Pontificia Universidad Católica de Chile

Departamento de Matemáticas

Mat 0100 Razonamiento Cuantitativo

Clase #10

Ejemplo concreto de modelo exponencial

Un modelo exponencial para la evolución inicial

de contagiados por COVID19 en Chile
En el contexto que vivimos como paı́s, se nos ofrece una oportunidad valiosa para mostrar cómo la matemática
juega un rol fundamental en la toma de decisiones, en tanto que aplicamos de manera concreta los contenidos vistos
en clases. En una situación como la que estamos viviendo es sumamente importante que las decisiones que tomen
nuestros lı́deres tengan cierto sustento y no sean solo “corazonadas” o “intuiciones”. Veremos en este ejemplo que
con los contenidos de las clases de funciones y algo de matemática vista en el colegio (si, leyó bien, matemática
de colegio) se pudo tener un panorama certero, al menos en los primeros dı́as de contagio, que nos permitió ver el
panorama en el futuro cercano.
La siguiente tabla muestra los contagios en los primeros 10 dı́as contando como t = 0 la fecha donde se detectó
el primer contagiado:
Fecha t Contagiados
3 de marzo de 2020 0 1
4 de marzo de 2020 1 3
5 de marzo de 2020 2 4
6 de marzo de 2020 3 5
7 de marzo de 2020 4 7
8 de marzo de 2020 5 11
9 de marzo de 2020 6 13
10 de marzo de 2020 7 17
11 de marzo de 2020 8 23
12 de marzo de 2020 9 33
En la siguiente figura se muestra el gráfico de la tabla anterior:
Contagiados

Dı́as

1
 2

Viendo el gráfico anterior podemos notar que el número de contagios en el dı́a t parece seguir aproximadamente
un modelo exponencial. De ser ası́ deberı́a existir una función C(t) = k · pt , en donde k y P son constantes a
determinar, que nos diga —aproximadamente— cuántos contagiados habı́a en el dı́a t.
Para determinar dicha función ocuparemos un método indirecto. Si aplicamos logaritmo en base 10 a los
valores de la tabla y graficamos obtendremos la siguiente figura:
Log(Contagiados)

Dı́as
Notemos que ahora los puntos parecen estar aproximadamente alineados. Entonces en vez de encontrar direc-
tamente la función C(t) encontraremos log10 (C(t)).
Más adelante en el curso se mostrará un método que sirve para encontrar la mejor recta que aproxima dichos
puntos. Por ahora solo basta saber que es posible y que posteriormente en el curso se enseñaráa el método.
La recta f (t) = 0,219 + 0,148t es la mejor aproximación de los puntos y en la siguiente imagen se grafican
tanto los puntos como la recta.
Log(Contagiados)

Dı́as
Ocupando las propiedades de los logaritmos se tiene que:

log10 (C(t)) = log10 (k) + log10 (P)t

Dicha expresión es la misma recta f (t) = 0,219 + 0,148t. Por lo tato log10 (k) = 0,219 y log10 (P) = 0,148.
Despejando se tiene que k = 1, 656 y P = 1, 41. Finalmente se concluye que C(t) = 1, 656 · (1, 41)t .
Si graficamos esta función y los puntos de la tabla obtenemos el siguiente gráfico:
 3

Contagiados

Dı́as
Vemos que es una buena aproximación y, ahora, podrı́amos ocuparla para predecir cuantos contagiados habrán
en los próximos dı́as. Por ejemplo, dado que sabemos ya qué sucedió, veamos cómo es nuestro modelo exponencial
con respecto a los contagiados en los próximos 5 dı́as. La siguiente tabla completa los datos reales hasta el dı́a 17
de marzo.
Fecha t Contagiados Fecha t Contagiados
3 de marzo 0 1 13 de marzo 10 43
4 de marzo 1 3 14 de marzo 11 61
5 de marzo 2 4 15 de marzo 12 75
6 de marzo 3 5 16 de marzo 13 156
7 de marzo 4 7 17 de marzo 14 201
8 de marzo 5 11 18 de marzo 15
9 de marzo 6 13 19 de marzo 16
10 de marzo 7 17 20 de marzo 17
11 de marzo 8 23 21 de marzo 18
12 de marzo 9 33 22 de marzo 19

El siguiente gráfico muestra los valores de la tabla y el modelo C(t).

Contagiados

Dı́as
 4

Podemos ver que la función C(t) se aproxima bastante bien a los datos de la tabla. Ahora podemos estimar que
sucederı́a, por ejemplo, en el dı́a 30.
C(29) = 32434
Nuestro modelo predice que el 2 de abril deberı́a haber habido alrededor de 32.434 contagiados. Es compren-
sible pensar que este número es pequeño en comparación a la población total de Chile (equivale aproximadamente
al 1,7 % de la población). Sin embargo, dada la naturaleza del virus, el problema real son los contagiados que
necesitan cuidados especiales en los hospitales. Si al 2 de abril se hubiera llegado realmente a ese valor el sistema
completo de salud habrı́a colapsado.
Comparemos el modelo con el número de contagiados hasta hace poco más de un año (miércoles 23 de abril
de 2020). El siguiente gráfico muestra lo anterior:
Contagiados

Dı́as
Del gráfico anterior se puede ver que ya el modelo, a partir de cierto dı́a, no se ajusta a la realidad. ¿Significa
que el modelo esta malo? La respuesta es no, y para ver las razones considere lo siguiente:
un modelo se hace para poder predecir y tomar decisiones en base a dichas predicciones. Si el modelo
predice un panorama poco favorable lo sensato era tomar medidas para que el panorama cambiara. Por
ejemplo se impusieron cuarentenas en algunas regiones y comunas, se exigió usar mascarillas y guantes en
la vı́a publica, etc.

relacionado con el punto anterior las condiciones que nos permiten ocupar el modelo cambian. El modelo
asume que la variación porcentual de contagiados en el tiempo era constante en intervalos de tiempo simi-
lares. Por ejemplo, viendo los datos se estimaba, en principio, que el número de contagiados se duplicaba
aproximadamente cada cuatro dı́as. Lo anterior en el primer periodo era aproximadamente cierto, pero des-
pués ya no fue ası́. Lo anterior se debe básicamente a que se tomaron medidas (efectivas o no tan efectivas)
y que, además, las personas contagiadas sanaban o morı́an.

Sin entrar en detalles, diremos que existen otros modelos más precisos. Uno de los más populares es el mo-
delo SIR. El nombre del modelo proviene de las iniciales S (población susceptible), I (población infectada) y
R (población recuperada). El modelo relaciona las variaciones de las tres poblaciones (Susceptible, Infectada y
Recuperada).

Referencias

El ejemplo esta basado en el articulo de los profesores Héctor Pastén y Jorge Castillo que puede ser descar-
gado en el http://www.mat.uc.cl/˜hector.pasten/preprints/Epidemia2020.pdf.
Los datos ocupados para realizar los calculo fueron extraı́dos de https://es.wikipedia.org/wiki/
Pandemia_de_enfermedad_por_coronavirus_de_2020_en_Chile.