Modelos predictivos para la distribución del número de casos diarios de la COVID-19 para los diferentes distritos de Barcelona

Abstract

La COVID-19 ha afectado a toda la sociedad, es por ello por lo que hemos considerado necesario ajustar modelos que nos permitan explicar y predecir la serie temporal de los casos detectados. Al ser la COVID-19 una enfermedad infecciosa, donde los casos de un día vienen influenciados por los días anteriores, consideramos que los mejores modelos para explicar la serie serán los autorregresivos, en concreto, los AR y los INAR. Analizaremos la serie en función del sexo y el distrito. A nivel de resultados obtenemos diferentes mecanismos en ambos modelos en función del sexo, y también vemos como los barrios con mayor población o densidad poblacional son aquellos con más tendencia a detectar más casos. Comparando los modelos, se observa claramente que el modelo INAR es superior en todos los aspectos al modelo AR, teniendo en cuenta que nuestra serie no es estacionaria, y, por tanto, ninguno es perfecto.

COVID-19 has affected the whole of society, which is why we have considered it necessary to adjust models that allow us to explain and predict the time series of the detected cases. As COVID-19 is an infectious disease, where the cases of one day are influenced by the previous days, we consider that the best models to explain the series will be the autoregressive ones, specifically, the AR and the INAR. We will analyze the series as a function of sex and district. At the level of results, we obtain different mechanisms in both models as a function of sex, and we also see how the districts with higher population or population density are those with a greater tendency to detect more cases. Comparing the models, it is clearly observed that the INAR model is superior in all aspects to the AR model, taking into account that our series is not stationary, and, therefore, neither is perfect