Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/23104| Tipo: | Trabalho de conclusão de graduação |
| Título: | Análise da evolução de casos e mortes de Covid-19 pelo modelo ARIMA |
| Autor(es)/Inventor(es): | Santos, Clayton Wellington Bezerra dos Alves, Victor Yuri Nogueira |
| Orientador: | Paes, Marina Silva |
| Resumo: | O vírus da COVID-19 começou a se espalhar mundialmente no fim de 2019. Desde então o mundo lida com uma pandemia global sem precedentes na história. Dados sobre o volume de casos e mortes vêm sendo coletados por diversos meios para se acompanhar a evolução da doença. Este trabalho visa analisar os dados de casos e mortes de COVID-19 no Brasil agrupados por semana, mais precisamente entre a 9ª semana de 2020 até a 45ª semana de 2021. Para obter os resultados, foram utilizadas técnicas de análise de regressão e análise de séries temporais, principalmente do modelo ARIMA. A base de dados foi retirada do site ourworldindata.org, um repositório de dados gratuito que retira os dados diretamente do Ministério da Saúde. |
| Palavras-chave: | Modelo ARIMA ARIMA model COVID-19 Mortalidade Mortality |
| Assunto CNPq: | CNPQ::OUTROS::CIENCIAS ATUARIAIS |
| Unidade produtora: | Instituto de Matemática |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 2022 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Ciências Atuariais |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| TCC - Aplicacao de Series Temporais ao Covid Final_compressed.pdf | 500.45 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.