Desenvolvimento de modelo autorregressivo para previsão diária de número de mortes por Covid-19.

Abstract

A doença que paralisou os seis continentes do planeta no ano de 2019 transformou estilos de trabalho e de vida, causou um pânico mental mundial e um caos na saúde pública de todos os países, infectando 36,7 milhões brasileiros até o mês de dezembro de 2022. Ela vem sendo estudada pelos cientistas e pesquisadores desde o seu primeiro aparecimento em dezembro de 2019 na cidade de Wuhan, província de Hubei, na República Popular da China. É, portanto, tema de estudo deste trabalho, a fim de gerar uma previsão para o mês de janeiro de 2023 de número de mortes diárias por Covid-19 no Brasil, utilizando o modelo de médias móveis integradas sazonais autorregressivas - SARIMA. Desta forma, foi gerado um modelo com boa aderência a realidade presenciada para o mês de janeiro de 2023. Em outras palavras, a predição gerada pelo modelo SARIMA (3, 1, 1) x (0, 2, 2) foi condizente com os números reais de mortes por Covid – 19, sendo validado estatisticamente pelo Teste de Levene.

The disease that paralyzed the 6 continents of the planet in the year of 2019 changed work and life styles, caused global mental health panic and a chaos in the public health in the whole countries, infecting 36,7 millions of Brazilians until the month of December, 2022. The scientist and researchers have studied it since its first case in December of 2019 in the city of Wuhan, province of Ubei, at Popular Republic of China. It is, therefore, study topic of this work, with the goal of provide a forecast for the month of January, 2023 of numbers of death by Covid-19 in Brazil using the model of Auto Regressive Seasonal Moving Averages SARIMA. This way, it was generated a good model that has high adherence comparing with the reality in the month of January, 2023. In another words, the forecast provided by the model SARIMA (3, 1, 1) x (0, 2, 2) was compatible with the real numbers of death by Covid – 19, being validated statistically by the Levene Test.