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

dc.contributor.advisorSantos Niño, Alexander
dc.contributor.authorHernández Novoa, Tatiana Milena
dc.contributor.authorUrrego Mendivelso, Angie Camila
dc.contributor.juryEspitia Morillo, Cristian
dc.contributor.juryVillalba Rey, Deicy
dc.date.accessioned2025-05-14T17:44:20Z
dc.date.available2025-05-14T17:44:20Z
dc.date.issued2022
dc.descriptionIncluye figuras y tablas.spa
dc.description.abstractSegún 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.degreelevelPregrado
dc.description.degreenameLicenciado(a) en Matemáticas
dc.description.notesInforme final en modalidad trabajo de grado presentado como requisito para optar al título de Licenciado en Matemáticas y Física.spa
dc.description.tableofcontentsIntroducción. -- 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 especializadospa
dc.format.extent53 páginas
dc.format.mimetypeapplication/pdf
dc.identifier.citationHernández 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.instnameUniversidad de los Llanos
dc.identifier.reponameRepositorio digital Universidad de los Llanos
dc.identifier.repourlhttps://repositorio.unillanos.edu.co/
dc.identifier.urihttps://repositorio.unillanos.edu.co/handle/001/5100
dc.language.isospa
dc.publisherUniversidad de los Llanos
dc.publisher.branchSede Barcelona
dc.publisher.facultyFacultad de Ciencias Humanas y de la Educación
dc.publisher.placeVillavicencio
dc.publisher.programLicenciatura en Matemáticas
dc.relation.referencesAguirre, 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.referencesBarabási, A.-L. & Albert, R. (1999). Emergence of scaling in random networks.science, 286(5439), 509-512.
dc.relation.referencesBarabási, A.-L. & Bonabeau, E. (2003). Scale-free networks. Scientific american, 288(5), 60-69.
dc.relation.referencesBarber, M. J. (2007). Modularity and community detection in bipartite networks. Physical Review E, 76(6), 066102.
dc.relation.referencesBell, 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.referencesCsardi, G., Nepusz, T. y col. (2006). The igraph software package for complex network research. InterJournal, complex systems, 1695(5), 1-9.
dc.relation.referencesDiekmann, O. & Heesterbeek, J. A. P. (2000). Mathematical epidemiology of infectious diseases: model building, analysis and interpretation (Vol. 5). John Wiley & Sons.
dc.relation.referencesErdos, P., Rényi, A. y col. (1960). On the evolution of random graphs. Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relation.referencesErdos, P., Rényi, A. y col. (1960). On the evolution of random graphs. ̋ Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relation.referencesGiordano, 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.referencesJackson, M. O. (2010). Social and economic networks. Princeton university press.
dc.relation.referencesKarrer, B. & Newman, M. (2009). Random graph models for directed acyclic networks. Physical Review E, 80(4).
dc.relation.referencesKermack, 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.referencesLi, M. Y. (2018). An introduction to mathematical modeling of infectious diseases (Vol. 2). Sprin- ger.
dc.relation.referencesLiu, 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.referencesMallioros, F. D. & Vazirgi, M. (2013). Clustering and community detection in directed networks: A survey. Physics Reports, 533(4), 95-142.
dc.relation.referencesManrique-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.referencesMastrandrea, 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.referencesMolina, J. L. (2004). La ciencia de las redes. Apuntes de Ciencia y Tecnologia, 11(1), 36-42.
dc.relation.referencesMoreno, 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.referencesNesterov, 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.referencesNewman, M. (2018). Networks. Oxford university press.
dc.relation.referencesOrganización 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.referencesOrtega-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.referencesPastor-Satorras, R. & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.
dc.relation.referencesQuarteroni, A., Parolini, N. y col. (2020). Data Analysis and Predictive Mathematical Modeling for COVID-19 Epidemic Studies.
dc.relation.referencesQuintana Cruz, Y. y col. (2019). MATEMÁTICAS Y EPIDEMIOLOGÍA: MODELOS Y CON- CLUSIONES.
dc.relation.referencesRock, K., Brand, S., Moir, J. & Keelin, M. J. (2014). Dynamics of infectious diseases. Reports on Progress in Physics, 77(2), 026602.
dc.relation.referencesSanzs Menéndez, L. (2003). Análisis de redes sociales: o cómo representar las estructuras sociales subyacentes.
dc.relation.referencesSinghal, T. (2020). A review of coronavirus disease-2019 (COVID-19). The Indian Journal of Pe- diatrics, 1-6.
dc.relation.referencesTravers, 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.referencesVillegas-Chiroque, M. (2020). Pandemia de COVID-19: pelea o huye. Revista Experiencia en Me- dicina del Hospital Regional Lambayeque, 6(1).
dc.rightsDerechos reservados-Universidad de los Llanos, 2022spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposalEpidemiasspa
dc.subject.proposalRedes aleatoriasspa
dc.subject.proposalNodosspa
dc.subject.proposalVínculosspa
dc.subject.proposalPropagaciónspa
dc.titleEstudio de la trasmisión de una epidemia en redes aleatorias tipo erdös-renyi y barabasi-albertspa
dc.typeTrabajo de grado - Pregrado
dc.type.categoryProyectos de investigación
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
Trabajo de grado
Tamaño:
1.27 MB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Carta de autorización
Tamaño:
903.22 KB
Formato:
Adobe Portable Document Format
Cargando...
Miniatura
Nombre:
Anexo
Tamaño:
958.1 KB
Formato:
Adobe Portable Document Format
Bloque de licencias
Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
402 B
Formato:
Item-specific license agreed upon to submission
Descripción: