UNIVERSIDAD TÉCNICA DE MANABÍ

FACULTAD DE CIENCIAS
MATEMÁTICAS FÍSICAS Y QUÍMICAS

CARRERA DE INGENIERÍA QUÍMICA

TALLER

“SIMULACION Y MODELACION DE PROCESOS QUIMICOS ”

AUTOR
RODRIGUEZ VASQUEZ MARIA XIMENA

DOCENTE:
ING. RICARDO BAQUERIZO

PARALELO: “A”

PERIODO
MAYO - OCTUBRE
PORTOVIEJO – MANABÍ – ECUADOR
 TALLER FIN DE CICLO

1) ¿Qué es un modelo?

Un modelo es una descripción de la realidad mediante objetos matemáticos y sus

relaciones, que explican como funcionan los procesos tales como las epidemias, los
contagios, etc., utilizando generalmente ecuaciones diferenciales.

2) Explique el modelo matemático descrito en el video.

DESCRIPCIÓN DE LA SITUACIÓN FÍSICA EN TÉRMINOS MATEMÁTICOS

Modelo Sir

Factores que intervienen en el proceso:

S: % de la población que puede contraer la enfermedad.

R: N° de personas a que un individuo puede contagiar.

E: Edad media a la que se contrae la enfermedad.

V: Esperanza de vida media de la población

q: Proporción de la población inmunizada

NOTA: Distribución homogénea de la población por las edades.

La propuesta matemática:

E
S= → La proporción de las personas que son susceptible de contraer la enfermedad
V
es igual a la proporción de la población que tiene la edad a la que se contrae dicha
enfermedad

R × S=1→ La enfermedad está en un estado estable.

S=1−q

R ( 1−q )=1

E
R=1+
V
 1
q=1− → Umbral de inmunidad colectiva
R

q <Umbral de inmunidad colectiva = La enfermedad continua avanzando

q >Umbral de inmunidad colectiva = Detención de la enfermedad

La construcción de modelos matemáticos es una de las herramientas utilizadas hoy en

día para el estudio de problemas en medicina, biología, fisiología, bioquímica,
epidemiología, farmacocinética, entre otras áreas del conocimiento; sus objetivos
primordiales son describir, explicar y predecir fenómenos y procesos en dichas áreas.
Sin embargo, su aplicación se ve limitada con frecuencia por la falta de conocimientos e
información acerca de los principios básicos del modelamiento matemático.

3) En la situación actual ¿qué aplicaciones tiene la modelación matemática?

En la modelación matemática lo mas importante para su desarrollo son los datos ya sea
de la incidencia de la enfermedad, pandemia o del proceso que se desea estudiar.

EVOLUCION Y PROPAGACION DE LA PANDEMIA. - La modelación

matemática en la actualidad se refleja en el control y la comparación de los datos
obtenidos diariamente en el mundo evidenciados mediante tasas, y curvas de
crecimiento de casos confirmados, recuperados, fallecidos, etc.

PREDICCIONES. - Mediante modelos matemáticos se realizan pronósticos de

posibles contagios o rebrotes en base al tiempo de incubación del virus.

ESTIMACIONES TEMPORALES. - Durante esta emergencia sanitaria que

afecta al mundo entero se realizan estimaciones del periodo de incubación del
virus, tiempo de desarrollo de la enfermedad, cuanto dura la posibilidad de
contagio, etc., todas estas variables se cuantifican mediante modelos
matemáticos respectivamente estudiados.

REPARTO DE BIENES. – Los modelos matemáticos son la base fundamental

en este proceso, se aplican en la distribución de bienes tales como mascarillas,
respirados, en sí, material de desinfección y medicamentos para combatir el
COVID-2019.
 OPTIMIZACION DE RECURSOS HUMANOS. – Ante la terrible situación del
mundo saber repartir y equilibrar nuestros bienes y recursos en clave para
obtener un rendimiento mayor en la lucha contra la pandemia.

En conclusión, la modelación matemática posee múltiples aplicaciones como son las ya

mencionadas, en particular una de las mas importantes el desarrollo de modelos
matemáticos para lograr el descubrimiento de vacunas o fármacos que reduzcan o
erradiquen en actual virus en el mundo. También se desarrollan medidas y modelos
computacionales para el control de la pandemia que permiten hacer simulaciones para
poder sacar conclusiones y así elaborar estrategias para controlar la propagación del
virus.

4) Investigue sobre las herramientas matemáticas que se describen en el video

y mencione ejemplos en los que se han aplicado.

MODELOS DE PROPAGACION (EDP, SIR, SIAR)

En los modelos epidemiológicos estándar se parte del supuesto de que los
individuos se encuentran en uno de varios estados posibles. En función de dichos
estados, la población puede incluirse en algunas categorías: individuos susceptibles
(S), infectados (I) o removidos (R), etc. (Montesinos Lopez & Hernandez Suarez,
2007).
Ejemplo:
 La mejor manera de modelar las enfermedades infantiles consiste en emplear
un modelo SIR puesto que la infección lleva a una inmunidad vitalicia.

TECNICAS ESTADISITICAS (Muestreo, Geoestadística)

Se usan modelos en técnicas de muestreo, análisis de supervivencia, series
temporales, estimación paramétrica y no paramétrica de curvas.
Ejemplos:
 Estimaciones del numero real de contagiados de Covid en el país.
 Habituales sondeos de intención de voto para las elecciones electorales.

INVESTIGACIÓN OPERATIVA (Redes de flujo, teoría de juegos)

El análisis de redes ha desempeñado un importante papel en ingeniería electrónica.
(Q, 2003). Pero también se ha visto que la teoría de redes, juega un papel importante
en otros contextos.
Ejemplos:
 Análisis de redes en la teoría de la información
 Aplicaciones en cibernética
 En los estudios de sistemas de transporte
 En la planificación y control de proyectos de investigación y desarrollo
 Estructuras de grupos sociales
 Sistemas de comunicación
 Para estudios en estructuras de enlaces químicos
 Aplicaciones de análisis de estructura de los idiomas

INTELIGENCIA ARTICIAL
El proceso de elaboración de una aplicación de IA con soporte en la modelización
matemática parte de la construcción del modelo matemático, el cual es un tipo de
modelo científico que emplea algún formulismo matemático para estudiar y
simplificar comportamientos de sistemas complejos ante situaciones difíciles de
observar en la realidad (Modelación Matemática. Una Introducción al método.,
2010).
Ejemplos:
 Sistema de diagnóstico de automóviles.
 Automatización de procesos mediante robots.
 Ciberseguridad

COMUNICACIÓN DE LOS RESULTADOS

La finalidad primordial de la información es la de ayudar en la toma de decisiones.
Por lo tanto, la comunicación de los resultados será influenciado en gran medida por
QUIÉN los recibe o QUIÉN toma qué decisiones.
Ejemplos:
 Cambio de restricción vehicular durante la emergencia sanitaria.
 Repartición de bienes o recursos a las familias más vulnerables.
 Alertas de posible ola de nuevos contagios.
 Colapso de los hospitales, clínicas, centros médicos, etc.
 5) ¿Los videos le aportaron algo nuevo? ¿Por qué?

Efectivamente si aportaron algo nuevo porque no tenía conocimiento, quizás por falta
de investigación de que existían modelos matemáticos que con solo clic desglosan
muchos datos interesantes sobre el avance de la pandemia lo que puede suceder si las
personas no tomamos conciencia y no nos cuidamos, posibles fallecimientos, posibles
colapsos de hospitales, entre muchos datos más, como el simulador que investigue que
me parece muy interesante que esta mostrado a continuación:
Los modelos matemáticos para predecir la evolución de la epidemia y el impacto de las
medidas para su control son una bola de cristal de moda en todo el planeta ya que solo
con seleccionar el lugar o territorio de que deseamos conocer su situación sanitaria nos
brinda información valiosa y confiable.

PAPEL QUE CUMPLE LA MODELACIÓN MATEMÁTICA EN EL

CONTEXTO DEFINIDO EN EL VIDEO

La construcción de modelos matemáticos es una de las herramientas utilizadas hoy en

día para el estudio de problemas en medicina, biología, fisiología, bioquímica,
epidemiología, farmacocinética, entre otras áreas del conocimiento; sus objetivos
primordiales son describir, explicar y predecir fenómenos y procesos en dichas áreas.
Estos modelos son muy útiles porque capturan propiedades esenciales de la dispersión
de una enfermedad de una forma simplificada. Además, al modificar los parámetros del
modelo se pueden representar o descubrir situaciones que difícilmente se pueden
obtener mediante experimentación. Tiene muchas aplicaciones en la situación actual del
mundo como lo son: evolución y propagación de la pandemia, predicciones,
estimaciones temporales, reparto de bienes, optimización de recursos humanos.
La función principal de un modelo para una enfermedad consiste en proveer un medio
que posibilita entender la dispersión de una enfermedad a través de una población bajo
diferentes escenarios, por ende, debe existir una estrecha relación o vinculación entre
los científicos que intenta diseñar una vacuna o fármaco para erradicar este virus y la
población que lo contrae, ya que ellos son los objetos en estudio para crear una
inmunidad y frenar la propagación de la pandemia, además también existe la relación
entre los matemáticos y los científicos, biólogos, médicos, etc, en conclusión todos
somos un conjunto que buscamos el mismo objetivo el fin del virus.
 PASOS DE LA ESTRATEGIA GENERAL DE LA MODELACIÓN
MATEMÁTICA

Las matemáticas de las epidemias: caso México 2009 y otros

1. Definición del problema y sus objetivos

En términos históricos, las enfermedades infecciosas han constituido una amenaza muy
grave para la sociedad. Durante la mayor parte del siglo XX las pandemias (epidemias
que se propagan por áreas y poblaciones de enorme tamaño) se habían ya considerado
amenazas del pasado; la medicina moderna se había ocupado para siempre de la peste,
la viruela y otras catástrofes de carácter contagioso.

El propósito de este trabajo es presentar un modelo muy simple de la dinámica de

epidemias elaborado por el bioquímico William Ogilvy Karnak y por el teniente coronel
Anderson Gray McKendrick (1927, 1933).

La investigación anexada se enfoca en el modelamiento matemático para realizar

predicciones de tres tipos de epidemias dos históricas y una de brote reciente; esta
última fue la del virus AH1N1 que apareció en México y en otras naciones.

2. Definición de la teoría que gobierna el problema

El ser humano es gregario, una condición que ha hecho inevitable que las epidemias
sean recurrentes a lo largo de nuestra historia (Hays, 2005). Por esta razón resulta
imprescindible investigar sus causas y formas de propagación para tomar acciones
preventivas y de control. Una forma de entender la propagación de infecciones es a
través de la modelación matemática de las epidemias. Daniel Bernoulli (1760), uno de
los primeros en desarrollar un modelo matemático, evaluó el efecto de vacunar a la
población contra la viruela. El desarrollo de modelos matemáticos de epidemias tuvo
gran progreso a principios del siglo xx. Tal vez se deba a los contagios que azotaron a la
población mundial a principios del siglo pasado, entre las cuales destaca la epidemia de
influenza de 1918 que mató millones de personas (Pettit y Bailie, 2008). Actualmente
existe una gran cantidad de modelos tanto de la dinámica de crecimiento del contagio
como de su propagación geográfica.

3. Descripción de la situación física en términos matemáticos

MODELO SIR

Como en todo modelo matemático de algún fenómeno natural, se requiere incluir en él

condiciones que representen, a grandes rasgos, los mecanismos involucrados. En el caso
del desarrollado por Kermack y McKendrick (1927, 1933) se divide en tres clases: el
número de los individuos susceptibles S(t), es decir aquellos que pueden contagiarse; los
infecciosos I(t), los que al estar enfermos pueden transmitir la enfermedad; los
removidos R(t), aquellos que después de enfermarse y aliviarse quedan en un estado de
inmunidad o bien están aislados en algún sitio (como un hospital) o fallecieron.

El escenario que se le presenta a un individuo puede ser descrito por el modelo SIR
estándar:

S→I→R
El modelo presenta los siguientes postulados:
a) En la epidemia, una sola infección es la responsable de ocasionar un proceso
infeccioso en el huésped.
b) El desenlace de la enfermedad es la muerte o la inmunidad completa.
c) La tasa de contagio c(t) es proporcional al número de enfermos, i.e., c(t) = a(t),
siendo a > 0 constante.
d) El número de individuos susceptibles que se contagian por unidad de tiempo es
c(t)S(t); por lo tanto, la cantidad de personas que se contagian por unidad de tiempo es:

aI(t) S(t) con a > 0

En otras palabras el número de susceptibles S(t) al trascurrir un tiempo Δ t será:
S(t + Δ t) = S(t) – aI(t) S(t)Δ t (1)
e ) Todos los individuos sanos son susceptibles.
f ) La población es cerrada para cualquier tiempo S + I + R = N. Es decir, no se toman
en cuenta nacimientos ni migraciones.
g ) El periodo de incubación que contempla el modelo más general de Kermack y
McKendrick es muy corto. El individuo susceptible se enferma y puede contagiar a otro.
h ) La velocidad de decremento de infecciosos es proporcional a su número. En
términos matemáticos:
bI(t) con b > 0,
donde b es la razón de removidos por unidad de tiempo y es constante.
En otras palabras, el número de infecciosos I(t) al trascurrir un tiempo Δ t será:
I(t + Δ t) = I(t) + aI(t)S(t)Δ t - bI(t)Δ t (2)
y el de removidos R(t) al transcurrir un tiempo Δ t será:
R(t + Δ t) = R(t) + bI(t)Δ t

4. Solución matemática del modelo

Uno de los resultados más interesantes de la investigación es la necesidad de poder
aplicar el modelo SIR en tiempo real, puesto que, durante una epidemia es difícil
determinar cuántas personas se contagian cada día ya que, en la mayoría de las
situaciones, sólo es posible contar el número de removidos por ingreso al hospital o por
muerte.

En el caso México, el modelo SIR predijo el número máximo de infecciosos por día y
esto es de valor indudable para la toma de decisiones por parte de las autoridades.

5. Estudio de las limitaciones del modelo

 Éste es un modelo muy rudimentario, al cual se le han hecho algunas
modificaciones a lo largo del tiempo, adecuándolo a situaciones específicas.
 El modelo SIR no es un medio infalible porque tiene sus limitaciones, pues parte
de varios supuestos que en principio no se cumplen estrictamente. Entre ellos, es
que se aplica a poblaciones sin variación en el número de habitantes (N =
constante) y no considera la movilidad humana, además existe la posibilidad de
mutación del virus durante su fase epidémica, lo que podría alterar la taza de
contagios y se traduciría en un desajuste –quizás al alta– entre los datos reales y
las curvas predichas por el modelo e introduciría una segunda taza de contagio.
6. Aplicación del modelo, interpretación y comprensión de los resultados que
ofrece.

El empleo de modelos matemáticos para enfermedades infecciosas ha crecido en

grado significativo en los últimos años debido a que proporcionan información útil
para tomar decisiones, e instituir medidas operativas en el control o erradicación de
una enfermedad infecciosa.

Por otro lado, vale la pena mencionar que no existe una metodología sistemática
para la modelación y pruebas de hipótesis de enfermedades infecciosas para
profesionales de la salud. Por ello es importante que los profesionales de la salud
tengan conocimiento de la existencia de estos modelos y fortalezcan su colaboración
con modeladores de enfermedades, para diseñar en forma conjunta medidas eficaces
de control y erradicación de enfermedades infecciosas. Por último, es prudente
mencionar que, dado que el actual es un mundo cada vez más interconectado e
interdependiente, las amenazas de brotes de epidemias son muy altas, por lo que es
sumamente importante fortalecer un sistema de vigilancia epidemiológica para
prevenir y combatir la aparición de enfermedades infecciosas capaces de alterar la
salud y la economía. (Galindo Uribarri, Rodríguez Meza, & Cervantes Cota, 2013).
BIBLIOGRAFÍA

Galindo Uribarri, S., Rodríguez Meza, M. A., & Cervantes Cota, J. (2013). Las
matemáticas de las epidemias:caso México 2009 y otros. Departamento de
Física, Instituto Nacional de Investigaciones Nucleares, México., 9.

Hays, N. (2005). Epidemics and Pandemics:Their Impacts on Human History. Abc-clio.

Modelación Matemática. Una Introducción al método. (2010). Obtenido de

http://mathmodelling.googlepages.com. Consultado el 9 de septiembre de 2011.

Montesinos Lopez , O. A., & Hernandez Suarez, C. M. (2007). Modelos matemáticos

para enfermedades infecciosas. salud pública de méxico / vol.49, no.3, mayo-
junio de 2007, 9.

Q, M. (2003). ANALISIS DE LOS MODELOS MATEMATICOS NECESARIOS PARA

EL CASO. Obtenido de
http://repositorio.utn.edu.ec/bitstream/123456789/3631/3/Cap%C3%ADtulo
%202.pdf