Propiedades de sistema complejo en la propagación de la pandemia del COVID-19
PDF (English)

Cómo citar

Quimbay, C. (2021). Propiedades de sistema complejo en la propagación de la pandemia del COVID-19. Revista De La Academia Colombiana De Ciencias Exactas, Físicas Y Naturales, 45(177), 1039–1052. https://doi.org/10.18257/raccefyn.1459

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

También puede {advancedSearchLink} para este artículo.

Métricas Alternativas


Dimensions

Resumen

El principal objetivo de este trabajo fue mostrar que la propagación de la pandemia de COVID-19 alrededor del mundo exhibe propiedades de sistema complejo tales como leyes lognormales, escalamiento de la fluctuación temporal y correlación en el tiempo. Primero, el número acumulado diario de casos confirmados y de muertes se distribuye entre los países del mundo como lognormales, de tal manera que estas series de tiempo exhiben la propiedad de escalamiento de la fluctuación temporal. Segundo, se muestra que las series de tiempo de retornos diarios de casos confirmados y de muertes por día están asociadas con distribuciones de Levy estables, y que presentan la propiedad de correlación temporal. La principal motivación del trabajo fue llamar la atención sobre el hecho de que la propagación de la pandemia de COVID-19 puede verse como un sistema complejo y contribuir a determinar las propiedades estructurales de este sistema, lo que es relevante dado que se espera que los futuros modelos estocásticos que describan la propagación de la pandemia desde la perspectiva de una dinámica microscópica deberían poder explicar, en principio, el surgimiento de las propiedades estructurales establecidas en este trabajo.

https://doi.org/10.18257/raccefyn.1459

Palabras clave

Pandemia de COVID-19 | Propagación | Series de tiempo | Distribuciones lognormales y de Levy estables | Escalamiento de la fluctuación temporal | Correlación temporal
PDF (English)

Referencias

Abril F. S. & Quimbay C. J. (2021). Temporal fluctuation scaling in nonstationary time series using the path integral formalism. Physical Review E. 103: 042126. Doi: 10.1103/PhysRevE.103.042126

Álvarez, E., Brida, J. G., Linas, E. (2020). Comparisons of COVID-19 dynamics in the different countries of the World using time-series clustering. medRXiv preprint. Doi: 10.1101/2020.08.18.20177261

Anacleto, M. A., Brito, F. A., de Queiroz, A. R., Passos, E., Santos, J. R. L. (2020). Diffusive process under Lifshitz scaling and pandemics scenarios. Physica A: Statistical Mechanics and its Applications. 559: 125092. Doi: 10.1016/j.physa.2020.125092

António, N., Rita, P., Saraiva, P. (2021). COVID-19: Worldwide profiles during the first 250 days. Applied Sciences. 11: 3400. Doi: 10.3390/app11083400

Barro, R. J., Ursúa, J. F., Weng, J. (2020). The Coronavirus and the Great Influenza Pandemic: Lessons from the “Spanish Flu”for the Coronavirus’s potential effects on mortality and economic activity. Working Paper 26866. National Bureau of Economic Research. Doi 10.3386/w26866

Beare, B. K. & Toda, A. A. (2020). Diffusive process under Lifshitz scaling and pandemics scenarios. Physica D: Nonlinear Phenomena. 412: 132649. Doi: 10.1016/j.physd.2020.132649

Chen, C. C., Lee, Y. T., Chang, Y. F. (2008). A relationship between Hurst exponents of slip and waiting time data of earthquakes. Physica A: Statistical Mechanics and its Applications. 387(18): 4643-4648. Doi: 10.1016/j.physa.2007.08.063

Dimarco, G., Pareschi, L., Toscani, G., Zanella, M. (2020). Wealth distribution under the spread of infectious diseases. Physical Review E.102: 022303. Doi: 10.1103/PhysRevE. 102.022303

Dong, E., Du, H., Gardner, L. (2020). An interactive web-based dashboard to track COVID-19 in real time. Correspondence. 20 (5): 533-534. Doi: 10.1016/S1473-3099(20)30120-1

Drăgulescu, A. & Yakovenko, V. M. (2000). Statistical mechanics of money. The European Physical Journal B. 17: 723-729. Doi: 10.1007/s100510070114

Eisler, Z. & Kertész, J. (2006). Scaling theory of temporal correlations and size-dependent fluctuations in the traded value of stocks. Physical Review E. 73: 046109. Doi: 10.1103/PhysRevE.73.046109

