
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
21. INTRODUÇÃO
31.1. CONTEXTO
41.2. PROBLEMA
51.3. OBJETIVOS
Show all chaptersShow less
61.4. MOTIVAÇÃO
71.5. ESTRUTURA DO LIVRO
82. REFERENCIAL TEÓRICO
92.1. REVISÃO DOS TIPOS BÁSICOS DE MODELAGEM PARA DOENÇAS INFECCIOSAS
102.2. MODELOS DETERMINÍSTICOS E ESTOCÁSTICOS PARA DOENÇAS INFECCIOSAS
112.3. MODELOS DE REDE/GRAFOS (NETWORK MODELS)
122.4. MODELOS BASEADOS EM AGENTES (AGENT-BASED MODELS)
133. MÉTODOS
143.1. FONTE DE DADOS
153.2. VALIDAÇÃO DO MODELO
163.3. TAMANHO DA AMOSTRA, DADOS FALTANTES E OUTLIERS
173.4. MODELO DE PREVISÃO E ESTIMAÇÃO DE PARÂMETROS
183.5. DADOS DE MODELAGEM E AJUSTE DE CURVA
193.6. ALGORITMO DE PREVISÃO
203.7. INTERVALO DE CONFIANÇA
213.8. RESULTADOS
224. REVISÃO DE EPIDEMIOLOGIA MATEMÁTICA
234.1. BREVE HISTÓRIA DAS DOENÇAS INFECCIOSAS
244.2. A PANDEMIA COVID-19
254.3. INTRODUÇÃO A EPIDEMIOLOGIA
264.4. O NÚMERO BÁSICO DE REPRODUÇÃO (Ro)
274.5. CONCEITO DE IMUNIDADE DE REBANHO
284.6. O NÚMERO EFETIVO DE REPRODUÇÃO (Rt)
295. MODELAGEM MATEMÁTICA EM EPIDEMIOLOGIA
305.1. O MODELO SIS CLÁSSICO
315.2. A CONSTANTE Γ
325.3. O MODELO SIR CLÁSSICO
335.3.1. INFECÇÃO MÁXIMA DO MODELO SIR
345.3.2. A TEORIA DE KERMACK-MCKENDRICK
355.3.3. O MODELO SIR CLÁSSICO COM DINÂMICA VITAL
365.3.4. VACINAÇÃO NO MODELO SIR COM DINÂMICA VITAL
375.3.5. MODELO SIR NÃO-DIMENSIONAL
386. EXTENSÕES DO MODELO SIR
396.1. MODELO SIR-D
406.2. MODELO SIR-F
416.3. MODELO SEWIR-F: SIR-F COM CASOS EXPOSTO AO VÍRUS OU AGUARDANDO CONFIRMAÇÃO
426.4. MODELO SEWIR-F NÃO-DIMENSIONAL
437. COVID-19: ANÁLISE DO CENÁRIO BRASIL
447.1. ANÁLISE EXPLORATÓRIA DO DADOS (EDA)
457.2. ESTIMANDO PARÂMETROS β e γ
467.3. ESTIMANDO Β E MODELANDO A PREVISÃO NO CENÁRIO BRASIL
478. PREVISÃO EM CENÁRIO DE COVID-19 NO RIO DE JANEIRO - UM MODELO PROPOSTO COM VACINAÇÃO
488.1. O MODELO SEIRD-V
498.2. PREVISÃO NOS MODELOS SEIRD E SEIRD-V
509. PROPOSTA DE UM MODELO DE PREVISÃO EM CENÁRIO DE COVID-19 COM INCERTEZA DE DADOS