Cuantificadores de información e impredictibilidad en las series temporales asociadas a la COVID-19
Aplicamos diferentes cuantificadores de información al estudio de series temporales de COVID-19. En primer lugar, analizamos cómo el hecho de suavizar las curvas altera el contenido de información de la serie, aplicando la entropía de permutaciones y la entropía wavelet a la serie de casos diarios n...
| Autores: | , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Argentina |
| Institución: | Consejo Nacional de Investigaciones Científicas y Técnicas |
| Repositorio: | CONICET Digital (CONICET) |
| Idioma: | inglés |
| OAI Identifier: | oai:ri.conicet.gov.ar:11336/222552 |
| Acceso en línea: | http://hdl.handle.net/11336/222552 |
| Access Level: | acceso abierto |
| Palabra clave: | INFORMATION THEORY PERMUTATION ENTROPY STATISTICAL COMPLEXITY BANDT-POMPE METHODOLOGY WAVELET TRANSFORM COVID-19 https://purl.org/becyt/ford/1.3 https://purl.org/becyt/ford/1 |
| Sumario: | Aplicamos diferentes cuantificadores de información al estudio de series temporales de COVID-19. En primer lugar, analizamos cómo el hecho de suavizar las curvas altera el contenido de información de la serie, aplicando la entropía de permutaciones y la entropía wavelet a la serie de casos diarios nuevos mediante un método de ventana móvil. Además, para estudiar qué tan acopladas están las curvas asociadas con los nuevos casos diarios de infecciones y muertes, calculamos la coherencia wavelet. Nuestros resultados muestran cómo se pueden utilizar cuantificadores de información para analizar el comportamiento impredecible de esta pandemia en el corto y mediano plazo. |
|---|