Estimativa de parâmetros usando a técnica Monte Carlo via Cadeia de Markov aplicados a modelos epidemiológicos para Covid-19 no estado do Pará

Resumo

Neste artigo foi selecionada a técnica bayesiana de Monte Carlo via Cadeia de Markov (MCMC) para estimativa dos parâmetros das equações diferenciais dos modelos compartimentais SQUIDER e SEIR, buscando compreender a propagação da Covid-19 no estado do Pará. Foi elaborado um algoritmo em Matlab reproduzindo a técnica de MCMC que utiliza processos estocásticos e simula um passeio aleatório, onde temos os possíveis valores dos parâmetros amostrados aleatoriamente. Os parâmetros estimados neste trabalho para os modelos SQUIDER e SEIR foram comparados aos dados reais e aplicadas as métricas de Akaike Information Criterion (AIC) e Bayesian Information Criteria (BIC) para definir o modelo que melhor representa o fenômeno de propagação da Covid-19 no estado do Pará. Como resultados foram obtidos histogramas que indicam uma convergência de parâmetros no modelo SQUIDER, o que não aconteceu com o modelo SEIR. Pela aplicação do AIC e BIC foi demonstrado que o modelo SQUIDER é o modelo que melhor representeou a propagação da Covid-19 no estado do Pará e possui um potencial de ser utilizado como modelo preditivo.