Comportamiento escolástico de la COVID-19 en la República Bolivariana de Venezuela ¿Persistencia o Antipersistencia en los contagios?
Palabras clave:
Covid-19, simulación, análisis de rango rescalado, persistencia, exponente de Hurst, estadística fractalResumen
La novedosa pandemia por coronavirus, etiquetada por la Organización Mundial de la Salud (OMS, 2020) como la covid-19, se reportó por primera vez en Wuhan, China, el 31 de diciembre de 2019 y a la fecha, según estimaciones de la misma OMS (2020), en la medida en que se ha extendido a nivel planetario, ha infectado a más de 9,2 millones de personas, de las cuales se reportan más de 500.000 fallecidos y 5.2 millones de pacientes recuperados. En este estudio, aplicaremos el exponente de Hurst (1951) asociado con la estadística fractal para simular la propagación de la covid-19, considerando series temporales de fluctuaciones de nuevos casos diarios de la enfermedad, disponibles a través de un sitio web de referencia de la República Bolivariana de Venezuela, como lo es el Observatorio Nacional de Ciencia, Tecnología e Innovación (ONCTI). Se parte de la hipótesis de que la propagación de la covid-19, puede analizarse en función de las fluctuaciones del crecimiento de nuevos casos diarios de contagio. Para ello, se empleó un método de rango reescalado R/S que permitió calcular el Exponente de Hurst, parámetro estocástico cuyo valor permitió inferir sobre la presencia de correlaciones de largo alcance en la transmisión del virus entre la población. Estudiaremos los efectos de correlación en la propagación de COVID-19 en Venezuela mediante el análisis de las series temporales de nuevos casos después del decreto de Alerta dictado por el Ejecutivo Nacional que convocó a la ciudadanía a "quedarse en casa" mediante una cuarentena social obligatoria. Simularemos el comportamiento a mediano plazo (180 días) considerando las fluctuaciones de los nuevos casos de contagio diarios sobre la base de dos factores: los casos de contagio importados y los contagios comunitarios. En consecuencia, inicialmente examinaremos el origen de correlaciones con grandes fluctuaciones, y posteriormente analizaremos en base a las series de tiempo de nuevos casos diarios de la covid-19 en Venezuela, para luego establecer las correlaciones de largo alcance e inferir sobre la posible la persistencia o antipersistencia de la misma.
Descargas
Citas
Davies, RB y Harte, DS (1987). Tests for Hurst effect. Biometrika 74:95-101.Recuperado en: http://robertnz.net/pdf/hursteffect.pdf
Garmendia S, Alcaide, A. (2011). ¿Es el Coeficiente de Hurst un Buen Indicador de Extinción de Especies? Pensamiento Matemático. Recuperado en: https://www.researchgate.net/publication/267231306_Es_el_coeficiente_de_Hurst_un_buen_indicador_de_extincion_de_especies
Hurst, H.E. (1951). Long-term storage capacity of reservoirs. Transactions of the American Society of Civil Engineers. 116: 770. Recuperado en: https://cedb.asce.org/CEDBsearch/record.jsp?dockey=0292165
Mandelbrot, B. (1982). The Fractal Geometry of Nature, 2nd. ed. W. H. San Francisco: Freeman & Co
Organización Mundial de la Salud (2010): ¿Qué es el periodo pospandémico? Recuperado en : https://www.who.int/csr/disease/swineflu/frequently_asked_questions/post_pandemic/es/ .
Racine, R. (2011). Estimating the Hurst Exponent. UD y la Geomática. Recuperado en: http://revistas.udistrital.edu.co/ojs/index.php/UDGeo/article/view/3648/68
Thom, R. (1977). Stabilit éstructurelle et morphogénèse, París: Interédition
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Carlos Zavarce Castillo, Fredy Zavarce Castillo
Esta obra está bajo una licencia internacional Creative Commons Atribución-SinDerivadas 4.0.