1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Instituto de Matemática e Estatística (IME)
  3. TCC - Estatística
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/34875
Full metadata record
DC FieldValueLanguage
dc.creatorKerr, Tiago Bernardes-
dc.date.accessioned2022-04-19T20:09:37Z-
dc.date.available2022-04-19T20:09:37Z-
dc.date.issued2022-04-01-
dc.identifier.citationKERR, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/34875-
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectCovid-19pt_BR
dc.subjectRegressão Logísticapt_BR
dc.subjectLogistic Regressionpt_BR
dc.subjectRedes Neuraispt_BR
dc.subjectNeural Networkpt_BR
dc.titleEspalhamento da pandemia de Covid-19: Um estudo baseado na regressão logística binária múltipla e em redes neuraispt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Morais, José Fausto de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0995148091466813pt_BR
dc.contributor.referee1Silva, Maria Imaculada de Sousa-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5214152217965576pt_BR
dc.contributor.referee2Pereira, Leandro Alves-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0760487233492775pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoO 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEstatísticapt_BR
dc.sizeorduration51pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::PROBABILIDADE E ESTATISTICA APLICADASpt_BR
dc.orcid.putcode111687516-
Appears in Collections:TCC - Estatística

Files in This Item:
File Description SizeFormat 
EspalhamentoDaPandemia.pdfTCC12.1 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons