Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais

Detalhes bibliográficos
Autor(a) principal: Kerr, Tiago Bernardes
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/34875
Resumo: Pesquisa sem auxílio de agências de fomento
id UFU_8b1aa22388b01e304872520fb48ed0e3
oai_identifier_str oai:repositorio.ufu.br:123456789/34875
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neuraisCovid-19Regressão LogísticaLogistic RegressionRedes NeuraisNeural NetworkCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADASPesquisa sem auxílio de agências de fomentoTrabalho de Conclusão de Curso (Graduação)O estudo pretendeu discutir três estimativas do espalhamento da pandemia Covid-19, que é a quantidade de pessoas que serão contaminadas a partir de uma pessoa contaminada pelo vírus. Uma dessas estimativas será binarizada, onde o valor maior igual a 1 indica o espalhamento da doença (SIT = 1) e o valor menor que 1, indica o não espalhamento da doença (SIT = 0). Um modelo de Regressão Linear Binária Múltipla e um modelo de Rede Neural foram levados a efeito, considerando a variável SIT, sobre as variáveis preditoras. Uma amostra contendo 52 municípios brasileiros selecionados aleatoriamente foram utilizadas para elaboração das estatísticas. A estimação do espalhamento no trabalho apresentou resultados coerentes, sendo uma boa alternativa para mensurar o espalhamento em uma pandemia que ainda não terminou. O estudo exploratório sugeriu que as variáveis não estavam discriminando a SIT. O modelo logístico e o modelo neural apresentaram resultados semelhantes, com uma leve vantagem ao modelo de rede neural (porém no mesmo grau de assertividade). O modelo logístico só identificou significância de variável TAL, já o modelo neural identificou que todas as variáveis estavam colaborando para explicar o desfecho espalhamento.Universidade Federal de UberlândiaBrasilEstatísticaMorais, José Fausto dehttp://lattes.cnpq.br/0995148091466813Silva, Maria Imaculada de Sousahttp://lattes.cnpq.br/5214152217965576Pereira, Leandro Alveshttp://lattes.cnpq.br/0760487233492775Kerr, Tiago Bernardes2022-04-19T20:09:37Z2022-04-19T20:09:37Z2022-04-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfKERR, Tiago Bernardes. Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais. 2022. 49 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2022.https://repositorio.ufu.br/handle/123456789/34875porhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2022-04-20T06:14:15Zoai:repositorio.ufu.br:123456789/34875Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-04-20T06:14:15Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
title Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
spellingShingle Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
Kerr, Tiago Bernardes
Covid-19
Regressão Logística
Logistic Regression
Redes Neurais
Neural Network
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS
title_short Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
title_full Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
title_fullStr Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
title_full_unstemmed Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
title_sort Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais
author Kerr, Tiago Bernardes
author_facet Kerr, Tiago Bernardes
author_role author
dc.contributor.none.fl_str_mv Morais, José Fausto de
http://lattes.cnpq.br/0995148091466813
Silva, Maria Imaculada de Sousa
http://lattes.cnpq.br/5214152217965576
Pereira, Leandro Alves
http://lattes.cnpq.br/0760487233492775
dc.contributor.author.fl_str_mv Kerr, Tiago Bernardes
dc.subject.por.fl_str_mv Covid-19
Regressão Logística
Logistic Regression
Redes Neurais
Neural Network
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS
topic Covid-19
Regressão Logística
Logistic Regression
Redes Neurais
Neural Network
CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADAS
description Pesquisa sem auxílio de agências de fomento
publishDate 2022
dc.date.none.fl_str_mv 2022-04-19T20:09:37Z
2022-04-19T20:09:37Z
2022-04-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv KERR, Tiago Bernardes. Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais. 2022. 49 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2022.
https://repositorio.ufu.br/handle/123456789/34875
identifier_str_mv KERR, Tiago Bernardes. Espalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neurais. 2022. 49 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2022.
url https://repositorio.ufu.br/handle/123456789/34875
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFU
instname:Universidade Federal de Uberlândia (UFU)
instacron:UFU
instname_str Universidade Federal de Uberlândia (UFU)
instacron_str UFU
institution UFU
reponame_str Repositório Institucional da UFU
collection Repositório Institucional da UFU
repository.name.fl_str_mv Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)
repository.mail.fl_str_mv diinf@dirbi.ufu.br
_version_ 1813711398876741632

Registros relacionados