davidmanueldev / modelo-sir-python

Modelo SIR hecho con Python usando numpy, matplotlib y scipy

Modelo SIR en Transmisión de Enfermedades | Scipy

Introducción

En nuestra perfección del proyecto que se esta presentando esta abarcado en un desarrollo del 40 % en el lenguaje de codificación con el desarrollo de nuestras herramientas para un modelado matematico con la ayuda de E. D. que nos ayudaran a convertir las variables de interes con respecto al tiempo, como la cantidad de infectados. Implementado en Python nos permitira ingresar valores sobre la enfermedad y la poblacion en cuestion, calcularemos el crecimiento que este tiene podremos evaluar los escenarios, eventos clave y estrategias de intervención para obtener un mejor control sobre este.

Modelo Epidemiológico

Por la siglas S.I.R podremomos obtener lo siguiente:

S = Número de personas susceptibles

I = Número de personas infectadas

R = Número de personas recuperadas

α:Tasa de transición de susceptibles a infectados por unidad de tiempo. Representa la tasa a la que los individuos susceptibles se infectan cuando entran en contacto con individuos infectados.

β : Tasa de recuperación de individuos infectados por unidad de tiempo. Representa la tasa a la que los individuos infectados se recuperan y se convierten en recuperados.

Fórmula Usada

Librerías Utilizadas

• Numpy

  • NumPy es una biblioteca para el lenguaje de programación Python que da soporte para crear vectores y matrices grandes multidimensionales, junto con una gran colección de funciones matemáticas de alto nivel para operar con ellas.

• Matplotlib (reemplazado por Plotly)

  • Matplotlib es una biblioteca para la generación de gráficos en dos dimensiones, a partir de datos contenidos en listas o arrays en el lenguaje de programación Python. Proporciona una API, pylab, diseñada para recordar a la de MATLAB

• Scipy

  • SciPy es una biblioteca de Python para matemáticas, ciencia e ingeniería. SciPy contiene módulos para optimización, álgebra lineal, integración, interpolación, funciones especiales, FFT, procesamiento de señales y de imagen, resolución de Ecuaciones Diferenciales Ordinarias (ODEs) y mucho más.

Important

Para ejecutar este código, necesitas tener instaladas las bibliotecas de SciPy y Matplotlib. Puedes instalarlas con pip install scipy matplotlib numpy.