Trabajo Coronavirus

Metodos numericos aplicado a la

propagación del COVID-19
Coronavirus en el
mundo
Juan Camilo Guerrero Paredes
Sergio Esteban Torres Ortiz
4 de Julio de 2020

Introducción
En el siguiente trabajo se pretende hacer un análisis de prograpagación del virus COVID-19
mediante la aplicación del método SIR ( Susceptibles , Infectados y Recuperados) que consiste
en un modelo matemático simple que estima mediante un valor inicial de infectados un
crecimiento probable de contagiados de acuerdo a los siguientes parámetros :
A. Duración media de la enfermedad

B. Tasa de recuperación de la enfermedad
C. Tasa de mortalidad
D. Interacción diaria de personas que contribuyen a la propagación del virus.
E. Probabilidad de contagio
Luego mediante la recopilación de datos diarios de contagios, fallecidos y recuperaciones
tomados de la OMS ( Organización mundial para la salud) se escogen cinco países que
representan una cantidad mayoritariamente de contagios del virus junto con Colombia para
estimar mediantes ajustes polinomiales y mínimos cuadrados el comportamiento real de la
pandemia para el país. Asimismo se utilizan otros tipos de ajuste de acuerdo al comportamiento
de los datos recopilados y una proyección basada en el ajuste.
Finalmente se concluyen los datos y sus proyecciones de forma que se puede observar el
comportamiento de la pandemia en los países escogidos y su comparación con el país.Los
países escogidos para este estudio fueron : China , EE.UU, España, Francia e Italia.
1

Contenido
1. COVID-19 en el mundo
2. Datos Estadísticos
3. Modelo SIR
3. 1. Variables globales del modelo
3.2 Variables locales del modelo
4. Análisis de los datos estadísticos según el modelo SIR con medidas y sin medidas de
protección.
4.1 Colombia
4.2 EE.UU
4.3 China
4.4 COVID 19-EN EUROPA
4.4.1 Francia
4.4.2 Italia
4.4.3 España
5. Ajuste a los datos reales de contagios y fallecidos.
Conclusiones
Referencias
2

1. COVID-19 EN EL MUNDO

El virus COVID-19 se manifiesta como una

infección respiratoria que presenta síntomas
principales como : Fiebre , tos seca y dificultad
respiratoria.Luego mediante proteínas se
encaja en forma de llave a receptores
específicos de la célula humana de forma que
el virus ingresa su ARN creando copias iguales
que atacan a otras células lo que empieza a
generar el proceso de infección con los
síntomas mencionados. El brote del virus surgió
en China más específicamente en la provincia
de Hubei , ciudad de Wuhan posiblemente
como resultado de una zoonosis de murciélago
a persona en el año 2019 y que fácilmente se
expandió debido al transporte aéreo a
diferentes países.El primer brote en europa
llegó a Italia inesperadamente dado a que los
servicios de salud no estaban capacitados para
enfrentar al virus por lo que el crecimiento de
la infección se concentró más en la parte norte
de Italia y dado a que la población susceptible
pertenecía a grupos de edad mayores de 60 ,
la mortalidad fue mayor.
Fuente : BBC News Mundo ,2020.
A partir de Italia se observó que el virus se transmitía de persona a persona por lo que se dieron

medidas de aislamiento social centradas en disminuir la interacción diaria de las personas
potencialmente responsables de la transmisión del virus debido a que parte de los infectados
son asintomáticos.Además de Italia los países vecinos se vieron afectados dado a que las
medidas de aislamiento social no fueron efectivas debido a que fueron ejecutadas en un tiempo
posterior al brote inicial del virus en Italia.Luego el brote se extendió a Francia y España y se
3

estimó que una persona puede contagiar a otras tres personas lo que indicaba una tasa de
interacción de propagación del virus de 2,5 . Así mismo, el comportamiento de la pandemia tomó
diferentes crecimientos en el contagio debido a las medidas de aislamiento social y
posteriormente a medidas de contención que se centraban en los focos de infección evitando
mayor probabilidad de contagio. Finalmente conforme las cifras de contagio van aumentando en
el mundo, la duración media de la enfermedad es de 14 días pero puede variar de acuerdo a las
características de la región y del afectado.
2. Datos estadísticos
Los datos estadísticos fueron tomados de bases de datos con Fuente de los reportes diarios que
presenta la OMS y Universidad Johns Hopkins (Baltimore, EE.UU.).
Fuente : Statista, 2020.
4

Los datos completos están por fechas en una base de datos en Excel.
5

Datos generales iniciales en Colombia
Fuente : OMS, 2020.
Los datos de recuperados en el país fueron recolectados de los reportes diarios de las fuentes
de información de los medios de comunicación basadas en datos oficiales. Solo se utilizaron las
cifras de recuperados en Colombia descartando la de los demás países en estudio.
6

Dado a que la duración media de la enfermedad es de 14 días. Los datos recolectados de la
fuente nos muestra una tasa de confirmados con una población susceptible de 100.000
personas en el periodo de tiempo medio de la enfermedad.Luego los datos estadísticos nos
muestran el incremento de los contagios diarios para predecir el crecimiento de casos a tener en
cuenta en las proyecciones. España alcanzó un pico epidemiológico en el mes de abril lo que
implicó el crecimiento gigantesco de contagios que ocuparon el servicio de salud y en
consecuencia en el mismo mes ocurrieron más fallecimientos debido a la incapacidad del
servicio de salud en atender a los más afectados por la enfermedad. Así mismo ,los brotes en
China alcanzaron un pico en Noviembre y Diciembre del 2019 pero fueron contrarrestados por
las medidas de contención, aislamiento social , responsabilidad social y ampliación de los
servicios de salud lo que favoreció a una disminución de los contagios en los meses iniciales del
año 2020.
El estudio tomó el mes de febrero del 2020 como punto de partida para hacer comparaciones
con Colombia que presentó los primeros brotes cercanos a este mes y reportados en marzo.
7

8

3. Modelo SIR
“La aparición del modelo de Kermack y McKendrick en 1927 es el hito más
importante de la Epidemiología Matemática”. Fresnadillo,2020.
El modelo matemático inicial y simple en este estudio es el modelo SIR caracterizado por que es

necesario utilizar un valor inicial de infectados para estimar el número de contagios,
fallecimientos y recuperaciones. Este valor inicial es un supuesto que en diferentes categorías
clasifica a los individuos como susceptibles (S) , infectados (I) , recuperados ( R’) ,etc. Las
ecuaciones diferenciales asociadas al modelo son :
Este modelo toma como fija la población susceptible. Es

decir toma el tamaño de la población como un valor
constante. Además, como la población es constante las
variables S, I, y R dependen del tiempo lo que implica que
S(t)+ I(t)+ R(t) = N donde N es el tamaño de la población
inicial considerada a ser clasificada en cada una de estas
variables. Luego a será referente al valor del índice de
recuperación que es la tasa por unidad de tiempo de que
una persona que se ha contagiado con el virus logre
recuperarse y b es el índice de transmisión que es la tasa
por unidad de tiempo de que un individuo sano perteneciente a la población N adquiera el virus
debido a la interacción con otras personas.
A partir de las ecuaciones diferenciales se da la siguiente interpretación para su desarrollo :
S ′(t) = − a s(t) * I (t) / N [1] .
Establece que la variación de la población susceptible con respecto al tiempo dependerá del
índice de transmisión o el número perteneciente a las interacciones que un individuo tiene con
otros contactos transmitiendo el virus.
I ′(t) = a S(t) − b I(t) / N [2].
Estable que el número de contagios con respecto al tiempo es la diferencia entre las personas
que se han contagiado de la población susceptible o inicial con el número de infectados que se
han recuperado.
R′(t) = a S(t) − b I(t) / N [3].
9

Establece que la población recuperada dependiente del tiempo será proporcional a su índice de
recuperación y al número de infectados(t).
El estudio matemático de este modelo tiene ciertas condiciones en la que se muestran los
resultados de acuerdo a lo siguiente :
● La relación entre a y b es un parámetro adimensional de la siguiente forma :
a
R0 = b
Luego si a ≤ b Entonces R0 ≤ 1 Es decir el número de contagios se
encuentra en equilibrio y hay estado sin infección lo que indica un pico epidemiológico
en el modelo.
● Si a > b entonces hay un incremento en el número de contagios a partir de la población
inicial hasta un valor de a que empieza a disminuir o mantenerse constante.
Dado a que S’(t) representa a la población de susceptibles a ser infectados podemos aproximarla
de la siguiente manera :
S( t + Δt)− s (t)
S ′(t) ≈ Δt
; Δt Es el tamaño del paso del tiempo y suponiendo un valor de
Δt = 1 se tiene que :
S ′(t) ≈ S (t + Δt) − S (t) [4].
Luego a partir de otros modelos derivados de los modelos de Kermack y McKendrick se
pueden incorporar otros parámetros como las tasas de mortalidad y de recuperación del virus
calculadas como la relación de fallecimientos con la población total susceptibles y a su vez los
recuperados con la población total susceptible .Este leve ajuste corresponde al modelo de
Dieckmann y Heesterbeek.
S ′(t) = μN − μ s(t) − a S(t) I(t) [5] .

N
I ′(t) = μ I(t) − a S(t) I(t) − b I(t) [6].

N
R′(t) =− μ R(t) + b I(t) [7].
Por otra parte otro modelo correspondiente al de Hethcote aplica la siguiente mejora
suponiendo que la población inicial no va a ser fija en el tiempo.Por lo tanto tiene un parámetro c
correspondiente a la tasa de natalidad obteniéndose lo siguiente :
S ′(t) = c R(t) + c s(t) − μ s(t) − a S(t) I(t) [8] .

N
10

I ′(t) = μ I(t) + a S(t) I(t) − b I(t) [9].

N
R′(t) =− μ R(t) + p b I(t) [10]. donde p es la probabilidad de que el individuo adquiera

inmunidad de forma temporal.
A partir de lo anterior definimos el modelo y lo aplicamos en la herramienta Excel de la siguiente

forma :
A. Establecemos los parámetros en cada celda .
Figura 1 . Parámetros del modelo SIR.
B. Colocamos los datos para modelar la curva de acuerdo a los siguientes ítems.
Figura 2 . Datos del modelo SIR.
11

C. Aplicamos las fórmulas correspondientes a los ítems del punto A.

➔ Tasa de interacción diaria : Es un valor variable por lo tanto es seleccionable y se puede
ajustar a cualquier valor que se le ingrese esta depende del contacto de los infectados
con la población susceptible .
➔ Probabilidad de contagio : Es la probabilidad de que un individuo se contagie, tiene un
valor de 100 % si el individuo no tiene medidas de protección y un valor menor a medida
que el individuo se encuentra aislado y acatando las medidas de protección. En el
estudio se tomó una probabilidad del 14 % dado a que el individuo usa mascarilla y acata
medidas de protección.
➔ Tasa de Recuperación : Se toma del valor de recuperaciones de los datos estadísticos
sobre la población total inicial N.
➔ Tasa de mortalidad : Se toma el valor de fallecimientos asociados al virus sobre la
población total N.
➔ Población Total contagiada : Es la sumatoria de la población de infectados una vez se
ejecute el modelo hasta un tiempo t.
➔ Población Total recuperada : Es la sumatoria de la población de recuperados una vez se
ejecute el modelo hasta un tiempo t.
➔ Población no afectada : Son los individuos susceptibles que al pasar un tiempo t no son
afectados por el virus.Usando la función MAX en Excel encontramos el valor máximo de
la población total fallecida en un tiempo t . Así mismo ,el máximo de recuperaciones que
se pueden tener aplicando el modelo.Esto puede reflejar el uso de las medidas de
protección y garantizar medidas de aislamiento asociadas para evitar riesgos en la
población susceptible.
D. A partir de los datos estadísticos se ubica los contagios a nivel mundial para hacer
comparaciones con los datos reales y el modelo aplicado.Inicialmente se hace un mapa
para observar los contagios en el mundo y tener una perspectiva basada en los datos
reales y el impacto sobre los países de la región y el mundo.
Figura 3 . Mapa del coronavirus en el mundo.
12

E. El buscador me permite buscar los diferentes países y principalmente en tiempo real
observar el número de casos respectivos y fallecimientos.
F. Insertando las fórmulas en Excel en la tabla del inciso B se tiene lo siguiente :
Tiempo : El tiempo es la variable independiente del modelo y se establece en el análisis para un

tiempo de 100 días a partir del 26 de febrero de 2020.
3. 1 VARIABLES GLOBALES DEL MODELO
Susceptible : A medida que la población susceptible es infectada ,el valor de la misma celda es
afectado por los contagios producidos en el mismo t . Por tanto ,el valor asociado a cada nueva
celda será la diferencia entre los susceptibles del t anterior menos los contagios producidos en
el tiempo t.
En un tiempo t = a
S (a) = N − Contagios en a
Donde N es la población total inicial.
Infectados : Es el valor de los individuos que ya se encuentran afectados por el virus y será la
suma de los contagios , y afectados del tiempo anterior tn−1 menos los fallecimientos producidos
en el tiempo y las recuperaciones.
I (a) = Contagios en a − Recuperados en a + Susceptible en tn−1 − f allecimientos en a
Recuperados : Son los individuos que superan la enfermedad suponiendo que no hay casos de
reinfección de la enfermedad dado a que hay inmunidad. Esta es calculada como :
R(a) = Recuperados en tn−1 − contagios en a
3.2 VARIABLES LOCALES DEL MODELO
Contagios : Los contagios serán variables locales e influyen en las variables globales y se
calcula de la siguiente forma :
Susceptibles* T asa diaria de interacción * # de inf ectados

C ontagios = Suma ( Susceptibles, inf ectados y Recuperados)*p

Donde p es la probabilidad de contagio.
Fallecidos : Los fallecidos como variable local representan los casos diarios de los nuevas
muertes estimadas debido a los contagios nuevos que se producen cada día y se expresa de la
siguiente forma :
13

# de inf ectados* T asa de mortalidad asociada al virus

F allecidos = Duración media de la enf ermedad

Recuperaciones : Las recuperaciones dependen de la tasa de recuperación asociada al virus y
que es variable de acuerdo a los datos estadísticos se estima de la siguiente forma :
# de inf ectados* T asa de recuperación asociada al virus

Recuperaciones = Duración media de la enf ermedad

El gráfico asociado a este modelo corresponderá a dos gráficos principales :
❏ Gráfico de propagación del virus COVID-19
Fuente : Fernández, 2018.
❏ Gráfico de actividad del Virus COVID-19
14

También se puede hacer un modelo SIR de forma demográfica con cada una de las variables
locales obteniéndose los siguiente gráficos.
Fuente : Fernández, 2018.
4. Análisis de los datos estadísticos según el modelo SIR
con medidas y sin medidas de protección.
4.1 Colombia.
Aplicando el modelo SIR al caso de colombia en una población susceptible de 10.000.000
millones de personas se observa que el número de susceptibles desciende a cero en menos de
tres meses. Si la tasa de interacción diaria es de 2,50 y no se establecen medidas de aislamiento
esto significa que la cifra de contagios en tres meses sería de 10.000.000 de personas .Luego el
gobierno deberá tomar medidas para contrarrestar la tasa media de interacción del virus.
15

Figura 4 . Coronavirus en Colombia sin medidas de protección
Luego el pico epidemiológico sin medidas de protección según el modelo se alcanzaría el 6 de
mayo de 2020 a partir de una fecha del 26 de febrero de 2020 con una tasa de mortalidad del
20% y una tasa de recuperación del 80% supuesta. Además alcanzando una cifra de contagios
alta de 5.371.333 personas en dicha fecha lo que implicaría un esfuerzo grandísimo de los
centros de salud falleciendo más personas al día siguiente del pico.
A partir del diagrama de actividad se

nos muestra una alza en los contagios
hasta alcanzar un pico pero si no se
toman las medidas de aislamiento en el
tiempo ,la población de fallecidos
ascendería a 76.733 personas
incluyendo más muertos debido a otras
complicaciones de salud.Luego a pesar
de que las recuperaciones van en
aumento la incertidumbre de los
fallecidos totales genera más atención
de otros servicios como funerarios o de
salud mental.En resumen, se genera
una tabla en excel del resumen tomado
sin medidas de protección para modelar
el comportamiento del virus.
En el momento en que se toman medidas de aislamiento social y prevención de los contagios
según los datos oficiales la tasa de interacción disminuye a un valor de 1,20 esto significa que la
16

cantidad de contagios disminuye en el tiempo pero no implica que no se alcance un pico de
contagios en el tiempo.
Figura 5. Coronavirus en Colombia con medidas de protección
La población susceptible no decrece de forma rápida y es necesario cambiar el rango del gráfico

para poder observar las otras variables globales que son menores a las cifras en las que no hay
medidas de protección y aislamiento.Finalmente, los siguiente gráficos de los demás países
muestran una leve diferencia en el modelo dado que en la fecha inicial del estudio varios de
ellos ya tenían una población inicial infectada que se consideró en la aplicación del mismo.
4.2 EE.UU
En EE.UU el crecimiento y propagación del virus fue rápida debido a que las interacciones de los
individuos incluso pudo alcanzar hasta 3 personas. Es decir se mantuvo la interacción normal de
contagio del virus logrando que el ajuste por el modelo SIR se garantizará en un principio. Las
medidas de protección transitorias y otras medidas de reapertura provocaron que en cierta
forma la tasa de interacción diaria disminuyera solo a 2 personas.Sin embargo, los contagios
siguen aumentando en el tiempo y a su vez los fallecidos pero dado a la capacidad del país de
responder a la cantidad de casos se logra garantizar que a futuro haya una inmunidad de rebaño
si se llega alcanzar en cada estado del país una cifra de contagios hasta del 70% de la población.
17

Figura 6 . Coronavirus con o sin medidas de protección en EE.UU.
Los gráficos de la figura 6 muestran una tasa de recuperación del 80% debido al impacto que
tuvo el virus en su fase inicial de forma que el modelo ajustable a la cantidad de fallecidos de
108.211 según los datos oficiales durante los 100 días, corresponde a una tasa de interacción
incluso superior a la normal es decir mayor a 3 personas.
18

4.3 China

Figura 7 . Coronavirus con o sin medidas de protección en China.
19

En China los datos oficiales no reportan de forma completa los reportes de fallecidos.Sin
embargo la tasa de recuperación del virus logra un valor del 95% y de mortalidad del 5% en este
escenario.Luego tenemos que la población fallecida sin medidas de protección corresponde a
un valor de 4.115.253 y con medidas de protección hasta una tasa de interacción diaria de 0,70
de 153.761. Finalmente se ve un aplanamiento de la curva de contagios al tener un
comportamiento casi constante en el tiempo lo que involucra medidas de reapertura coexistente
con medidas de protección y aislamiento.

Figura 8 . Actividad del coronavirus en China con medidas de protección.
La actividad nos muestra el comportamiento del virus en una etapa temprana de forma que
ayuda a predecir la cantidad de fallecidos en un escenario donde se presenta un pico
epidemiológico.Luego en la actividad del virus en China la cifra de contagios corresponde a un
valor de crecimiento lento con posible llegada de un pico epidemiológico como resultado de un
segundo brote.Sin embargo la cifra de recuperados asciende lo que reduce el impacto de que se
encuentran más fallecidos por la enfermedad esto se justifica incluso en ciudades como Wuhan
donde se hicieron medidas de reapertura una vez observado que no había crecimiento de
contagios dado al crecimiento de las recuperaciones. Por lo tanto el modelo SIR proyecta un
segundo brote, pero este brote corresponde a casos importados del virus.
20

4.4. COVID-19 EN EUROPA

En este estudio las poblaciones iniciales de contagio se estiman al tamaño de habitantes de
cada país europeo. Luego la tasa de interacción del virus varía entre los valores de 1 y 2,5 lo que
a su vez afecta la curva de contagios observando un cambio en el pico debido a las medidas de
protección y aislamiento o carencia de las mismas.
La cantidad de habitantes tomado en el estudio hacen parte de una muestra de la población
para evaluar las proyecciones dependiendo el comportamiento de los datos oficiales.Además, se
puede observar un cambio en la mortalidad del virus debido al impacto de las medidas de
control en el momento de llegada del virus.
4.4.1 Francia

Figura 9 . Coronavirus en Francia sin medidas de protección.
21

Figura 10 . Coronavirus en Francia con medidas de protección.
4.4.2 Italia

Figura 11. Coronavirus en Italia sin medidas de protección.
22

Figura 12 . Coronavirus en Italia sin medidas de protección
4.4.3 España
23

Figura 13 . Coronavirus en España sin medidas de protección

Figura 14 . Coronavirus en España con medidas de protección
5. Ajustes a los datos reales de contagios y fallecidos.

Para los ajustes de cada uno de los países que se requiere analizar, se extrajeron los datos de la
base de datos de la OMS obtenidos de la pagina: https://covid19.who.int/. Los datos fueron
seleccionados desde el 26 de febrero hasta el 4 de junio, es decir 100 días para analizar el
comportamiento del virus con datos reales. Se tuvieron en cuenta datos de contagios y fallecidos
de los países a analizar, es decir, Colombia, China, EEUU, España y Francia. Los datos
seleccionados fueron consignados en una hoja de cálculo de excel para de esta manera hacer
un gráfico y por medio de herramientas del software poder generar una línea de tendencia que
se ajustara conforme al gráfico.
A continuación se presentan los gráficos generados por países junto con la línea de tendencia y

la ecuación generada dependiendo del ajuste. Dicha ecuación fue utilizada para graficar una
proyección del comportamiento del virus a 300 días en cada país para estimar el
comportamiento del covid 19 en el tiempo.
24

5.1 Colombia
En el caso de los contagios la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de tendencia polinómica de grado 4.

Figura 15 . Gráfico datos reales contagios en Colombia
En el caso de los fallecidos la línea de tendencia que más se ajustó al comportamiento de los
datos reales fue una línea de polinómica de grado 4.

Figura 16 . Gráfico datos reales de fallecidos en Colombia
25

}5.1.1 Proyecciones
La proyección hecha para los contagios fue graficada con la ecuación:

Figura 17 . Gráfico de proyección a 300 días de contagios en Colombia
La proyección hecha para los fallecidos fue graficada con la ecuación:
Figura 18 . Gráfico de proyección a 300 días de fallecidos en Colombia
26

5.2 Italia
datos reales fue una línea de tendencia polinómica de grado 5

Figura 19 . Gráfico datos reales contagios en Italia
datos reales fue una línea de polinómica de grado 6.

Figura 20 . Gráfico datos reales de fallecidos en Italia
27

5.2.1 Proyecciones

Figura 21 . Gráfico de proyección a 300 días de contagios en Italia
Figura 22 . Gráfico de proyección a 300 días de fallecidos en Italia
28

5.3 China
datos reales fue una línea de tendencia logarítmica.
Figura 23 . Gráfico datos reales contagios en China
datos reales fue una línea de logaritmica.

Figura 24 . Gráfico datos reales de fallecidos en China
29

5.3.1 Proyecciones

Figura 25 . Gráfico de proyección a 300 días de contagios en China
Figura 26 . Gráfico de proyección a 300 días de fallecidos en China
30

5.4 EEUU
Figura 27 . Gráfico datos reales contagios en EEUU
datos reales fue una línea polinómica de grado 5 .

Figura 28 . Gráfico datos reales de fallecidos en EEUU
31

5.4.1 Proyecciones

Figura 29 . Gráfico de proyección a 300 días de contagios en EEUU
Figura 30 . Gráfico de proyección a 300 días de fallecidos en EEUU
32

5.5 España
Figura 31 . Gráfico datos reales contagios en España

Figura 32 . Gráfico datos reales de fallecidos en España
33

5.5.1 Proyecciones

Figura 33 . Gráfico de proyección a 300 días de contagios en España
Figura 34 . Gráfico de proyección a 300 días de fallecidos en España
34

5.6 Francia
Figura 35 . Gráfico datos reales contagios en Francia

Figura 36 . Gráfico datos reales de fallecidos en Francia
35

5.6.1 Proyecciones

Figura 37 . Gráfico de proyección a 300 días de contagios en Francia
Figura 38 . Gráfico de proyección a 300 días de fallecidos en Francia
36

Conclusiones
● Las proyecciones realizadas a 300 días basadas en los datos reales no tienen implícitas
las medidas de distanciamiento o estrategias de mitigación del virus, por lo tanto no son
muy predictivas a comparación del modelo SIR.
● La cantidad de contagios crece de forma rápida en los países donde se dan medidas de
reapertura como EE.UU y los paise europeos donde se da un crecimiento lento a un
segundo pico.Este resultado se refleja en las proyecciones pero significa al tiempo que el
pico epidemiológico será menor conforme la población infectada en cada parte de los
países afectados aumente a un 70 % de los contagios totales.Es decir se alcanzará una
inmunidad de rebaño si no se toman medidas de aislamiento en el tiempo lo que implica
más fallecimientos.
● El modelo SIR se aleja de las proyecciones con los ajustes debido a otros factores que
pueden afectar el modelo como : la cantidad de hospitales que mitigan la emergencia, el
número de pacientes en UCI, el número de camas en los hospitales y por supuesto el
acatamiento de las medidas por parte de la población.
Referencias
D. S. Fernández del Viso. (2018).Modelos Mecanísticos Determinísticos con Ecuaciones Diferenciales.
Consultado en https://rpubs.com/dsfernandez/422937 .
M. J. Fresnadillo-Martínez, et al. (2020) . Modelización matemática de la propagación de enfermedades

infecciosas: de dónde venimos y hacia dónde vamos. Departamento de Medicina Preventiva, Salud Pública
y Microbiología Médica, Facultad de Medicina, Universidad de Salamanca (España).
37

Trabajo Coronavirus

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Coronavirus

Cargado por

Copyright:

Formatos disponibles

Metodos numericos aplicado a la

Juan Camilo Guerrero Paredes

Sergio Esteban Torres Ortiz

A. Duración media de la enfermedad

3. 1. Variables globales del modelo

3.2 Variables locales del modelo

4.4 COVID 19-EN EUROPA

5. Ajuste a los datos reales de contagios y fallecidos.

El virus COVID-19 se manifiesta como una

Fuente :​ BBC News Mundo ,2020.

A partir de Italia se observó que el virus se transmitía de persona a persona por lo que se dieron

Fuente :​ Statista, 2020.

Fuente :​ Statista, 2020.

Datos generales iniciales en Colombia

Fuente :​ OMS, 2020.

El modelo matemático inicial y simple en este estudio es el modelo SIR caracterizado por que es

Este modelo toma como fija la población susceptible. Es

A partir de las ecuaciones diferenciales se da la siguiente interpretación para su desarrollo :

S ′(t) = − a s(t) * I (t) / N [1] .

I ′(t) = a S(t) − b I(t) / N [2].

R′(t) = a S(t) − b I(t) / N [3].

● La relación entre a y b es un parámetro adimensional de la siguiente forma :

S ′(t) ≈ S (t + Δt) − S (t) [4].

S ′(t) = μN − μ s(t) − a S(t) I(t) [5] .

I ′(t) = μ I(t) − a S(t) I(t) − b I(t) [6].

R′(t) =− μ R(t) + b I(t) [7].

S ′(t) = c R(t) + c s(t) − μ s(t) − a S(t) I(t) [8] .

I ′(t) = μ I(t) + a S(t) I(t) − b I(t) [9].

R′(t) =− μ R(t) + p b I(t) [10]. donde p es la probabilidad de que el individuo adquiera

A partir de lo anterior definimos el modelo y lo aplicamos en la herramienta Excel de la siguiente

A. Establecemos los parámetros en cada celda .

Figura 1 .​ Parámetros del modelo SIR.

Figura 2 .​ Datos del modelo SIR.

C. Aplicamos las fórmulas correspondientes a los ítems del punto A.

Figura 3 .​ Mapa del coronavirus en el mundo.

Tiempo : ​El tiempo es la variable independiente del modelo y se establece en el análisis para un

3. 1 VARIABLES GLOBALES DEL MODELO

Donde N es la población total inicial.

I (a) = Contagios en a − Recuperados en a + Susceptible en tn−1 − f allecimientos en a

R(a) = Recuperados en tn−1 − contagios en a

3.2 VARIABLES LOCALES DEL MODELO

Susceptibles* T asa diaria de interacción * # de inf ectados

Donde p es la probabilidad de contagio.

# de inf ectados* T asa de mortalidad asociada al virus

# de inf ectados* T asa de recuperación asociada al virus

El gráfico asociado a este modelo corresponderá a dos gráficos principales :

❏ Gráfico de propagación del virus COVID-19

Fuente :​ Fernández, 2018.

❏ Gráfico de actividad del Virus COVID-19

Fuente :​ Fernández, 2018.

A partir del diagrama de actividad se

Figura 5​. Coronavirus en Colombia con medidas de protección

La población susceptible no decrece de forma rápida y es necesario cambiar el rango del gráfico

4.4. COVID-19 EN EUROPA

Figura 13 . ​Coronavirus en España sin medidas de protección

5. Ajustes a los datos reales de contagios y fallecidos.

A continuación se presentan los gráficos generados por países junto con la línea de tendencia y

La proyección hecha para los fallecidos fue graficada con la ecuación:

Figura 18 . ​Gráfico de proyección a 300 días de fallecidos en Colombia

La proyección hecha para los fallecidos fue graficada con la ecuación:

Figura 22 . ​Gráfico de proyección a 300 días de fallecidos en Italia

Figura 23 . ​Gráfico datos reales contagios en China

La proyección hecha para los fallecidos fue graficada con la ecuación:

Fuente : BBC News Mundo ,2020.

Fuente : Statista, 2020.

Fuente : Statista, 2020.

Fuente : OMS, 2020.

Figura 1 . Parámetros del modelo SIR.

Figura 2 . Datos del modelo SIR.

Figura 3 . Mapa del coronavirus en el mundo.

Tiempo : El tiempo es la variable independiente del modelo y se establece en el análisis para un

Fuente : Fernández, 2018.

Fuente : Fernández, 2018.

Figura 5. Coronavirus en Colombia con medidas de protección

Figura 13 . Coronavirus en España sin medidas de protección

Figura 18 . Gráfico de proyección a 300 días de fallecidos en Colombia

Figura 22 . Gráfico de proyección a 300 días de fallecidos en Italia

Figura 23 . Gráfico datos reales contagios en China

Figura 26 . Gráfico de proyección a 300 días de fallecidos en China

Figura 27 . Gráfico datos reales contagios en EEUU

Figura 30 . Gráfico de proyección a 300 días de fallecidos en EEUU

Figura 31 . Gráfico datos reales contagios en España

Figura 34 . Gráfico de proyección a 300 días de fallecidos en España

Figura 35 . Gráfico datos reales contagios en Francia

Figura 38 . Gráfico de proyección a 300 días de fallecidos en Francia

M. J. Fresnadillo-Martínez, et al. (2020) . Modelización matemática de la propagación de enfermedades