Cuantificadores de información e impredictibilidad en las series temporales asociadas a la COVID-19

Abstract

Aplicamos diferentes cuantificadores de información al estudio de series temporales de COVID-19. En primer lugar, analizamos cómo el hecho de suavizar las curvas altera el contenido de información de la serie, aplicando la entropía de permutaciones y la entropía wavelet a la serie de casos diarios nuevos mediante un método de ventana móvil. Además, para estudiar qué tan acopladas están las curvas asociadas con los nuevos casos diarios de infecciones y muertes, calculamos la coherencia wavelet. Nuestros resultados muestran cómo se pueden utilizar cuantificadores de información para analizar el comportamiento impredecible de esta pandemia en el corto y mediano plazo.

We apply different information quantifiers to the study of COVID-19time series. First, we analyze how the fact of smoothing the curves altersthe informational content of the series, by applying the permutation andwavelet entropies to the series of daily new cases using a sliding-windowmethod. In addition, to study how coupled the curves associated with dailynew cases of infections and deaths are, we compute the wavelet coherence.Our results show how information quantifiers can be used to analyze theunpredictable behavior of this pandemic in the short and medium terms.