A carregar...
Publicação
Previsão dos indicadores do Covid-19
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.54 MB | Adobe PDF |
Orientador(es)
Resumo(s)
A presente dissertação centra-se na modelação e previsão dos principais indicadores da doença Covid-19: número diário de novos casos, óbitos e internamentos. Pretende-se identificar e ajustar os modelos que melhor preveem as séries temporais em estudo. Para tal, apresentamos os principais métodos determinísticos e estocásticos de previsão de séries temporais univariadas: métodos de alisamento exponencial (Holt-Winters) e modelos autoregressivos e de médias móveis (ARMA). Para avaliar a qualidade preditiva dos métodos em estudo, usamos as medidas dos erros de previsão do Erro Quadrático Médio, Erro Absoluto Médio e Erro Percentual Absoluto Médio. Os resultados obtidos apontam para a escolha dos métodos mais simples e com menor esforço computacional para prever qualquer dos indicadores do Covid-19.
The present dissertation focuses on the modeling and prediction of the main indicators of the Covid-19 disease: daily number of new cases, deaths and hospitalizations. We aim to identify and adjust the models that best predict the time series under study. To accomplish this task, we will present the main deterministic and stochastic methods of forecasting univariate time series: exponential smoothing methods (Holt-Winters) and autoregressive and moving average models (ARMA). To assess the predictive quality of the methods under study, we used the Mean Squared Error, Mean Absolute Error and Mean Absolute Percentage Error measurements. The results obtained show that the choice of the simplest methods and with less computational effort to predict any of the indicators of Covid-19.
The present dissertation focuses on the modeling and prediction of the main indicators of the Covid-19 disease: daily number of new cases, deaths and hospitalizations. We aim to identify and adjust the models that best predict the time series under study. To accomplish this task, we will present the main deterministic and stochastic methods of forecasting univariate time series: exponential smoothing methods (Holt-Winters) and autoregressive and moving average models (ARMA). To assess the predictive quality of the methods under study, we used the Mean Squared Error, Mean Absolute Error and Mean Absolute Percentage Error measurements. The results obtained show that the choice of the simplest methods and with less computational effort to predict any of the indicators of Covid-19.
Descrição
Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial
Palavras-chave
Covid-19 Métodos de previsão Modelo ARMA Métodos de Holt-Winters Erros de previsão Forecast Methods ARMA model Holt-Winters method Forecast Errors
Contexto Educativo
Citação
Vieira, Margarida Faria Carvalho Lopes (2022). “Previsão dos indicadores do Covid-19". Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão.
Editora
Instituto Superior de Economia e Gestão