos y útiles. El siguiente objetivo de la nota es dar a conocer las predicciones del acumulado de contagios y el número de fallecimientos para Uruguay provenientes de los modelos creados por Castle, Doornik y Hendry. Este grupo de científicos brindan de manera sistemática y pública tanto para Uruguay como para un amplio conjunto de países, predicciones a 7 días de plazo.es
dc.description.abstractEn contraposición con la detallada documentación de acceso público que han generado Castle, Doornik y Hendry, en Uruguay la documentación pública generada por el equipo de Modelos y Ciencia de Datos del GACH es muy escasa. No es posible encontrar documentos de acceso público que den cuenta de las metodologías utilizadas para la estimación de sus modelos ni tampoco se dispone de información pública sobre proyecciones actualizadas que elaboran, ni el horizonte de proyección. Esta falta de información que parece ser producto de una decisión explícita, no se comprende. El interés por la evolución de esta epidemia en nuestro país no ha decrecido, se cuenta con información diaria sobre un conjunto de variables que permiten hacer un seguimiento de la epidemia pero no se cuenta con información pública sobre proyecciones o predicciones actualizadas, por lo que se espera que esta nota pueda adicionar información sobre este tema.es
dc.format.extent19 p.es
dc.format.mimetypeapplication/pdfes
dc.language.isoeses
dc.publisherUdelar. FCEA. Iestaes
dc.relation.ispartofAportes sobre COVID-19;12 de febrero-
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.subject.otherCOVID-19es
dc.subject.otherPANDEMIAes
dc.subject.otherANALISIS DE SERIES TEMPORALESes
dc.subject.otherPREVISIONes
dc.subject.otherSIMULACIONes
dc.subject.otherMODELIZACIONes
dc.subject.otherDATOS ESTADISTICOSes
dc.subject.otherMORTALIDADes
dc.subject.otherACCESO A LA INFORMACIONes
dc.subject.otherDISPONIBILIDAD DE LA INFORMACIONes
dc.titleModelos de series temporales adaptativos y robustos para predecir contagios y muertes por COVID-19 en Uruguay: predicciones resultantes de los modelos de Castle, Doornik y Hendryes
dc.typeOtroes
dc.contributor.filiacionRodríguez-Collazo Silvia, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.-
dc.rights.licenceLicencia Creative Commons Atribución - No Comercial - Compartir Igual (CC - By-NC-SA 4.0)es
Aparece en las colecciones: Notas de reflexión - Instituto de Estadística

Ficheros en este ítem:
Fichero Descripción Tamaño Formato   
Aportes_7_Rodriguez-Collazo_Modelos.pdfNota323,46 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons