Estudio de la trasmisión de una epidemia en redes aleatorias tipo erdös-renyi y barabasi-albert

Hernández Novoa, Tatiana Milena; Urrego Mendivelso, Angie Camila

Publicación:
Estudio de la trasmisión de una epidemia en redes aleatorias tipo erdös-renyi y barabasi-albert

dc.contributor.advisor	Santos Niño, Alexander
dc.contributor.author	Hernández Novoa, Tatiana Milena
dc.contributor.author	Urrego Mendivelso, Angie Camila
dc.contributor.jury	Espitia Morillo, Cristian
dc.contributor.jury	Villalba Rey, Deicy
dc.date.accessioned	2025-05-14T17:44:20Z
dc.date.available	2025-05-14T17:44:20Z
dc.date.issued	2022
dc.description	Incluye figuras y tablas.	spa
dc.description.abstract	Según la Organización Mundial de la Salud, la COVID-19 es una enfermedad infecciosa causada por el Coronavirus que se propagó inesperadamente a nivel mundial debido a su largo tiempo de incubación, de 2 a 14 días, y los síntomas, que se pueden confundir con una neumonía simple y en algunas ocasiones causa una enfermedad alveolar masiva (Organización Mundial de la Salud, 2020; Singhal, 2020; Villegas-Chiroque, 2020). Para analizar este tipo de infecciones, usualmente se uti- lizan los modelos epidemiológicos compartimentales, como el modelo SI y el modelo SIR, estos dependen del número de reproducción R0 que representa el promedio de individuos que contraerán la enfermedad de una persona contagiada (Rock y col., 2014). Estos modelos compartimentales su- ponen una acción en masa, es decir, la probabilidad de tener contacto con un infectado es la misma para todos los individuos del sistema. Sin embargo, se han construido modelos de epidemias que se propagan a través de una red de contactos los cuales permiten calcular la probabilidad de infección de cada individuo (Pastor-Satorras & Vespignani, 2001).	spa
dc.description.degreelevel	Pregrado
dc.description.degreename	Licenciado(a) en Matemáticas
dc.description.notes	Informe final en modalidad trabajo de grado presentado como requisito para optar al título de Licenciado en Matemáticas y Física.	spa
dc.description.tableofcontents	Introducción. -- 1 Marco referencial. -- 1.1 Redes. -- 2 Materiales y métodos. -- 3 Resultados y análisis. -- 3.1 Modelos de configuración. -- 3.2 Distribución de exceso de grado. -- 3.3 Modelos compartimentales de propagación de la infección. -- 3.4 Modelos epidemiológicos en redes. -- 3.5 Modelo SIR y el modelo de configuración. -- 4 Conclusiones. – Bibliografía. – Anexos. -- Resumen analítico especializado	spa
dc.format.extent	53 páginas
dc.format.mimetype	application/pdf
dc.identifier.citation	Hernández Novoa, T. y Urrego Mendivelso, A. (2022). Estudio de la trasmisión de una epidemia en redes aleatorias tipo erdös-renyi y barabasi-albert [Trabajo de grado, Universidad de los Llanos]. Repositorio digital Universidad de los Llanos.
dc.identifier.instname	Universidad de los Llanos
dc.identifier.reponame	Repositorio digital Universidad de los Llanos
dc.identifier.repourl	https://repositorio.unillanos.edu.co/
dc.identifier.uri	https://repositorio.unillanos.edu.co/handle/001/5100
dc.language.iso	spa
dc.publisher	Universidad de los Llanos
dc.publisher.branch	Sede Barcelona
dc.publisher.faculty	Facultad de Ciencias Humanas y de la Educación
dc.publisher.place	Villavicencio
dc.publisher.program	Licenciatura en Matemáticas
dc.relation.references	Aguirre, J. L. (2011). Introducción al análisis de redes sociales. Documentos de Trabajo del Centro Interdisciplinario para el Estudio de Políticas Públicas, 82, 1-59.
dc.relation.references	Barabási, A.-L. & Albert, R. (1999). Emergence of scaling in random networks.science, 286(5439), 509-512.
dc.relation.references	Barabási, A.-L. & Bonabeau, E. (2003). Scale-free networks. Scientific american, 288(5), 60-69.
dc.relation.references	Barber, M. J. (2007). Modularity and community detection in bipartite networks. Physical Review E, 76(6), 066102.
dc.relation.references	Bell, J., Bianconi, G., Butler, D., Crowcroft, J., Davies, P. C., Hicks, C., Kim, H., Kiss, I. Z., Di Lauro, F., Maple, C. y col. (2021). Beyond COVID-19: network science and sustainable exit strategies. Journal of Physics: Complexity, 2(2), 021001.
dc.relation.references	Csardi, G., Nepusz, T. y col. (2006). The igraph software package for complex network research. InterJournal, complex systems, 1695(5), 1-9.
dc.relation.references	Diekmann, O. & Heesterbeek, J. A. P. (2000). Mathematical epidemiology of infectious diseases: model building, analysis and interpretation (Vol. 5). John Wiley & Sons.
