Proyecciones matemáticas del COVID-19: simulación de escenarios para la elección 2021 en México

Resumen

RESUMEN
En este trabajo analizamos escenarios hipotéticos para contagios de COVID-19 durante la elección 2021 en México. Del 2 de abril al 2 de junio 2021 se llevarán a cabo elecciones de diputados federales, diputados locales, gubernaturas y presidencias municipales en lo que es considerada como la elección más grande en la historia de México; se estima que las actividades de las campañas electorales y el día de la votación se incrementará la movilidad de las personas y con ello su riesgo de contagio por COVID-19. Usando datos históricos de razones de contagios se define la media de estos datos, su desviación estándar y mediante una distribución t-Student se obtiene un intervalo de 90% de confianza para la media. Se utilizan el centro y ambos extremos de este intervalo como tasas de incremento para simular el crecimiento de casos en dos periodos (primer mes: elección diputados federales; segundo mes: elección gubernaturas, diputados locales y ayuntamientos); se reportan simulaciones usando algoritmos de aprendizaje de máquina a 2 meses pasadas las elecciones.
Palabras clave: aprendizaje máquina, proyecciones COVID-19, elección 2021 México.

SUMMARY
In this work we analyze hypothetical scenarios for COVID-19 infections during the 2021 election in Mexico; from april 2 to june 2, 2021, elections for federal deputies, local deputies, governorships and municipal presidencies will be held in what is considered the largest election in Mexico´s history; it is estimated that the activities of the electoral campaigns and the election day will increase the mobility of people and with it their risk of contagion by COVID-19. Using historical data on infection rates, the mean of these data is defined, its standard deviation and a t-Student distribution is used to obtain a 90% confidence interval for the mean. The center and both ends of this interval are used as rates of increase to simulate the growth of cases in two periods (first month; election of federal deputies; second month; election of governorships, local deputies and municipalities), simulations are reported using machine learning algorithms 2 monts after the elections.
Keywords: machine learning, COVID-19 projections, Mexico 2021 election