causado por favorecer sistem

aticamente cierta salida en detrimento de otras. Sin embargo, se usan como

sinonimos frecuentemente. En epidemiologa suele usarse el termino sesgo para errores que aplican en
forma diferente para distintos grupos. Puede ser intencional o no. La investigacion biologica es difcil
por la complejidad y heterogeneidad de seres vivos y la variabilidad que ocurre en los descriptores y
biologicas. A esto se agregan las dificultades tecnicas, de costos y eticas (tanto para investigaciones con
animales como con seres humanos).
El error y el sesgo pueden surgir, entre otras posibilidades, en la seleccion y en el an
alisis e
interpretacion de los datos. Surge la pregunta sobre si el error y el sesgo son inherentes al proceso
investigativo. El sesgo provoca un falso entendimiento de las diferencias entre grupos y genera patrones
incorrectos de enfermedad, por lo que puede considerarse mas importante que los errores al azar, que
afectan a todas las comparaciones por igual (aunque los errores que afectan por igual pueden llevar
tambien a conclusiones err
oneas).

1.6.

Conclusi
on

Captulo 2

Revisi
on de modelos basados en EDO
2.1.

Introducci
on

En este captulo se hace una revisi

on de modelos epidemiologicos basados en ecuaciones diferenciales ordinarias. Son modelos denominados compartimentales, entendiendo como compartimiento a una
region con material o individuos distribuidos uniformemente. Los modelos compartimentales cumplen
con las siguientes hip
otesis:
La distribuci
on es uniforme en cada compartimiento.
La distribuci
on de individuos al ingresar a un compartimiento es instantanea.
La tasa de paso de un material de un compartimiento a otro se relaciona con la cantidad de
material existente.
Usualmente existe una ley de conservacion de alguna cantidad (masa, energa u otra entidad
fsica), pero en nuestro caso no es estrictamente necesario.
De todos los modelos presentados se hace especial hincapie en el modelo SEIR, que es el que se
toma como base para el desarrollo posterior de los modelos basados en automatas y en agentes. Se
realiza un an
alisis del modelo matem
atico, los parametros involucrados en el, la estabilidad del sistema
y el plano de fase.
(Galvani and May, 2005)

2.2.

Modelo SEIR con poblaci

on constante y est
atica

En este modelo SEIR, los individuos se encuentran divididos en cuatro grupos (Li and Muldowney,
1995; Li et al., 1999; Li and Jin, 2005):
9

S (Susceptibles): Individuos que estan sanos pero que pueden contraer la enfermedad. En este
modelo, esto implica que a
un no han contrado la enfermedad.
E (Expuestos): Individuos que portan la enfermedad pero que, al hallarse en su perodo de
incubaci
on, no muestran sntomas y no infectan a otros.
I (Infecciosos): Individuos que tienen la enfermedad y pueden transmitirla.
R (Recuperados): Se agrupa con esta denominacion a los individuos que se han curado y est
an
inmunizados, y a los individuos que estan enfermos pero en cuarentena (por lo que no infectan a
otros).
Las asunciones b
asicas en este modelo son (Li et al., 2006):
La enfermedad que se modela confiere inmunidad a las personas que se recuperan.
La poblaci
on total (N ) es constante. Es decir, S(t) + E(t) + I(t) + R(t) = N , Esto implica que
los nacimientos y muertes en el perodo son despreciables, y que la enfermedad no es mortal.
La poblaci
on se encuentra uniformemente distribuida en la region considerada.
El flujo es unidireccional:
SEIR
La tasa de incremento de E es proporcional al n
umero de contactos entre S y I. Asimismo, esta
es tambien la tasa de decremento de S (dado que el flujo es unidireccional, todo nuevo expuesto
proviene de la poblaci
on susceptible).
La tasa de disminuci
on de S, E e I son proporcionales a S, E e I, respectivamente (ya que a
mayor poblaci
on, mayor cantidad de individuos se vuelve expuesta, infectada o recuperada en
cada caso). Asimismo, el aumento de R es igual a la disminucion de I.
Las ecuaciones que describen un modelo de tales caractersticas son (Li et al., 1999; Zhang and
Teng, 2008; Li and Muldowney, 1995)

dS
dT
dE
dT
dI
dT
dR
dT

SI,
N

= SI E,
N
=

=E I,
=I.

10

(2.1)

Es decir, a partir del momento de inicio de la infeccion, S solo puede disminuir, porque una vez
recuperado, el individuo no puede infectarse nuevamente. La tasa de disminucion es proporcional al
producto entre el tama
no de la poblacion sana y la fraccion infectada en cada momento (I/N ), pues
esto determina la fracci
on de contactos potencialmente infecciosos y, por lo tanto, la velocidad de
infeccion. El aumento del n
umero de individuos expuestos es, como previamente se explico, igual a
la disminuci
on de individuos sanos. Al mismo tiempo, existe una tasa de disminucion de individuos
expuestos, determinada por la duraci
on del perodo de latencia y el ingreso de los individuos expuestos
a la poblacion de individuos infectados. Esta tasa es proporcional a la poblacion misma de expuestos,
ya que cuantos m
as individuos expuestos haya, mayor cantidad pasara al estado infeccioso.
La tasa de disminuci
on de individuos expuestos corresponde a la de aumento en individuos infecciosos. Los infecciosos pasan al compartimento de recuperados tambien a su propia tasa, proporcional al
n
umero de infecciosos. La tasa de individuos que se recuperan es proporcional al n
umero de infectados
en cada momento, por lo que el termino es identico al de disminucion de infecciosos, pero con signo
opuesto.
Los par
ametros que afectan a cada termino de la ecuacion pueden tomarse como constantes o
variables, y dependen de la naturaleza de la enfermedad, de la poblacion, su distribucion, h
abitos y
zona geografica.

2.3.

Modelo SEIR con poblaci

on constante y din
amica

Si la duraci
on de la enfermedad es lo suficientemente prolongada, deben tenerse en cuenta las tasas
de nacimiento y defunci
on, porque afectan a la evolucion temporal de la epidemia. Durante el transcurso
de la epidemia, los nacimientos se incorporan directamente a la poblacion susceptible. Al mismo tiempo,
las defunciones pueden ocurrir en todas las poblaciones, por lo que un termino relacionado con la tasa
de defuncion debe ser incluido en cada ecuacion. Como a
un se considera a la poblacion constante, la
tasa de nacimientos debe estar balanceada con la tasa de defuncion.
La nuevas ecuaciones quedan entonces dadas por: (Li and Muldowney, 1995)

dS
dT
dE
dT
dI
dT
dR
dT

=N S
=

SI,
N

SI ( + )E,
N

(2.2)

=E ( + )I,
=I R.

Se incorpora un termino de nacimientos, proporcional a la poblacion N (ya que todos los nacimientos se incorporan a la poblaci
on susceptible) y un termino de decesos, proporcional a la poblaci
on de
susceptibles S (los fallecidos de otros compartimentos, se restan en el compartimento correspondiente).
11

La tasa se considera igual en ambos casos, por lo que el parametro usado es el mismo. En la
poblacion expuesta, se restan no s
olo quienes pasan a ser infecciosos, sino quienes fallecen. De manera
similar, tambien se restan en la poblaci
on de infecciosos y en la de recuperados. En total, las defunciones
en cada compartimento dan cuenta de la tasa en toda la poblacion.

2.4.

Modelo SEIR con poblaci

on variable

Si la tasa de natalidad es distinta a la de mortalidad, o incluso varan en el tiempo, el modelo se

modifica simplemente reemplazando el parametro por el parametro de natalidad en el primer termino
de la ecuacion correspondiente a la poblacion susceptible: (Li et al., 1999; Li and Muldowney, 1995)
dS

= N SI S.
dT
N

(2.3)

Es este caso ya no se cumple el requerimiento de poblacion constante de los modelos compartimentales.

2.5.

Otros modelos

Existen muchas variantes de modelos epidemiologicos, cada una se adecua mejor a un tipo de
epidemia o enfermedad. Sin embargo, todas guardan una estrecha relacion entre s. Entre ellas, se
pueden mencionar:
Modelos SIR: Si nos ocup
aramos de una enfermedad con un perodo de latencia lo suficientemente
breve, podramos considerarlo como despreciable, y el compartimento E desaparecera de las ecuaciones
consideradas. El modelo pasa a tener un flujo S I R, y las ecuaciones se reducen a (Beretta and
Takeuchi, 1995; Satsuma et al., 2004):

dS

=N SI S,
dT
N
dI

= SI ( + )I,
dT N
dR
=I R.
dT

(2.4)

Modelos SIS: Los modelos vistos hasta ahora consideran que los individuos recuperados quedan
inmunizados. Pero si la enfermedad no confiere inmunidad, la clase R ya no puede considerarse, porque
todos los recuperados son nuevamente susceptibles, y el progreso ya no sera unidireccional. Si tampoco
consideramos el perodo de latencia, se tendran solo dos clases, S e I, y un flujo S I S. En esta

12

situacion, las ecuaciones se reducen a: (Vries et al., 2005)

dS

=N SI S + I,
dT
N
dI

= SI ( + )I.
dT N

(2.5)

Como puede verse, el termino correspondiente a los recuperados del modelo SIR, simplemente se
incorpora a la ecuaci
on de individuos susceptibles.
Modelos SIRS: Una situaci
on intermedia se dara si los individuos recuperados adquieren inmunidad, pero una cierta proporci
on la puede perder. El compartimento R debe considerarse, pero una
parte de el vuelve al compartimento S, en un flujo S I R S. Las ecuaciones diferenciales que
lo describen son: El modelo pasa a tener un flujo S I R, y las ecuaciones se reducen a:(Vries
et al., 2005; Liu et al., 1986; Wen and Yang, 2008)

dS

=N SI S + R,
dT
N

dI
= SI ( + )I,
dT N
dR
=I R R.
dT

(2.6)

El nuevo termino en las ecuaciones corresponde a la proporcion de individuos recuperados que

puede volver a ser susceptible. Este termino se suma en la primer ecuacion y se resta en la u
ltima.
Modelos SEIS: Descartando la caracterstica de inmunizacion, el SEIR se reduce a: (Vries et al.,
2005)
SEIS
Con ecuaciones:

dS

=N SI S + I,
dT
N
dE
= SI ( + )E,
dT N
dI
=E ( + )I.
dT

(2.7)

Modelos MSIR: En ciertos tipos de enfermedades se considera un compartimento M (proveniente

de maternally derived immunity), que incluye a los llamados infantes con inmunidad pasiva. Los
recien nacidos son inmunes durante un cierto tiempo, pero luego se vuelven susceptibles. El flujo resulta:
13

M SIR
Y las ecuaciones devienen en: (Vries et al., 2005; Hethcote, 2000)

dM
dT
dS
dT
dI
dT
dR
dT

MS
M,
N
MS

=
SI S,
N
N

= SI ( + )I,
N
=N

(2.8)

=I R.

Los nacimientos se incorporan a M . La incorporacion a S depende de los contactos entre M y S,

y del parametro , dependiente de la poblacion y el tipo de enfermedad. Como en otros casos, puede
considerarse una poblaci
on E, resultando un modelos MSEIR, y distintas evoluciones de la poblaci
on
inmune, resultando modelos MSEIS o MSEIRS.

2.6.

An
alisis del modelo SEIR

El modelo SEIR es el que servir

a de punto de partida para desarrollar los modelos basados en
automatas y agentes. En esta secci
on se procede a analizar este modelo, su dinamica, su comportamiento
dentro y fuera del equilibrio y los par
ametros que incorpora.

2.6.1.

