
Modelagem Matemática de Doenças Infecciosas
com aplicação em Python para COVID-19By Gilberto Pereira RamosLength2h 4m
About this audiobook
Através de uma aplicação real da modelagem matemática ao cenário de COVID-19 no Rio de Janeiro, o leitor aprenderá de forma bastante clara como aplicar as principais técnicas de previsão utilizando séries temporais, passando pela busca inicial da fonte de dados, a construção do modelo e algoritmo de previsão, o ajuste de curvas, a estimação de parâmetros e muito mais. O leitor terá acesso livre ao código Python disponível no GitHub. Portanto, este material é uma excelente introdução para o aluno que está iniciando pesquisas sobre o tema, bem como para aqueles que desejam conhecer como funciona a modelagem matemática de doenças infecciosas. Grande parte do seu tempo de pesquisa será reduzido ao ler este livro, pois com linguagem clara e objetiva o autor mostra todos os passos para a aplicação prática da modelagem matemática e construção de modelos preditivos. Este não é apenas um livro sobre a modelagem matemática das doenças infecciosas, mas também sobre a solução computacional de problemas na previsão e modelagem de doenças infecciosas.
Audiobook details
GenreHealth and Wellness
Length2 hrs 4 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateAug 8, 2023
LanguagePortuguese
Table of contents
1Introduction
325.3. O MODELO SIR CLÁSSICO
21. INTRODUÇÃO
335.3.1. INFECÇÃO MÁXIMA DO MODELO SIR
31.1. CONTEXTO
345.3.2. A TEORIA DE KERMACK-MCKENDRICK
41.2. PROBLEMA
355.3.3. O MODELO SIR CLÁSSICO COM DINÂMICA VITAL
51.3. OBJETIVOS
365.3.4. VACINAÇÃO NO MODELO SIR COM DINÂMICA VITAL
Show all chaptersShow less
61.4. MOTIVAÇÃO
375.3.5. MODELO SIR NÃO-DIMENSIONAL
71.5. ESTRUTURA DO LIVRO
386. EXTENSÕES DO MODELO SIR
82. REFERENCIAL TEÓRICO
396.1. MODELO SIR-D
92.1. REVISÃO DOS TIPOS BÁSICOS DE MODELAGEM PARA DOENÇAS INFECCIOSAS
406.2. MODELO SIR-F
102.2. MODELOS DETERMINÍSTICOS E ESTOCÁSTICOS PARA DOENÇAS INFECCIOSAS
416.3. MODELO SEWIR-F: SIR-F COM CASOS EXPOSTO AO VÍRUS OU AGUARDANDO CONFIRMAÇÃO
112.3. MODELOS DE REDE/GRAFOS (NETWORK MODELS)
426.4. MODELO SEWIR-F NÃO-DIMENSIONAL
122.4. MODELOS BASEADOS EM AGENTES (AGENT-BASED MODELS)
437. COVID-19: ANÁLISE DO CENÁRIO BRASIL
133. MÉTODOS
447.1. ANÁLISE EXPLORATÓRIA DO DADOS (EDA)
143.1. FONTE DE DADOS
457.2. ESTIMANDO PARÂMETROS β e γ
153.2. VALIDAÇÃO DO MODELO
467.3. ESTIMANDO Β E MODELANDO A PREVISÃO NO CENÁRIO BRASIL
163.3. TAMANHO DA AMOSTRA, DADOS FALTANTES E OUTLIERS
478. PREVISÃO EM CENÁRIO DE COVID-19 NO RIO DE JANEIRO - UM MODELO PROPOSTO COM VACINAÇÃO
173.4. MODELO DE PREVISÃO E ESTIMAÇÃO DE PARÂMETROS
488.1. O MODELO SEIRD-V
183.5. DADOS DE MODELAGEM E AJUSTE DE CURVA
498.2. PREVISÃO NOS MODELOS SEIRD E SEIRD-V
193.6. ALGORITMO DE PREVISÃO
509. PROPOSTA DE UM MODELO DE PREVISÃO EM CENÁRIO DE COVID-19 COM INCERTEZA DE DADOS
203.7. INTERVALO DE CONFIANÇA
519.1. DESCRIÇÃO DO DATASET
213.8. RESULTADOS
529.2. FORMULAÇÃO DO MODELO SEIRD
224. REVISÃO DE EPIDEMIOLOGIA MATEMÁTICA
539.3. ANÁLISE EXPLORATÓRIA DE DADOS - CENÁRIO COVID- 19 NO RIO DE JANEIRO
234.1. BREVE HISTÓRIA DAS DOENÇAS INFECCIOSAS
549.4. MODELAGEM DE PARÂMETROS E SUAVIZAÇÃO DE DADOS
244.2. A PANDEMIA COVID-19
559.5. O MODELO SEIRD-V-ID
254.3. INTRODUÇÃO A EPIDEMIOLOGIA
569.6. OTIMIZAÇÃO DE PARÂMETROS E FUNÇÃO DE PERDA
264.4. O NÚMERO BÁSICO DE REPRODUÇÃO (Ro)
5710. RESULTADOS
274.5. CONCEITO DE IMUNIDADE DE REBANHO
5811. CONCLUSÃO
284.6. O NÚMERO EFETIVO DE REPRODUÇÃO (Rt)
5913. ANEXO A - EXTRATO DE CASOS DE COVID-19 NO BRASIL
295. MODELAGEM MATEMÁTICA EM EPIDEMIOLOGIA
6014. ANEXO B - VALIDAÇÃO CRUZADA EM SÉRIES TEMPORAIS
305.1. O MODELO SIS CLÁSSICO
6115. ANEXO C - INTERVALOS DE CONFIANÇA
315.2. A CONSTANTE Γ
6216. ANEXO D - SIMULAÇÃO DE PREVISÃO DE MORTOS DO MODELO SEIRD-V-ID COM DIFERENTES NÚMEROS INICIAIS DE INFECTADOS