dc.relation.references	Erdos, P., Rényi, A. y col. (1960). On the evolution of random graphs. Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relation.references	Erdos, P., Rényi, A. y col. (1960). On the evolution of random graphs. ̋ Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relation.references	Giordano, G., Blanchini, F., Bruno, R., Colaneri, P., Di Filippo, A., Di Matteo, A. & Colaneri, M. (2020). Modelling the COVID-19 epidemic and implementation of population-wide inter- ventions in Italy. Nature medicine, 26(6), 855-860.
dc.relation.references	Jackson, M. O. (2010). Social and economic networks. Princeton university press.
dc.relation.references	Karrer, B. & Newman, M. (2009). Random graph models for directed acyclic networks. Physical Review E, 80(4).
dc.relation.references	Kermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epide- mics. Proceedings of the royal society of london. Series A, Containing papers of a mathe- matical and physical character, 115(772), 700-721.
dc.relation.references	Li, M. Y. (2018). An introduction to mathematical modeling of infectious diseases (Vol. 2). Sprin- ger.
dc.relation.references	Liu, F., Li, X. & Zhu, G. (2020). Using the contact network model and Metropolis-Hastings sam- pling to reconstruct the COVID-19 spread on the “Diamond Princess”. Science bulletin, 65(15), 1297-1305.
dc.relation.references	Mallioros, F. D. & Vazirgi, M. (2013). Clustering and community detection in directed networks: A survey. Physics Reports, 533(4), 95-142.
dc.relation.references	Manrique-Abril, F. G., Agudelo-Calderon, C. A., Gonzales-Chorda, V. M., Gutierrez-Lesmes, O., Tellez-Piñerez, C. F. & Herrera-Amaya, G. (2020). Modelo SIR de la pandemia de Covid-19 en Colombia. Revista de Salud Pública, 22, 1-9.
dc.relation.references	Mastrandrea, R., Squartini, T., Fagiolo, G. & Garlaschelli, D. (2014). Enhanced reconstruction of weighted networks from strengths and degrees. New Journal of Physics, 16(4), 043022.
dc.relation.references	Molina, J. L. (2004). La ciencia de las redes. Apuntes de Ciencia y Tecnologia, 11(1), 36-42.
dc.relation.references	Moreno, Y., Pastor-Satorras, R. & Vespignani, A. (2002). Epidemic outbreaks in complex hete- rogeneous networks. The European Physical Journal B-Condensed Matter and Complex Systems, 26(4), 521-529.
dc.relation.references	Nesterov, A. I., Villafuerte, P. H. M. & Berman, G. P. (2020). In Response to COVID-19: Configu- ration Model of the Epidemic Spreading. arXiv preprint arXiv:2007.05496.
dc.relation.references	Newman, M. (2018). Networks. Oxford university press.
dc.relation.references	Organización Mundial de la Salud, ( (2020). Preguntas y respuestas sobre la enfermedad por co- ronavirus (COVID-19). https://www.who.int/es/emergencies/diseases/novel-coronavirus- 2019/advice-for-public/q-a-coronaviruses
dc.relation.references	Ortega-Lenis, D., Arango-Londoño, D., Muñoz, E., Cuartas, D. E., Caicedo, D., Mena, J., Torres, M. & Mendez, F. (2020). Predicciones de un modelo SEIR para casos de COVID-19 en Cali, Colombia. Revista de Salud Pública, 22(2).
dc.relation.references	Pastor-Satorras, R. & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.
dc.relation.references	Quarteroni, A., Parolini, N. y col. (2020). Data Analysis and Predictive Mathematical Modeling for COVID-19 Epidemic Studies.
dc.relation.references	Quintana Cruz, Y. y col. (2019). MATEMÁTICAS Y EPIDEMIOLOGÍA: MODELOS Y CON- CLUSIONES.
dc.relation.references	Rock, K., Brand, S., Moir, J. & Keelin, M. J. (2014). Dynamics of infectious diseases. Reports on Progress in Physics, 77(2), 026602.
dc.relation.references	Sanzs Menéndez, L. (2003). Análisis de redes sociales: o cómo representar las estructuras sociales subyacentes.
dc.relation.references	Singhal, T. (2020). A review of coronavirus disease-2019 (COVID-19). The Indian Journal of Pe- diatrics, 1-6.
dc.relation.references	Travers, J. & Milgram, S. (2011). An experimental study of the small world problem. The structure and dynamics of networks (pp. 130-148). Princeton University Press.
dc.relation.references	Villegas-Chiroque, M. (2020). Pandemia de COVID-19: pelea o huye. Revista Experiencia en Me- dicina del Hospital Regional Lambayeque, 6(1).
dc.rights	Derechos reservados-Universidad de los Llanos, 2022	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.license	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposal	Epidemias	spa
dc.subject.proposal	Redes aleatorias	spa
dc.subject.proposal	Nodos	spa
dc.subject.proposal	Vínculos	spa
dc.subject.proposal	Propagación	spa
dc.title	Estudio de la trasmisión de una epidemia en redes aleatorias tipo erdös-renyi y barabasi-albert	spa
dc.type	Trabajo de grado - Pregrado
dc.type.category	Proyectos de investigación
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
dspace.entity.type	Publication