Par
ametros de las ecuaciones

Los par
ametros pueden considerarse constantes o variables, dependiendo de las circunstancias
(Hethcote, 2000; Li and Muldowney, 1995; Li et al., 1999, 2006). No obstante, lo mas com
un es que
sean constantes. En el caso del modelo SEIR, los parametros que afectan a las ecuaciones diferenciales
son:
: El par
ametro es la probabilidad efectiva, o tasa por persona a la que un individuo expuesto
pasa al estado infeccioso. Se relaciona con la duracion del perodo de latencia en forma inversa
(1/ es la duraci
on media del perodo de latencia).
: es la probabilidad o tasa por persona de recuperacion de los individuos infectados. En forma
similar a , 1/ es la duraci
on media del perodo infeccioso.
: se refiere a la tasa de mortalidad, por persona.
: es la tasa de natalidad por persona. Para el caso de una poblacion constante, es igual a la tasa
de mortalidad, por lo que se usa solo uno de los dos.
14

: el contacto entre susceptibles e infecciosos lleva a la transmision efectiva del agente infeccioso
con una cierta probabilidad, representada en las ecuaciones por el parametro . Este par
ametro
es en realidad una probabilidad efectiva; es la tasa de infeccion por persona, y tiene en cuenta el
tipo de contacto y la duraci
on del perodo infeccioso. Suele denominarse fuerza de infecci
on.
En su forma m
as simple, se considera que cualquiera puede contactar con cualquiera en la poblaci
on
(principio de acci
on de masas), los diferentes compartimentos poblacionales se encuentran mezclados
en forma homogenea. De esta forma, el modelo SEIR se ve muy simplificado. No se consideran factores
como las edades, organizaci
on y estratos sociales, variaciones estacionales o diferencias geogr
aficas. De
esta forma, la fuerza de infecci
on puede considerarse como una constante, independiente del tiempo
u otras variables. Esto, por supuesto, conlleva a un modelo menos preciso, y solo suele ser u
til para
predicciones a corto plazo.
Si se considerara, por ejemplo, la dependencia con el tiempo, se podra tomar a como una funci
on
periodica, que variara seg
un la epoca del a
no:
(t) = 0 (1 + 1 cos(2t)).

(2.9)

Si el tiempo est
a expresado en a
nos, se tiene un perodo anual (como se da en el caso del resfro y
otras infecciones).
Ro: este par
ametro adimensional, denominado n
umero b
asico de reproducci
on, determina el potencial de infecci
on de una poblacion, es una medida de la fuerza de la infecci
on. Se define como el
valor promedio de infecciones secundarias que ocurren cuando un individuo infectado es introducido en una poblaci
on formada integramente por individuos susceptibles.(Li et al., 1999) Si bien
no aparece en las ecuaciones en forma directa, esta relacionado con los otros parametros, y especialmente con (Ro y son claves en los modelos epidemiologicos. El problema principal en estos
modelos es que el patr
on de contactos casi siempre es desconocido y difcil de medir. Adem
as, el
termino S(t)I(t) es una fuente importante de no linelidad. Puede hacer la diferencia entre una
evoluci
on cclica de la incidencia y un regimen caotico). La evolucion de una enfermedad puede
determinarse a partir de Ro. Si Ro es menor a 1, la enfermedad tendera a desaparecer porque, en
promedio, un infectado transmite a menos de una persona. De esta forma, cuando cada infectado
se recupera, deja menos infectados nuevos, determinando un decaimiento que continuar
a a menos que Ro aumente. Si Ro es a 1, la poblacion infectada se incrementa permanecera en forma
endemica, con una poblaci
on infectada aproximadamente constante. En el caso en que Ro fuera
mayor a 1, cada nueva generacionde infectados es mayor que la anterior, dando lugar a un
crecimiento de S. Pero este crecimiento no contin
ua indefinidamente, ya que el proceso de infeccion reduce la cantidad de susceptibles disponibles, disminuyendo la probabilidad de contacto
entre un infeccioso y un susceptible, alejandose de la correspondiente a Ro. El rango de valores
de Ro tambien puede indicar las posibilidades de accion directa sobre la epidemia. Valores de Ro
cercanos a 3, son indicadores de una epidemia que puede controlarse con acciones basicas como
aislamiento o cuarentena (por ejemplo en caso de una epidemia de influenza). Valores mayores
a 10, como en el caso del sarampion, indican una virtual imposibilidad de control sin recurrir a
vacunaci
on masiva.
15

R y : junto con Ro, se definen otros parametros umbral: el n

umero de contacto () y el n
umero
de reemplazo (R). se define como el promedio de contactos adecuado de un individuo infeccioso
durante todo el perodo de infeccion (entendiendo como adecuado a un contacto suficiente como
para causar contagio, si sucediera entre un susceptible y infeccioso). R se define como el promedio
de infecciones secundarias que produce un individuo infectado durante todo el perodo de infeccion.(Li and Jin, 2005; Li et al., 2006) Ro, R, y son iguales si las medimos solo al comienzo de
la infecci
on, cuando toda la poblacion es susceptible. Pero como Ro se define solo al comienzo
del brote las otras en todo el perodo, su valor puede variar. Para la mayora de los modelos, sin
embargo, permanece constante, por lo que es siempre igual a Ro. Casos en que vara pueden
ejemplificarse con el modelo de pertusis, en el que el n
umero de contacto disminuye por la aparicion de una nueva clase de individuos con menor infectividad luego de que la enfermedad ya ha
ingresado a la poblaci
on. R siempre es menor a Ro luego de comenzada la infeccion; el n
umero
de susceptibles disminuye con el tiempo y, con el, los casos secundarios que puede producir un
nuevo infeccioso, en promedio. R tambien es menor a luego de comenzada la infeccion, porque
al bajar la fracci
on de susceptibles, no todos los contactos adecuados derivan en un nuevo caso.
En general, Ro R.
Relaci
on entre Ro y : Ro depende de la probabilidad de transmision por contacto ( ), del n
umero
potencial de contactos infecciosos por persona por unidad de tiempo (c), y de la duracion media del
perodo infeccioso (D). (Li et al., 2006) El producto cD determina entonces la cantidad de contactos
por persona en el perodo infeccioso. Dada la probabilidad , el producto cD determinara la cantidad
de infectados por persona en ese perodo, es decir, Ro.
R0 = 0 cD.

(2.10)

El producto c es el valor promedio de infecciones por persona por unidad de tiempo, porque el
n
umero de contactos, c, es multiplicado por la proporcion de contactos exitosos. Es decir, c es la tasa
de infecciones por persona, , y Ro queda expresado como D. (Li and Muldowney, 1995)
Para el caso de un SIR sin tasas de natalidad o defuncion, siendo la tasa de recuperaci
on por
persona, 1/ es la duraci
on media del perodo infeccioso, D, ya que:(Satsuma et al., 2004)

Total de individuos recuperados

Duracion del perodo infeccioso
Tasa de recuperacion
1
=
=
Total de individuos recuperados Duracion del perodo infeccioso
1
Duraci
on del perodo infeccioso = .

Tasa de recuperacion =

(2.11)

Si consideramos un SIR con poblacion variable, una porcion de individuos infecciosos abandonar
a el
compartimento por muerte natural. En este caso, la poblacion infecciosa disminuye a una tasa de
+ , por lo que D pasa a ser 1/( + ). Para el modelo SEIR, no todos los expuestos ingresan al
compartimento S, porque tambien estan sujetos a la tasa de defuncion . Solo ingresa una fracci
on
16

/( + ), que disminuye la duraci

on D, en la misma proporcion. Entonces, Ro queda determinado
para el SEIR, como:

R0 =

( + )( + )

(2.12)

El valor umbral de Ro ser

a sobrepasado a partir de un determinado min (valor crtico). Si es
mayor a ( + )( + ), entonces Ro sera mayor a uno. De esto se deduce que
min ( + )( + )

(2.13)

min (1 + /)( + )

(2.14)

O bien:

2.6.2.

Estabilidad del sistema

Un sistema inicialmente en reposo se dice estable si ante cualquier se

nal de entrada acotada
responde con una se
nal de salida acotada. En nuestro caso, podemos analizar la estabilidad del sistema
analizando su comportamiento en el equilibrio. Si = , el sistema encontrara el equilibrio cuando:

N S

SI =0,
N

SI ( + )E =0,
N
E ( + )I = 0,

(2.15)

I R = 0.
Es decir, cuando la poblaci
on de cada compartimento no vara. Para I(0) =0 y E(0) =0, el equilibrio
se verifica en todo momento (equilibrio trivial). Si I(0) >0, se verificara para t .
Sabiendo que S = N E I R, reemplazamos en 2.15:
I
(N E I R) ( + )E = 0
N

Adem
as,

E=I

( + )

Reemplazando en 2.16:
17

R=

(2.16)

(2.17)

I
( + )

( + )( + )
(N I
I I)
I=0
N

(2.18)

Reordenando y simplificando los terminos, obtenemos la ecuacion cuadratica:

I2

( + )
( + )( + )
[
+ + 1] + I[
] = 0
N

(2.19)

Cuyas races son:

a)I1 = 0

b)I1 =

I2 =

(+)(+)

(+)
+ + 1)
N(

(+)(+)

(+)
+ + 1)
N(

I2 = 0

( + )( + )
] > 0

(2.20)

( + )( + )
] < 0

(2.21)

si

si

Reordenando y simplificando, llegamos a las expresiones reducidas:

(
I1 =

N
(Ro

1) para Ro > 1
0
para Ro < 1

I2 =

0
N
(Ro

para Ro > 1
1) para Ro < 1

Claramente, I2 no tiene significaci

on biologica. Se estabiliza en cero para un n
umero de reproduccion mayor a 1, y en valores negativos si Ro es menor a 1. La raiz que nos interesa es I1 . Toma valores
positivos para Ro mayor a 1 (equilibrio endemico) y se estabiliza en cero para Ro menor a 1 (equilibrio trivial, libre de enfermedad), el comportamiento esperable para un modelo SEIR con poblaci
on
constante pero din
amica.
Para el equilibrio libre de enfermedad, tendremos E=0, R=0 y S=N. Para el equilibrio endemico,
tendremos:

N
,
Ro
N (Ro 1)
E=
,
Ro ( + )
N
I=
(Ro 1),

N
R=
(Ro 1).

S=

18

(2.22)

Para ver el tipo de estabilidad, examinaremos el jacobiano del sistema. Definiendo: s = S/N ; e =
E/N ; i = I/N ; r = R/N , y dividiendo todas la ecuaciones por N , el sistema se reescribe como:

ds
dT
de
dT
di
dT
dr
dT

= s si,
=si ( + )e,
(2.23)
=e ( + )i,
=i r.

Si consideramos que s + e + i + r = 1, una de la ecuaciones se deduce a partir de las otras tres.

Tomando s = 1 e i r, podemos reducir el sistema a:

de
=i(1 e i r) ( + )e,
dT
di
=e ( + )i,
dT
dr
=i r.
dT

(2.24)

El Jacobiano del sistema queda entonces definido por:

( + ) (1 e 2i r) 0

( + )
0
J =
0

En el equilibrio trivial (0, 0, 0), el Jacobiano se reduce a:

( + )

( + ) 0
J =
0

Si y V son, respectivamente, un autovalor y el correspondiente autovector de la matriz Jacobiana,

entonces se verifica:
det|(J I)V | = 0

(2.25)

Resolviendo el determinante, encontramos que los autovalores del Jacobiano son las races de la
ecuacion c
ubica
19

( + )[( + + )( + + ) ] = 0

(2.26)

Un autovalor es claramente 1 = , el cual es siempre negativo, dado que solo se consideran

parametros positivos. Los otros son las dos races de la ecuacion cuadratica
( + + )( + + ) = 0

(2.27)

2 + ( + 2 + ) + ( + )( + ) = 0

(2.28)

que en su forma can

onica es

luego, los autovalores que satisfacen 2.28 son

2,3 =

( + 2 + )

p
( + 2 + )2 4[( + )( + ) ]
2

(2.29)

Para par
ametros positivos, estas races son siempre reales. Si Ro < 1, entonces ( + )( + ) > ,
por lo que [( + )( + ) ] > 0. Esto implica que ambos autovalores son negativos al igual que 1 ,
por lo que el equilibrio trivial con Ro < 1 es local y asintoticamente estable.
Si Ro > 1, ( + )( + ) < , y [( + )( + ) ] < 0. Un autovalor es positivo y el otro
negativo, y como 1 es negativa, el equilibrio en este caso es un punto de ensilladura, inestable. Para el
caso de Ro = 1, el equilibrio no puede dilucidarse por linealizacion. Pero si consideramos la siguiente
funcion de Lyapunov y su derivada

L=+

( + )
i

L0 = i(

R0 1
e i r)
Ro

(2.30)

Tenemos que, para Ro = 1, L= 0 si i = 0. Si e 6= 0, el subconjunto no es invariante (i se hace 6=

0, con lo que Lse hace menor a 0), y si r 6= 0, con i = e = 0, r= -r, por lo que r tiende a 0. Por lo
tanto, el mayor subconjunto positivamente invariante del conjunto para el cual L= 0 es (e, i, r) = (0,
0, 0). Esto nos permite aplicar el teorema de Lyapunov-Lasalle a la solucion trivial, concluyendo que
es global y asint
oticamente estable. Este resultado tambien aplica para Ro < 1, por lo que el equilibrio
local estable ya encontrado es tambien global.
Para el caso del equilibrio endemico, las ecuaciones de equilibrio reformuladas son:

20

 (Ro 1)
,
Ro ( + )

i = (Ro 1),

r = (Ro 1).

e=

(2.31)

Con lo que el Jacobiano para ese punto queda conformado por:

( + ) (1

J =

(Ro1)
Ro (+)

2 (Ro 1) (Ro 1)) 0

( + )
0

En este caso, los autovalores son las races de la ecuacion

( + )[( + + )( + + ) (1

(Ro 1)

2 (Ro 1) (Ro 1))] = 0

Ro ( + )

(2.32)

Nuevamente 1 = y los otros dos autovalores se obtienen de la ecuacion cuadratica formada a

partir del segundo termino de la ecuacion c
ubica.
Desarrollando y simplificando los terminos, llegamos a:

2,3 =

( + 2 + )

p
( + 2 + )2 4(Ro 1)
,
2

(2.33)

No hay equilibrio endemico para Ro 1. Esto implica que cualquier brote epidemico terminar
a con
la extincion de la poblaci
on infecciosa.
Para Ro > 1, podemos ver claramente que 4(Ro 1) > 0. Esto implica que en este caso
ambos autovalores tambien son negativos al igual que 1 , por lo que el equilibrio endemico es local y
asintoticamente estable.

2.6.3.

Plano de fase

Definiendo s = S/N ; e = E/N ; i = I/N ; r = R/N , tendremos siempre valores de compartimento

menores a 1, y su suma exactamente igual a 1, que corresponde a la fraccion total de poblaci
on.

(Hethcote, 2000; Jacquez and ONeill,

1991) Dada esta restriccion, s+i siempre sera menor que 1, y como
tampoco pueden tomar valores negativos, el diagrama en el plano de fase de estos dos compartimentos
estara restringido a un tri
angulo T:
21

Figura 2.1: Planos de fase para (a) un valor de Ro menor a uno y (b) para un valor de Ro mayor a uno

T = {(s, i)|s 0, i 0, s + i 1}

(2.34)

Este tri
angulo es positivamente invariante, es decir que si se parte de un estado inicial interior a
T, todo estado posterior tambien ser
a interior a T para todo t 0.
hs(0), i(0)iM hs(t), i(t)i M, t 0

(2.35)

Ademas, se demuestra que existe una solucion u

nica para todo t 0, implicando que el modelo
esta matematicamente y epidemiol
ogicamente bien planteado. Dos ejemplos de planos de fase para una
situacion bajo el umbral y otra sobre el umbral, pueden verse en la figura 2.1.

2.7.

Conclusi
on

22