Animal Spirits y no-ergodicidad para COVID 19 en algunos estados de México
Barra lateral del artículo
Contenido principal del artículo
A partir de datos día a día de los fallecimientos por COVID-19 en México, se desarrolla un modelo de ajuste para la predicción de la cima de fallecimientos en cuatro estados de México; 2 con vocación turística y 2 con vocación industrial. Se pronostica que la cima o “pico” de fallecimientos ocurrirá el día 107 de la pandemia para el estado de Quintana Roo y los días 68, 109 y 72 para los estados de Baja California Sur, Estado de México y Nuevo León. Sin embargo, los hallazgos sugieren que el comportamiento no-ergódico es característico a fenómenos que dependen del comportamiento humano, debido al “animal spirits” que conduce a la irracionalidad en la toma de decisiones de las personas. La evidencia apunta a la necesidad de construcción de hipótesis alternativas, para analizar el comportamiento humano, ante fenómenos de incertidumbre.
Akerlof, G. A. & Shiller, R. J. (2010). Animal spirits: How human psychology drives the economy, and why it matters for global capitalism. Princeton university press.
Batista, M. (2020). Estimation of the final size of the coronavirus epidemic by the SIR model. Onlinepaper, ResearchGate, 1-12.
Berger, R. (1981). Comparison of the Gompertz and Logistic Equations to Describe Plant Disease Progress.Phytopathology,71(7), 716-719.
Blanchard, O. (2016). Do DSGE models have a future?Revista de Econom ́ıa Institucional,18(35), 39-46.
Blanchard, O. (2017). The need for different classes of macroeconomic models. Peterson Institute for International Economics, Realtime Economics Watch January 12th. %5Curl % 7Bhttps://piie.com/blogs/realtime-economic-issues-watch/need-different-classes-macroeconomicmodels%7D
Farmer, R. E. (2013). Animal spirits, financial crises and persistent unemployment.The Economic Jour-nal,123(568), 317-340.
Guerrazzi, M. (2015). Animal spirits, investment and unemployment: An old Keynesian view of the GreatRecession.EconomiA,16(3), 343-358.
Hendry, D. F. & Muellbauer, J. N. (2018). The future of macroeconomics: macro theory and models at the Bank of England. Oxford Review of Economic Policy,34(1-2), 287-328.
Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X.et al. (2020). Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. The lancet,395(10223), 497-506.
Jiang, F., Deng, L., Zhang, L., Cai, Y., Cheung, C. W. & Xia, Z. (2020). Review of the clinical characteristics of coronavirus disease 2019 (COVID-19). Journal of general internal medicine, 1-5.
Korinek, A. (2017). Thoughts on DSGE Macroeconomics: Matching the Moment, But Missing the Point?But Missing the Point.
Lucas Jr, R. E. (2003). Macroeconomic priorities. American economic review,93(1), 1-14.
Oral, E. (2006). Binary regression with stochastic covariates.Communications in Statistics-Theory and Methods, 35(8), 1429-1447.
Pang, F.-R., Luo, Q.-H., Hong, X.-Q., Wu, B., Zhou, J.-H., Zha, W.-T. & Lv, Y. (2019). The study on the early warning period of varicella outbreaks based on logistic differential equation model. Epidemiology & Infection, 147.
SALUD. (2020). Información referente a casos COVID-19 en México. Consultado el 15 de mayo de 2020, desde %5Curl%7Bhttps://datos.gob.mx/busca/dataset/informacion-referente-a-casos-covid-19-en-mexico%7D
Soo, C. (2015). Quantifying animal spirits: news media and sentiment in the housing market. Ross Schoolof Business Paper, (1200).
Stephens, M. A. (1979).The anderson-darling statistic (inf. téc.). STANFORD UNIV CA DEPT OFSTATISTICS.
Stiglitz, J. E. (2015).Towards a general theory of deep downturns (inf. téc.). National Bureau of Economic Research. https://www.nber.org/papers/w21444
Stiglitz, J. E. (2018). Where modern macroeconomics went wrong.Oxford Review of Economic Policy,34(1-2), 70-106.
Stilianakis, N. I., Perelson, A. S. & Hayden, F. G. (1998). Emergence of drug resistance during an influenzaepidemic: insights from a mathematical model.Journal of Infectious Diseases,177(4), 863-873.
