Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI

Detalhes bibliográficos
Autor(a) principal: Arriaga, Alexandre Poeiras
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/26795
Resumo: Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
id RCAP_ca5aafd41d858d13eeab9b5cfc867c7f
oai_identifier_str oai:www.repository.utl.pt:10400.5/26795
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSICOVID-19óbitosPSImachine learningPortugaldeathsMestrado Bolonha em Métodos Quantitativos para a Decisão Económica e EmpresarialA pandemia de COVID-19 é uma das maiores crises de saúde do século XXI, afetou completamente o quotidiano da sociedade e impactou toda a população mundial, económica e socialmente. O uso de algoritmos de machine learning para o estudo de dados relativamente a esta pandemia tem sido bastante frequente nos mais variados artigos publicados nos últimos tempos. Nesta dissertação foi analisado o impacto de diversas variáveis (número de casos, temperatura, pessoas totalmente vacinadas, número de vacinações diárias e vários indicadores da mobilidade) no número de mortes causadas pela COVID-19 ou SARS-CoV-2 em Portugal e no índice da bolsa Portuguesa, o PSI, de forma a encontrar os modelos preditivos mais adequados. Foram utilizados vários algoritmos, como o OLS, Ridge, MLP, Gradient Boosting e Random Forest através do software de programação Python. A análise foi dividida em dois modelos, o primeiro referente à previsão do número de mortes causadas pela COVID-19 e o segundo à previsão do PSI. No primeiro modelo foram usadas as variáveis originais, enquanto no segundo modelo foi feita uma Análise de Componentes Principais, que posteriormente foram usados para a regressão do modelo. O método utilizado para o processamento dos dados foi o CRISP-DM. Os dados foram obtidos através de uma base de dados pública. Por último, referir, que o Gradient Boosting foi o que obteve melhores resultados para ambos os modelos, de acordo com as métricas de precisão utilizadas. É de salientar também a maior eficácia dos algoritmos de Ensemble e de redes neuronais em comparação com os algoritmos lineares na previsão dos dados utilizados.The COVID-19 pandemic is one of the biggest health crises of the 21st century, it has completely affected society’s daily life, and has impacted populations worldwide, both economically and socially. The use of machine learning algorithms to study data from the COVID-19 pandemic has been quite frequent in the most varied articles published in recent times. In this dissertation it was analyzed the impact of several variables (number of cases, temperature, people fully vaccinated, number of daily vaccinations and several mobility variables) on the number of deaths caused by COVID19 or SARS-CoV-2 in Portugal and on the number of the Portuguese stock index, PSI, to find the most appropriate predictive model. Several algorithms were used, such as OLS, Ridge, MLP, Gradient Boosting and Random Forest through Python programming software. The analysis was divided into two models, the first referring to the prediction of the number of deaths caused by COVID-19 and the second to the PSI prediction. In the first model, the original variables were used, while in the second model, a Principal Component Analysis was made, that were later used for the regression of the model. The method used for data processing was CRISP-DM. Data were obtained from an open access database. Finally, it should be noted that Gradient Boosting was the algorithm that obtained the best results according to the precision metrics that were used. It is worth highlighting the greater efficiency of the Ensemble and neural networks algorithms compared to the linear algorithms in the prediction of the data used.Instituto Superior de Economia e GestãoCosta, CarlosRepositório da Universidade de LisboaArriaga, Alexandre Poeiras2023-01-10T11:23:53Z2022-102022-10-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/26795porArriaga, Alexandre Poeiras (2022). “Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:56:13Zoai:www.repository.utl.pt:10400.5/26795Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:10:22.360205Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
title Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
spellingShingle Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
Arriaga, Alexandre Poeiras
COVID-19
óbitos
PSI
machine learning
Portugal
deaths
title_short Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
title_full Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
title_fullStr Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
title_full_unstemmed Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
title_sort Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI
author Arriaga, Alexandre Poeiras
author_facet Arriaga, Alexandre Poeiras
author_role author
dc.contributor.none.fl_str_mv Costa, Carlos
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Arriaga, Alexandre Poeiras
dc.subject.por.fl_str_mv COVID-19
óbitos
PSI
machine learning
Portugal
deaths
topic COVID-19
óbitos
PSI
machine learning
Portugal
deaths
description Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
publishDate 2022
dc.date.none.fl_str_mv 2022-10
2022-10-01T00:00:00Z
2023-01-10T11:23:53Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.5/26795
url http://hdl.handle.net/10400.5/26795
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Arriaga, Alexandre Poeiras (2022). “Impacto demográfico e financeiro da pandemia Covid 19 em Portugal : previsão do número de mortes e do PSI”. Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131201175289856

Registros relacionados