Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
http://www.bdtd.uerj.br/handle/1/20198
Tipo do documento: | Dissertação |
Título: | Modelagem epidemiológica com um modelo SIR estocástico utilizando Cadeia de Markov de tempo contínuo |
Título(s) alternativo(s): | Epidemiological Modeling with a Stochastic SIR Model using Continuous Time Markov Chain |
Autor: | Almeida, Michelle Lau de |
Primeiro orientador: | González Arenas, Zochil |
Primeiro membro da banca: | Cunha Junior, Americo Barbosa da |
Segundo membro da banca: | Stariolo, Daniel Adrian |
Terceiro membro da banca: | Coelho, Flávio Codeço |
Quarto membro da banca: | Silva, Patricia Nunes da |
Resumo: | Na modelagem epidemiológica, a implementação de modelos matemáticos e suas respectivas simulações computacionais são ferramentas vantajosas para estimar características acerca da propagação de doenças infecciosas. Um dos modelos amplamente utilizados nessa modelagem é o Suscetível-Infectado-Recuperado (SIR), proposto por Kermack e McKendrik em 1927, utilizando uma abordagem determinística. Nesta dissertação, é apresentado o modelo SIR com uma abordagem estocástica, utilizando Cadeia de Markov de Tempo Contínuo. A modelagem estocástica permite inserir aleatoriedades nos parâmetros do modelo e, dessa forma, analisar situações não previstas pelo modelo determinístico. Isto traz algumas vantagens como o acesso a distribuições de probabilidade de algumas propriedades que são exclusivas do modelo estocástico. No presente trabalho, é feita uma revisão bibliográfica atualizada e apresenta-se o embasamento teórico da modelagem estocástica usando Cadeias de Markov. Uma adaptação do modelo SIR estocástico usando Cadeia de Markov de Tempo Contínuo (SIR CTMC) é considerada para duas situações epidemiológicas, um surto de Sarampo na Ilha Grande, Brasil, em 1976, e a pandemia de COVID-19 no estado do Rio de Janeiro, Brasil, em 2020. São realizadas simulações computacionais usando a liguagem Python, a partir das quais é efetuada uma comparação entre os modelos determinísticos e estocástico. Nas simulações são utilizados valores dos parâmetros reportados na literatura. Desta forma, tem sido possível validar o modelo estocástico e algumas das suas vantagens ficam em evidência |
Abstract: | In epidemiological modeling, the implementation of mathematical models and their respective computer simulations are advantageous tools for estimating characteristics about the spread of infectious diseases. A well-known and widely used model for this aim is the Susceptible-Infected-Recovered (SIR), proposed by Kermack and McKendrick in 1927, by using a deterministic approach. In this dissertation, the SIR model is presented with a stochastic approach, using Continuous Time Markov Chain. Stochastic modeling allows to insert some randomness into the model's parameters and, thus, analyze situations that are not foreseen by the deterministic model. It brings some advantages such as the access to probability distributions for some properties that are exclusive to the stochastic model. In the present work, an updated bibliographic review is made and the theoretical background of stochastic modeling using Markov Chains is given. An adaptation of the stochastic SIR model using Continuous Time Markov Chain (SIR CTMC) is considered for two epidemiological situations, a measles outbreak in Ilha Grande, Brazil, in 1976, and the COVID-19 pandemic in the state of Rio de Janeiro, Brazil, in 2020. Computer simulations are performed using the Python language, from which a comparison is made between the deterministic and stochastic models. In the simulations, values of the parameters reported in the literature are used. In this way, it has been possible to validate the stochastic model and some of its advantages are in evidence. |
Palavras-chave: | Epidemiological stochastic CTMC SIR Model. Compartmental models Markov Chains. CTMC SIR Model Modelagem epidemiológica estocástica Modelos compartimentais Cadeias de Markov. Modelo SIR CTMC. Modelos matemáticos Epidemiologia - Métodos estatísticos Processo estocástico Markov, Processos de |
Área(s) do CNPq: | CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA |
Idioma: | por |
País: | Brasil |
Instituição: | Universidade do Estado do Rio de Janeiro |
Sigla da instituição: | UERJ |
Departamento: | Centro de Tecnologia e Ciências::Instituto de Matemática e Estatística |
Programa: | Programa de Pós-Graduação em Ciências Computacionais |
Citação: | ALMEIDA, Michelle Lau de. Modelagem epidemiológica com um modelo SIR estocástico utilizando Cadeia de Markov de tempo contínuo. 2020. 75 f. Dissertação (Mestrado em Ciências Computacionais) - Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2020. |
Tipo de acesso: | Acesso Aberto |
URI: | http://www.bdtd.uerj.br/handle/1/20198 |
Data de defesa: | 27-Nov-2020 |
Aparece nas coleções: | Mestrado em Ciências Computacionais |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertação - Michelle Lau de Almeida - 2020 - Completa.pdf | Dissertação completa | 1,13 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.