Estudio de la trasmisión de una epidemia en redes aleatorias tipo Erdös-Renyi y Barabasi-Albert

dc.contributorSantos Niño, Alexander
dc.creatorHernández Novoa, Tatiana Milena
dc.creatorUrrego Mendivelso, Angie Camila
dc.date.accessioned2023-03-15T18:51:53Z
dc.date.accessioned2023-09-06T21:37:36Z
dc.date.available2023-03-15T18:51:53Z
dc.date.available2023-09-06T21:37:36Z
dc.date.created2023-03-15T18:51:53Z
dc.date.issued2022
dc.identifierHernández Novoa, T. M. Y Urrego Mendivelso, A. C. (2022). Estudio de la trasmisión de una epidemia en redes aleatorias tipo Erdös-Renyi y Barabasi-Albert (trabajo de grado pregrado). Universidad de los Llanos. Villavicencio, Colombia.
dc.identifierhttps://repositorio.unillanos.edu.co/handle/001/2839
dc.identifierUniversidad de los Llanos
dc.identifierRepositorio Universidad de los Llanos
dc.identifierhttps://repositorio.unillanos.edu.co
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8708301
dc.description.abstractEn el presente trabajo se estudia la dependencia de la probabilidad de transmisión φ en redes con respecto a la fracción de individuos infectados al final de la epidemia. Para esta tarea, en primer lugar, se estudia el modelo de configuraciones, el cual es uno de los más importantes en el estudio de redes porque combina de manera adecuada el realismo y la simplicidad, este se caracteriza porque permite construir una red con una distribución de grado específica y al mismo tiempo calcular su distribución de grado de exceso. Seguidamente, se exponen los principales modelos compartimentales donde se caracteriza el número de reproducción R0 que representa el promedio de individuos que contraerán la enfermedad de una persona contagiada. Además, se definen los modelos epidemiológicos en redes y se realiza una simulación que calcula la fracción de infectados al final de la epidemia para diferentes probabilidades de trasmisión en una red de acoplamiento preferencial tipo BarabasiAlbert. Finalmente, calculamos teóricamente la dependencia de la fracción de infectados con respecto a la probabilidad de trasmisión en un modelo de configuraciones.
dc.languagespa
dc.publisherUniversidad de los Llanos
dc.publisherFacultad de Ciencias Humanas y de la Educación
dc.publisherVillavicencio
dc.relationAguirre, 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.relationBarabási, A.-L. & Albert, R. (1999). Emergence of scaling in random networks. science, 286(5439), 509-512.
dc.relationBarabási, A.-L. & Bonabeau, E. (2003). Scale-free networks. Scientific american, 288(5), 60-69.
dc.relationBarber, M. J. (2007). Modularity and community detection in bipartite networks. Physical Review E, 76(6), 066102.
dc.relationBell, 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.relationCsardi, G., Nepusz, T. y col. (2006). The igraph software package for complex network research. InterJournal, complex systems, 1695(5), 1-9.
dc.relationDiekmann, O. & Heesterbeek, J. A. P. (2000). Mathematical epidemiology of infectious diseases: model building, analysis and interpretation (Vol. 5). John Wiley & Sons.
dc.relationErdos, P., Rényi, A. y col. (1960). On the evolution of random graphs. Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relationErd˝os, P., Rényi, A. y col. (1960). On the evolution of random graphs. Publ. Math. Inst. Hung. Acad. Sci, 5(1), 17-60.
dc.relationGiordano, 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 interventions in Italy. Nature medicine, 26(6), 855-860.
dc.relationJackson, M. O. (2010). Social and economic networks. Princeton university press.
dc.relationKarrer, B. & Newman, M. (2009). Random graph models for directed acyclic networks. Physical Review E, 80(4).
dc.relationKermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the royal society of london. Series A, Containing papers of a mathematical and physical character, 115(772), 700-721.
dc.relationLi, M. Y. (2018). An introduction to mathematical modeling of infectious diseases (Vol. 2). Springer.
dc.relationLiu, F., Li, X. & Zhu, G. (2020). Using the contact network model and Metropolis-Hastings sampling to reconstruct the COVID-19 spread on the “Diamond Princess”. Science bulletin, 65(15), 1297-1305.
dc.relationMallioros, F. D. & Vazirgi, M. (2013). Clustering and community detection in directed networks: A survey. Physics Reports, 533(4), 95-142.
dc.relationManrique-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.relationMastrandrea, 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.relationMolina, J. L. (2004). La ciencia de las redes. Apuntes de Ciencia y Tecnologia, 11(1), 36-42.
dc.relationMoreno, Y., Pastor-Satorras, R. & Vespignani, A. (2002). Epidemic outbreaks in complex heterogeneous networks. The European Physical Journal B-Condensed Matter and Complex Systems, 26(4), 521-529.
dc.relationNesterov, A. I., Villafuerte, P. H. M. & Berman, G. P. (2020). In Response to COVID-19: Configuration Model of the Epidemic Spreading. arXiv preprint arXiv:2007.05496.
dc.relationNewman, M. (2018). Networks. Oxford university press.
dc.relationOrganización Mundial de la Salud, ( (2020). Preguntas y respuestas sobre la enfermedad por coronavirus (COVID-19). https://www.who.int/es/emergencies/diseases/novel-coronavirus2019/advice-for-public/q-a-coronaviruses
dc.relationOrtega-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.relationPastor-Satorras, R. & Vespignani, A. (2001). Epidemic spreading in scale-free networks. Physical review letters, 86(14), 3200.
dc.relationQuarteroni, A., Parolini, N. y col. (2020). Data Analysis and Predictive Mathematical Modeling for COVID-19 Epidemic Studies.
dc.relationQuintana Cruz, Y. y col. (2019). MATEMÁTICAS Y EPIDEMIOLOGÍA: MODELOS Y CONCLUSIONES.
dc.relationRock, K., Brand, S., Moir, J. & Keelin, M. J. (2014). Dynamics of infectious diseases. Reports on Progress in Physics, 77(2), 026602.
dc.relationSanzs Menéndez, L. (2003). Análisis de redes sociales: o cómo representar las estructuras sociales subyacentes.
dc.relationSinghal, T. (2020). A review of coronavirus disease-2019 (COVID-19). The Indian Journal of Pediatrics, 1-6.
dc.relationTravers, 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.relationVillegas-Chiroque, M. (2020). Pandemia de COVID-19: pelea o huye. Revista Experiencia en Medicina del Hospital Regional Lambayeque, 6(1).
dc.relationN/A
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsDerechos Reservados - Universidad de los Llanos, 2022
dc.titleEstudio de la trasmisión de una epidemia en redes aleatorias tipo Erdös-Renyi y Barabasi-Albert
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución