Il capitolo ha l’intento di illustrare in modo divulgativo l’utilizzo dei modelli statistici per analizzare, l’andamento dei casi di pazienti affetti da COVID-19. In particolare si considera la serie degli individui attualmente positivi, che comprende coloro che sono in isolamento domiciliare, i ricoverati con sintomi e in terapia intensiva. I dati utilizzati nel presente lavoro sono quelli forniti giornalmente a livello ufficiale dal Dipartimento della Protezione Civile sull’andamento del COVID-19 nella regione Umbria e nell’intera penisola italiana. La prima classe di modelli che viene presa in esame è basata sulla distribuzione di Poisson, che è stata proposta dal matematico francese Siméon Denis Poisson (1781-1840) e poi estesa recentemente per tenere conto della correlazione temporale dei dati. La seconda classe di modelli è basata sulla distribuzione Binomiale Negativa che, pur essendo meno utilizzata della distribuzione di Poisson presenta delle peculiarità di interesse ed è stata formulata, in una versione preliminare, dal matematico Blaise Pascal (1623-1662). Infatti una formulazione particolare di questo modello è nota anche come distribuzione di Pascal. Questi modelli permettono di effettuare delle previsioni e dei confronti tra regioni o nazioni in quanto servono a regolarizzare i dati raccolti giornalmente. Nel presente capitolo si confronta l’andamento della prevalenza stimata per l’Umbria e per l’Italia.

Bartolucci, F., Pennoni, F. (2020). Alcuni modelli per dati di conteggio con applicazione a COVID-19. In Luca Ferrucci (a cura di), Il COVID-19 tra emergenza sanitaria ed emergenza economica: riflessioni dal mondo delle scienze sociali (pp. 39-57). Morlacchi Editore.

Alcuni modelli per dati di conteggio con applicazione a COVID-19

Pennoni, F
2020

Abstract

Il capitolo ha l’intento di illustrare in modo divulgativo l’utilizzo dei modelli statistici per analizzare, l’andamento dei casi di pazienti affetti da COVID-19. In particolare si considera la serie degli individui attualmente positivi, che comprende coloro che sono in isolamento domiciliare, i ricoverati con sintomi e in terapia intensiva. I dati utilizzati nel presente lavoro sono quelli forniti giornalmente a livello ufficiale dal Dipartimento della Protezione Civile sull’andamento del COVID-19 nella regione Umbria e nell’intera penisola italiana. La prima classe di modelli che viene presa in esame è basata sulla distribuzione di Poisson, che è stata proposta dal matematico francese Siméon Denis Poisson (1781-1840) e poi estesa recentemente per tenere conto della correlazione temporale dei dati. La seconda classe di modelli è basata sulla distribuzione Binomiale Negativa che, pur essendo meno utilizzata della distribuzione di Poisson presenta delle peculiarità di interesse ed è stata formulata, in una versione preliminare, dal matematico Blaise Pascal (1623-1662). Infatti una formulazione particolare di questo modello è nota anche come distribuzione di Pascal. Questi modelli permettono di effettuare delle previsioni e dei confronti tra regioni o nazioni in quanto servono a regolarizzare i dati raccolti giornalmente. Nel presente capitolo si confronta l’andamento della prevalenza stimata per l’Umbria e per l’Italia.
Capitolo o saggio
modello autoregressivo, modello lineare generalizzato, prevalenza dei casi attualmente positivi
Italian
Il COVID-19 tra emergenza sanitaria ed emergenza economica: riflessioni dal mondo delle scienze sociali
Luca Ferrucci
set-2020
2020
978-88-9392-193-0
Morlacchi Editore
39
57
Bartolucci, F., Pennoni, F. (2020). Alcuni modelli per dati di conteggio con applicazione a COVID-19. In Luca Ferrucci (a cura di), Il COVID-19 tra emergenza sanitaria ed emergenza economica: riflessioni dal mondo delle scienze sociali (pp. 39-57). Morlacchi Editore.
none
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/284182
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
Social impact