Cuantificadores de información aplicados a la evolucion temporal del covid-19

Autores
Gonzalez Acosta, Gaspar Aníbal
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La pandemia de COVID-19 ha sido un desafío global profundo, afectando tanto la salud humana como las estructuras sociales, por lo que comprender su propagación e impacto se ha vuelto crucial. Para cuantificar y analizar la evolución del COVID-19, aplicamos herramientas de la teoría de la información, un marco matemático poderoso que proporciona información sobre patrones, aleatoriedad y complejidad. En este contexto: la entropía de Shannon y la complejidad de Jensen-Shannon.
Carrera: Doctorado de la Facultad de Ciencias Exactas, Área Física Lugar de trabajo: Instituto de Física La Plata (IFLP) Organismo: CIC Año de inicio de beca: 2022 Año de finalización de beca: 2026 Apellido, Nombre del Director/a/e: Kowalski, Andrés Apellido, Nombre del Codirector/a/e: Plastino, Angel Luis Lugar de desarrollo: Instituto de Física La Plata (IFLP) Áreas de conocimiento: Multidisciplina Tipo de investigación: Básica
Facultad de Ciencias Exactas
Materia
Multidisciplina
covid-19
teoría de la información
entropía de shannon
complejidad de jensen-shannon
covid-19
information theory
Shannon Entropy
Jensen-Shannon Complexity
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/173325
Acceder
id SEDICI_420672710564363aae3bc0067be958d3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/173325
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Cuantificadores de información aplicados a la evolucion temporal del covid-19Information quantifiers applied to the temporal evolution of covid-19Gonzalez Acosta, Gaspar AníbalMultidisciplinacovid-19teoría de la informaciónentropía de shannoncomplejidad de jensen-shannoncovid-19information theoryShannon EntropyJensen-Shannon ComplexityLa pandemia de COVID-19 ha sido un desafío global profundo, afectando tanto la salud humana como las estructuras sociales, por lo que comprender su propagación e impacto se ha vuelto crucial. Para cuantificar y analizar la evolución del COVID-19, aplicamos herramientas de la teoría de la información, un marco matemático poderoso que proporciona información sobre patrones, aleatoriedad y complejidad. En este contexto: la entropía de Shannon y la complejidad de Jensen-Shannon.Carrera: Doctorado de la Facultad de Ciencias Exactas, Área Física Lugar de trabajo: Instituto de Física La Plata (IFLP) Organismo: CIC Año de inicio de beca: 2022 Año de finalización de beca: 2026 Apellido, Nombre del Director/a/e: Kowalski, Andrés Apellido, Nombre del Codirector/a/e: Plastino, Angel Luis Lugar de desarrollo: Instituto de Física La Plata (IFLP) Áreas de conocimiento: Multidisciplina Tipo de investigación: BásicaFacultad de Ciencias Exactas2024-11-20info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/173325spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-12T11:10:55Zoai:sedici.unlp.edu.ar:10915/173325Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-12 11:10:55.9SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Cuantificadores de información aplicados a la evolucion temporal del covid-19
Information quantifiers applied to the temporal evolution of covid-19
title Cuantificadores de información aplicados a la evolucion temporal del covid-19
spellingShingle Cuantificadores de información aplicados a la evolucion temporal del covid-19
Gonzalez Acosta, Gaspar Aníbal
Multidisciplina
covid-19
teoría de la información
entropía de shannon
complejidad de jensen-shannon
covid-19
information theory
Shannon Entropy
Jensen-Shannon Complexity
title_short Cuantificadores de información aplicados a la evolucion temporal del covid-19
title_full Cuantificadores de información aplicados a la evolucion temporal del covid-19
title_fullStr Cuantificadores de información aplicados a la evolucion temporal del covid-19
title_full_unstemmed Cuantificadores de información aplicados a la evolucion temporal del covid-19
title_sort Cuantificadores de información aplicados a la evolucion temporal del covid-19
dc.creator.none.fl_str_mv Gonzalez Acosta, Gaspar Aníbal
author Gonzalez Acosta, Gaspar Aníbal
author_facet Gonzalez Acosta, Gaspar Aníbal
author_role author
dc.subject.none.fl_str_mv Multidisciplina
covid-19
teoría de la información
entropía de shannon
complejidad de jensen-shannon
covid-19
information theory
Shannon Entropy
Jensen-Shannon Complexity
topic Multidisciplina
covid-19
teoría de la información
entropía de shannon
complejidad de jensen-shannon
covid-19
information theory
Shannon Entropy
Jensen-Shannon Complexity
dc.description.none.fl_txt_mv La pandemia de COVID-19 ha sido un desafío global profundo, afectando tanto la salud humana como las estructuras sociales, por lo que comprender su propagación e impacto se ha vuelto crucial. Para cuantificar y analizar la evolución del COVID-19, aplicamos herramientas de la teoría de la información, un marco matemático poderoso que proporciona información sobre patrones, aleatoriedad y complejidad. En este contexto: la entropía de Shannon y la complejidad de Jensen-Shannon.
Carrera: Doctorado de la Facultad de Ciencias Exactas, Área Física Lugar de trabajo: Instituto de Física La Plata (IFLP) Organismo: CIC Año de inicio de beca: 2022 Año de finalización de beca: 2026 Apellido, Nombre del Director/a/e: Kowalski, Andrés Apellido, Nombre del Codirector/a/e: Plastino, Angel Luis Lugar de desarrollo: Instituto de Física La Plata (IFLP) Áreas de conocimiento: Multidisciplina Tipo de investigación: Básica
Facultad de Ciencias Exactas
description La pandemia de COVID-19 ha sido un desafío global profundo, afectando tanto la salud humana como las estructuras sociales, por lo que comprender su propagación e impacto se ha vuelto crucial. Para cuantificar y analizar la evolución del COVID-19, aplicamos herramientas de la teoría de la información, un marco matemático poderoso que proporciona información sobre patrones, aleatoriedad y complejidad. En este contexto: la entropía de Shannon y la complejidad de Jensen-Shannon.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-20
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/173325
url http://sedici.unlp.edu.ar/handle/10915/173325
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1848605820735979520
score 12.976206

Publicaciones similares