Tal vez esto nos ayude a entender si existe relación entre las partículas generadas en el aire(PM10) y como nos afecta durante el tiempo con las consultas externas realizadas en el medico por asma de cualquier tipo. Resumen: En el principio de año crecen de manera exponencial los casos de asma y las partículas (PM10) en el aire, de manera conjunta al tiempo en algunos tipos de asma y dependiendo de la zona, después se ve un decrecimiento de casi hasta lo mínimo de partículas y de consultas externas por asma en el mes 6, es decir, que la causa de estas partículas (pm10) se detiene, es posible que la producción de estas partículas PM10 dejan de estar en mayor concentración a mitad del año (tal vez sus causas originales detienen la producción investigación que no se presenta en el articulo de visualización) luego existe un aumento desde el mes 7 hasta el 11 y de nuevo decrece en el mes 12, tomando así un comportamiento estacionario. Además de estos análisis el poder visualizar el comportamiento de estos dos efectos y como se relacionarán otras variables toman importancia como el tipo de persona, su diagnostico, la EPS a la que realizo la consulta y demás datos estadísticos como la frecuencia y la moda.

Trabajo integrador I - Diplomatura en Ciencias Sociales Computacionales y Humanidades Digitales} Maria de las Nieves Puglia y Belen Lopez Comision A

Comparative lexemes for concept CAMEL across Africa and Near East

district clustering

This model uses freely available data from nflfastR.This project develops an Expected Touchdowns (xTD) model using NFL play-by-play data from 1999–2024. The goal is to estimate the probability of a touchdown on any given play based solely on pre-snap context (e.g., down, distance, yardline, score situation, play type), and then compare expected touchdowns to actual touchdowns for players. The models used are xGBoost and Platt Scaling. The model also outputs top 5 overperformers (luckiest players) and top 5 underperformers (unluckiest players)