Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
ÍNDICE
Pág.
INTRODUCCIÓN………………………………………………………………………….3
MARCO TEORICO…………………………………………………………………………4
APLICACIÓN……………………………………………………………………………….8
CONCLUCIONES…………………………………………………………………………15
REFERENCIAS Y BIBLIOGRAFÍA………………………………………………………16
2
INTRODUCCIÓN
Tras la llegada del Covid-19 al Perú en marzo del 2020, varios investigadores
Sin embargo, hoy en día es muy importante en la salud pública. Teniendo en cuenta
que la salud pública tiene como objeto de estudio las poblaciones humanas y, por
ende, es necesario conocer datos como la masa y volumen de los grupos a tratar.
pública y su estrecha relación. En cuanto la elección del tema, este tras conocer
matemáticos para determinar estas cifras. Con todo esto, puedo considerar que el
poder lograrlo, voy a basarme en los datos abiertos que brinda el MINSA sobre los
SIR. Cabe recalcar, que el motivo de haber escogido al Perú como objeto de
3
MARCO TEORICO
“El poder nuclear no significa nada si un virus puede matar toda una población
directamente con la nueva normalidad que hoy en día todos vivimos, y podemos
guerra, mas no una pandemia, hecho que a su vez se tuvo que pagar con miles de
vidas. Tras esta cita, busco lograr cierta empatía con el tema a tratar, y reforzar el
ideales. De la misma forma, nos menciona dos maneras de desarrollar los modelos
4
Por otro lado, (Stewart, 2012) también menciona que la rapidez de crecimiento
ⅆP
poblacional es la derivada de .Por ende, esta rapidez en el crecimiento
ⅆt
ⅆP
=kP(t )
ⅆt
kt
P ( t ) =P 0 ⅇ
ⅆP
=kP
ⅆt
Cabe mencionar, que, a comparación del anterior modelo, este método cuenta
manera siguiente:
1 ⅆP
P ⅆt
=k 1−
P
M( )
5
A continuación, se multiplicará P para poder obtener el modelo de crecimiento
poblacional logístico:
ⅆP
ⅆt (
=kP 1−
P
M )
De esta forma procederé a integrar ambas partes y resolver la ecuación, misma
k
P (t)=
1+ A ⅇ−kt
k −P0
Donde A=
P0
al tema planteado.
tres tipos:
S=Sanos
I =Infectados
R=Recuperados
P=S+ I + R
ⅆS
=−βSI =Ecuación para determinar la población suceptible
ⅆt
6
ⅆI
=βSI −γI=Ecuación para determinar la poblacióninfectada
ⅆt
ⅆR
=γI =Ecuación para determinar a la población recueperada
ⅆt
β=Tasa de infección
γ=Tasa de recuperación
MARZO 1 065 30
POBLACIÓN
APLICACIÓN
Tras conocer los modelos sugeridos, procederemos a aplicarlos utilizando los datos
previamente mencionados.
Cabe recalcar que cuando el tiempo ( t ) es 1 año, y se representa con 1. Pero en esta
ocasión solo estamos usando 6 meses y por ende se representa con 0.5.A
( 12.8342 ) t
P ( t ) =( 1065 ) ⅇ
siguiente:
8
Gráfico 1. Modelización de infectados por Covid-19 en el Perú a través de la función exponencial
estima hacia el infinito. Sin embargo, este hecho no se puede aplicar en la realidad,
apropiado este modelo para la aplicación del tema que buscamos analizar.
mejor opción para este caso, ya que no cumple con las características de mi
9
Para poder desarrollar este modelo de crecimiento poblacional, es necesario
¿ 650 972Tras obtener esta cifra, procederé a realizar la regla de tres simple para
650 972_ _ _ _ _ _ _ _ x
últimos 6 meses. Sin embargo, lo que preciso es el incremento mensual, por ende,
0.9983 _ _ _ _ _ _ _ _ _ 6 meses
x _ _ _ _ _ _ _ _ _ 1 mes
0.9983 x 1
x= x ≈ 0.1663
6
k =0.1663
10
Tras obtener este dato, solo nos queda determinar M y A . Continuamos la aplicación
partir de enero del 2020 en adelante, la población infectada por Covid-19 en el Perú
ellos. Por esa razón, para determinar el valor de A procederé de dos formas
Calculo variable.
P( t ) =
M
1+ A ⅇ
−kt
1+k ⅇ−rt
=
M
P (t)
A ⅇ−kt
=
M
P (t )
−1
A=
P
M
(
( t )
)
−1
Tras despejar la ecuación
ⅇ−kt
2020.
P(0 ) =1065
De la misma forma, se tomará en cuenta que el logaritmo natural debe estar elevado
ⅇ−0.1663 ( 0)=1
11
A=
( 399182 825
1065
−1 )
que:
M −P (0)
Procederé a reemplazar la siguiente ecuación: A=
P( 0 )
siguiente:
12
Gráfico 2. Modelización de infectados por Covid-19 en el Perú a través del modelo logístico
asemeja a un “S”. Sin embargo, pese a que este modelo cuenta con población
máxima y asegura ser más preciso que el modelo anterior, no cuenta con la tasa de
13
Como se pudo observar en los modelos anteriores, estos no cumplían con todos los
requisitos propios del tema, ya que el primero era muy general y se desarrollaba en
circunstancias. Por otro lado, el segundo modelo a pesar de ser más preciso no
termina de ser el ideal para el tema que estamos investigando. A comparación de los
Para el desarrollo de este modelo, debemos tener en cuenta sus dos principales
β=0.1663
γ=2.2507
presentada:
ⅆS
=−βSI =Población suceptible
ⅆt
−2.2507∗S∗652037
¿ 31511 582
anteriormente:
ⅆI
=βSI −γI=Poblacióninfectada 0.1663∗31511582∗I −2.2507∗I
ⅆt
¿ 652 037
14
ⅆR
=γI =Población recuperada 2.2507∗652037 ¿ 462 329
ⅆt
SIR requiere de muchos más datos a comparación de los dos modelos presentados
en el Perú. Esta situación, permite que el modelo sea muy específico, pero a la vez
practico.
CONCLUSIONES
Con los datos brindados por el Ministerio de la Salud (MINSA) he logrado desarrollar
requerimientos. Por otro lado, definitivamente puedo considerar que gracias a este
trabajo de investigación pienso haber logrado tomar conciencia frente a esta nueva
modelo, logré finalmente darme cuenta que el más adecuado era el modelo
matemático SIR, el cual comprobé al desarrollar todas sus fórmulas. Cabe reconocer
que este no solo consideraba todos los valores previamente mencionados, sino que
casos.
REFERENCIAS BIBLIOGRAFICAS
15
Abrate, R. S. (s.f.). Los logaritmos,un abordaje desde la historia de la
22). Cordova .
Cengage learning.
Surridge, D. (2015).
16