Tátrai, D. & V ́arallyay, Z. (2020). COVID-19 epidemic outcome predictions based on logistic fitting andestimation of its reliability.arXiv preprint arXiv:2003.14160.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Contenido principal del artículo
A partir de datos día a día de los fallecimientos por COVID-19 en México, se desarrolla un modelo de ajuste para la predicción de la cima de fallecimientos en cuatro estados de México; 2 con vocación turística y 2 con vocación industrial. Se pronostica que la cima o “pico” de fallecimientos ocurrirá el día 107 de la pandemia para el estado de Quintana Roo y los días 68, 109 y 72 para los estados de Baja California Sur, Estado de México y Nuevo León. Sin embargo, los hallazgos sugieren que el comportamiento no-ergódico es característico a fenómenos que dependen del comportamiento humano, debido al “animal spirits” que conduce a la irracionalidad en la toma de decisiones de las personas. La evidencia apunta a la necesidad de construcción de hipótesis alternativas, para analizar el comportamiento humano, ante fenómenos de incertidumbre.
Akerlof, G. A. & Shiller, R. J. (2010). Animal spirits: How human psychology drives the economy, and why it matters for global capitalism. Princeton university press.
Batista, M. (2020). Estimation of the final size of the coronavirus epidemic by the SIR model. Onlinepaper, ResearchGate, 1-12.
Berger, R. (1981). Comparison of the Gompertz and Logistic Equations to Describe Plant Disease Progress.Phytopathology,71(7), 716-719.
Blanchard, O. (2016). Do DSGE models have a future?Revista de Econom ́ıa Institucional,18(35), 39-46.
Blanchard, O. (2017). The need for different classes of macroeconomic models. Peterson Institute for International Economics, Realtime Economics Watch January 12th. %5Curl % 7Bhttps://piie.com/blogs/realtime-economic-issues-watch/need-different-classes-macroeconomicmodels%7D
Farmer, R. E. (2013). Animal spirits, financial crises and persistent unemployment.The Economic Jour-nal,123(568), 317-340.
Guerrazzi, M. (2015). Animal spirits, investment and unemployment: An old Keynesian view of the GreatRecession.EconomiA,16(3), 343-358.
Hendry, D. F. & Muellbauer, J. N. (2018). The future of macroeconomics: macro theory and models at the Bank of England. Oxford Review of Economic Policy,34(1-2), 287-328.
Huang, C., Wang, Y., Li, X., Ren, L., Zhao, J., Hu, Y., Zhang, L., Fan, G., Xu, J., Gu, X.et al. (2020). Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. The lancet,395(10223), 497-506.
Jiang, F., Deng, L., Zhang, L., Cai, Y., Cheung, C. W. & Xia, Z. (2020). Review of the clinical characteristics of coronavirus disease 2019 (COVID-19). Journal of general internal medicine, 1-5.
Korinek, A. (2017). Thoughts on DSGE Macroeconomics: Matching the Moment, But Missing the Point?But Missing the Point.
Lucas Jr, R. E. (2003). Macroeconomic priorities. American economic review,93(1), 1-14.
Oral, E. (2006). Binary regression with stochastic covariates.Communications in Statistics-Theory and Methods, 35(8), 1429-1447.
Pang, F.-R., Luo, Q.-H., Hong, X.-Q., Wu, B., Zhou, J.-H., Zha, W.-T. & Lv, Y. (2019). The study on the early warning period of varicella outbreaks based on logistic differential equation model. Epidemiology & Infection, 147.
SALUD. (2020). Información referente a casos COVID-19 en México. Consultado el 15 de mayo de 2020, desde %5Curl%7Bhttps://datos.gob.mx/busca/dataset/informacion-referente-a-casos-covid-19-en-mexico%7D
Soo, C. (2015). Quantifying animal spirits: news media and sentiment in the housing market. Ross Schoolof Business Paper, (1200).
Stephens, M. A. (1979).The anderson-darling statistic (inf. téc.). STANFORD UNIV CA DEPT OFSTATISTICS.
Stiglitz, J. E. (2015).Towards a general theory of deep downturns (inf. téc.). National Bureau of Economic Research. https://www.nber.org/papers/w21444
Stiglitz, J. E. (2018). Where modern macroeconomics went wrong.Oxford Review of Economic Policy,34(1-2), 70-106.
Stilianakis, N. I., Perelson, A. S. & Hayden, F. G. (1998). Emergence of drug resistance during an influenzaepidemic: insights from a mathematical model.Journal of Infectious Diseases,177(4), 863-873.
Tátrai, D. & V ́arallyay, Z. (2020). COVID-19 epidemic outcome predictions based on logistic fitting andestimation of its reliability.arXiv preprint arXiv:2003.14160.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.