Examinando por Autor "Florez Poveda, Alvaro Jose"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Análisis espacial de casos de dengue basado en la variación de efectos climáticos
    (Universidad del Valle, 2023) Bornhorst, Alexia Nicole; Manjarres Florez, John Sebastián; Florez Poveda, Alvaro Jose; Ortega Lenis, Delia
    El dengue es una enfermedad viral transmitida por mosquitos de la especie Aedes Aegypti, con variaciones locales que dependen de parámetros climáticos y de factores sociales y ambientales. En este trabajo se tiene como objetivo evaluar el efecto que tienen las variables climáticas y geográficas sobre la ocurrencia de casos de dengue en los municipios del Valle del Cauca durante el a ̃no 2019. Para ello se ajustó un modelo Poisson con efectos aleatorios, en donde se tiene en cuenta la correlación espacial a través de un modelo BYM2, el cual es utilizado para el mapeo de enfermedades en el marco de la estadística bayesiana. En el análisis se encontró que el modelo captura la correlación espacial que está presente entre los municipios y determina que la temperatura, la precipitación, el porcentaje de población urbana y la altitud tienen un impacto significativo en el riesgo de infección de dengue. La zona oriente del departamento presenta un mayor n ́umero de casos, en donde se encuentran municipios con temperatura y precipitación alta, un mayor porcentaje de población urbana y una altitud alrededor de los 1000 msnm. Estos municipios presentan un riesgo más elevado de infección respecto al promedio de todo el departamento.
  • Miniatura
    PublicaciónAcceso abierto
    Modelación de la contaminación atmosférica mediante regresión no paramétrica teniendo en cuenta la estructura de correlación de los promedios octohorarios del monóxido de carbono en la ciudad de Cali en el período 2003-2006
    (Universidad del Valle, 2011) Mina Valencia, Jenny Fernanda; Mostacilla Herrera, José Warley; Florez Poveda, Alvaro Jose; Rada Barona, Rodrigo
    En esta investigación se pretende modelar la contaminación del aire por Monóxido de Carbono (CO) en la ciudad de Santiago de Cali en el periodo 2003 – 2006, mediante un modelo de regresión no paramétrica que tenga en cuenta la estructura de correlación que presentan los promedios octohorarios de este contaminante, mas no estimar la función de correlación en sí. Para esto se empleará un método de selección del parámetro de suavizado (h) que incluya la estructura de autocorrelación de los errores que presenta el modelo. Puesto que en presencia de datos correlacionados, dichos métodos de selección se ven seriamente afectados a la hora de elegir un valor para (h) debido a que estos tienden a ser muy pequeños. Lo cual conlleva a que la estimación de la curva sea poco suave pues interpolaría los datos de acuerdo con lo expuesto por (Hart, 1991). Para esto se usarán los registros de los niveles de concentración horaria de monóxido de carbono, suministrados por la Red de Monitoreo de Calidad de Aire (RMCA) de la ciudad.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo de regresión cuantílica para la variable peso de neonatos con bajo peso al nacer utilizando imputación múltiple
    (Universidad del Valle, 2023) Mora Mamian, Jose Jeler; Morales Hurtado, Johan Javier; Florez Poveda, Alvaro Jose; Andrade-Bejarano, Mercedes
    Se aborda el problema de los datos faltantes en un contexto longitudinal utilizando registros de neonatos con bajo peso al nacer. El objetivo es introducir la incertidumbre generada por los datos faltantes en la estimación de parámetros del modelo y evitar la pérdida de información importante. Para ello, se utilizan registros tomados de historias clínicas de la unidad de recién nacidos del Hospital Universitario del Valle en Santiago de Cali, Colombia, recopilados durante el período 2002-2015. Estos registros forman parte de un programa de seguimiento de neonatos en diferentes periodos de crecimiento para evaluar su evolución en medidas antropométricas. Se ajustan modelos de regresión cuantílica para explicar el comportamiento de la variable peso en cuantiles específicos de inter ́es, esta variable presenta un 49 % de datos faltantes a lo largo de los seguimientos. Para abordar el problema de datos faltantes, se utiliza el método de imputación múltiple, este método genera múltiples estimaciones de los datos faltantes y combina estas estimaciones para obtener resultados más precisos de los parámetros del modelo basándose en la incertidumbre generada por los registros que faltan.