Eisler, Z., Bartos, I., Kertész, J. (2007). Fluctuation scaling in complex systems: Taylor’s law and beyond. Advances in Physics. 57 (1): 89-142. Doi: 10.1080/00018730801893043

Feoli, A., Lannella, A. L., Benedetto, E. (2020). Spreading of COVID-19 in Italy as the spreading of a wave packet. The European Physical Journal Plus. 135: 644. Doi: 10.1140/epjp/s13360-020-00663-7

Fronczak, A. & Fronczak, P. (2010). Origins of Taylor’s power law for fluctuations scaling in complex systems. Physical Review E. 81: 066112. Doi: 10.1103/PhysRevE.81.066112

GitHub. (2021). COVID-19 Data. Accessed on: September 16, 2021. Available from: covid-19 data/public/data at master · owid/covid-19-data · GitHub.

Grau-Carles, P. (2000). Empirical evidence of long-range correlations in stock returns. Physica A: Statistical Mechanics and its Applications. 287 (3-4): 396-404. Doi: 10.1016/S0378-4371(00)00378-2

Hays, J. N. (2005). Epidemics and pandemics: their impact on human history. ABC-Clio, Inc. Santa Barbara, California, Pgs. 23, 41, 171, 193, 385.

Holovatch, Y., Kenna, R., Thurner S. (2017). Complex systems: physics beyond physics. European Journal of Physics. 38: 023002. Doi: 10.1088/1361-6404/aa5a87

Huremović, D. (2019). Brief History of Pandemics (Pandemics Throughout History). In: Huremović D. (eds) Psychiatry of Pandemics. Springer, Cham. Doi: 10.1007/978-3-030-15346-5_2

Limpert, E., Stahel, W. A., Abbt M. (2001). Log-normal distributions across the sciences: keys and klues. BioSciences. 51: 341-352. https://doi.org/10.1641/0006-3568(2001)051[0341:LNDATS]2.0.CO;2

Manttegna, R. N. & Stanley, H. E. (2000). An Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge University Press, Cambridge. p. 48.

Melin, P. & Castillo, O. (2020). Analysis of spatial spread relationships of Coronavirus (COVID-19) pandemic in the world using self-organizing maps. Chaos, Solitons & Fractals. 138: 109917. Doi: 10.1016/j.chaos.2020.109917

Martín-Montoya, L. A., Aranda-Camacho, N. M., Quimbay, C. J. (2015). Long-range correlations and trends in Colombian seismic time series. Physica A: Statistical Mechanics and its Applications. 421: 124 133. Doi: 10.1016/j.physa.2014.10.073

Mitzenmacher, M. (2004). A brief history of generative models for power law and lognormal distributions. Internet Mathematics. 1: 226-251. Doi: 10.1080/15427951.2004.10129088

Quevedo, D. S. & Quimbay, C. J. (2020). Non-conservative kinetic model of wealth exchange with saving of production. The European Physical Journal B. 93: 186. Doi: 10.1140/epjb/e2020-10193-3

Sánchez-Granero, M. A., Trinidad-Segovia, J. E., García-Pérez, J. (2008). Some comments on Hurst exponent and the long-memory processes on capital markets. Physica A: Statistical Mechanics and its Applications. 387: 5543-5551. Doi: 10.1016/j.physa.2008.05.053

Stanley, H. E. (1971). Introduction to phase transitions and critical phenomena. Oxford University Press, London. p. 226.

Thurner S., Klimek, P., Hanel, R. (2020). A network-based explanation of why most COVID-19 infection curves are linear. Proceedings of the National Academic of Sciences of the United States of America. 117 (37): 22684-22689. Doi: 10.1073/pnas.2010398117

Trinidad-Segovia, J. E., Fernández-Martínez, M., Sánchez-Granero, M. A. (2012). A note on geometric method-based procedures to calculate the Hurst exponent. Physica A: Statistical Mechanics and its Applications. 391: 2209-2214. Doi: 10.1016/j.physa.2011.11.044

Varotsos. P. A., Sarlis, N. V., Skordas, E. S. (2002). Long-range correlations in the electric signals that precede rupture. Physical Review E. 66: 011902. Doi: 10.1103/PhysRevE.66.011902

Worldometers. (2021). “COVID-19 coronavirus pandemic”. Accessed on: September 16, 2021.Available from: https://www.worldometers.info/coronavirus

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2021 Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales