Detailansicht
Agentenbasierte Modellierung des Sars-CoV-2 Virus auf Bezirksebene in Österreich am Beispiel des Bezirks Melk
Daniel Karas
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Magisterstudium Statistik
Betreuer*in
Immanuel Bomze
DOI
10.25365/thesis.72052
URN
urn:nbn:at:at-ubw:1-16057.15168.558384-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das Jahr 2020 stellte das Leben der gesamten Menschheit auf den Kopf. Innerhalb kürzester Zeit mussten wegen des SARS-CoV-2 Virus einschneidende Maßnahmen, welche alle Lebensbereiche betrafen, eingesetzt werden, um die Verbreitung des Erregers zu verhindern. Aufgrund von Expertenwissen konnte die Politik auf verschiedenste valide Maß- nahmen zur Bekämpfung des Virus zurückgreifen. Diese Arbeit beschäftigt sich mit dem mathematischen und statistischen Hintergrund, mithilfe dessen die gesetzten Maßnahmen überprüft und Vorhersagen getätigt werden. Dabei werden die sogenannten Agent Based Models im Detail betrachtet. Diese werden nach einem generellen Überblick über die Epidemiologie des Virus im Allgemeinen behandelt, um eine gemeinsame Wissensgrundlage zu schaffen. In weiterer Folge werden konkrete Beispiele für solche Modelle anhand der Modellierung des SARS-CoV-2 Virus präsentiert. Der Kern dieser Arbeit bildet ein selbstentwickeltes Agent Based Model, welches zur Prognose des SARS-CoV-2 Virus dient. Bei der Entwicklung des Modells wurde großer Wert auf die Einfachheit und Genauigkeit gelegt. Zusammenfassend wird durch diese Arbeit ein Überblick über die Methode der Agent Based Models gegeben und eine aktuelle Anwendung mittels eines selbstentwickelten Modells präsentiert.
Schlagwörter
Schlagwörter
(Deutsch)
Agentenbasierte Modellierung SARS-CoV-2 Virus Prognose
Autor*innen
Daniel Karas
Haupttitel (Deutsch)
Agentenbasierte Modellierung des Sars-CoV-2 Virus auf Bezirksebene in Österreich am Beispiel des Bezirks Melk
Publikationsjahr
2022
Umfangsangabe
71 Seiten
Sprache
Deutsch
Beurteiler*in
Immanuel Bomze
AC Nummer
AC16598373
Utheses ID
63919
Studienkennzahl
UA | 066 | 951 | |