Captulo

I
Modelamiento matemtico

El objetivo de esta seccin es exponer una metodologa para el modelamiento matemtico
aplicado a problemas de gestin, en el mbito de la ingeniera industrial. La primera parte est
dedicada a la definicin de conceptos, luego se presenta la metodologa y se exponen diversos
ejemplos.

1. Definiciones

1.1 El concepto de sistema

En la literatura existen muchas definiciones del concepto de sistema tales como: es un conjunto
de partes o elementos que interactan entre s, es un objeto formado por un conjunto de partes
entre las que se establece algunas forma de relacin que las articula en una unidad que es
precisamente el sistema. En general todas las definiciones hacen referencia a las partes que
componen el conjunto y a las relaciones que se establecen entre ellas. En este texto se adopta la
primera definicin.

La construccin de un sistema comprende los aspectos del fenmeno que se est interesado en
estudiar y modelar. Algunos ejemplos de sistemas:

Sistema planetario: las partes pueden ser los planetas, el sol, los satlites y cometas. La
interaccin puede ser la gravitacin.

Sistema econmico: las partes pueden ser las personas, o grupos de personas, empresas
productoras de bienes y servicios, bancos comerciales y banco central. La interacciones
pueden estar dadas por la relaciones de intercambio de bienes y servicios.

Sistema ecolgico: las partes e interacciones pueden ser las diferentes poblaciones y las
relaciones de cooperacin y de depredacin entre ellas.

Empresa productiva: las partes pueden ser las distintas plantas productivas y las interacciones
puede ser la informacin que circula entre ellos.

1.2 El concepto de modelo

Existen varios conceptos de modelo, uno de ellos es que un modelo es una referencia digna de
emular Alexis Sanchez es un modelo para la juventud deca algn tiempo atrs un peridico de
Santiago. Otra acepcin es que un modelo es una persona que porta vestimentas en una pasarela
o que posa para un artista. Otro significado es que un modelo es una reproduccin de un proyecto
en una escala diferente. En el contexto de este libro, se define un modelo como: una
representacin abstracta que caracteriza el sistema. Para el caso de los modelos matemticos, los
elementos del sistema se representan por variables y las interacciones por ecuaciones o relaciones
lgicas. El modelo viene a ser la representacin con la cual se estudiar el comportamiento del
sistema.

Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 1

Luego, se puede afirmar que un modelo matemtico es una herramienta que permite a travs de
su experimentacin obtener informacin que no es posible conseguirla sin el modelo. Una
condicin necesaria de un modelo matemtico es que debe ser suficientemente detallado para
que describa el sistema o la situacin del mundo real y lo suficientemente simple para permitir el
anlisis y su solucin. Si el modelo es extremadamente detallado se corre el riesgo que el anlisis y
su solucin sean difciles de realizar, por el contrario si es excesivamente simple, los resultados
pueden ser imprecisos, no aportan informacin o simplemente son triviales.

1.3 Tipos de modelos matemticos

De acuerdo a la naturaleza de las variables y ecuaciones se pueden tener diferentes tipos de
modelos, cuya clasificacin hace referencia a alguna cualidad especfica, de este modo se tiene:

1. Segn la estructura del modelo estos se pueden clasificar en: modelos analticos y de
simulacin. Los modelos analticos estn representados por ecuaciones, mientras que un
modelo de simulacin es una representacin matemtica-lgica, no necesariamente a travs
de ecuaciones, de cmo se comporta un sistema.
Por otra parte los modelos analticos pueden tener una solucin analtica, es decir una
expresin matemtica o una solucin obtenida a travs de mtodos numricos.

Un ejemplo de modelo analtico, en mecnica clsica, lo constituye la expresin

F = ma ,

que para ciertas aplicaciones es posible resolver y encontrar la expresin que describe el
comportamiento de la partcula. Para otros casos es necesario integrar la ecuacin o las
ecuaciones a travs de mtodos numricos.

En general, se usan modelos de simulacin cuando no es posible modelar analticamente un
sistema debido a su gran nmero de componentes y relaciones entre las partes. Tambin se
utiliza la simulacin, an cuando se pueda representar matemticamente un sistema pero es
imposible resolver el sistema de ecuaciones, debido a su naturaleza no lineal por ejemplo. Un
modelo de simulacin est escrito en algn lenguaje computacional.

Los modelos de simulacin se pueden clasificar en dos tipos: modelos de simulacin continua
y de eventos discretos. Esta clasificacin obedece a la forma como avanza el reloj o el tiempo
en la simulacin, en el caso de los modelos de eventos discretos el reloj avanza a saltos, que
pueden ser regulares o segn vayan ocurriendo los eventos. En el caso de los modelos de
simulacin continua el tiempo avanza de manera continua. Los modelos de simulacin que
estudiaremos en este texto son los modelos de simulacin continua y se emplear la
dinmica de sistemas para su modelamiento.

2. Segn al tipo de variables estos se pueden clasificar en: aleatorios o deterministas, la
definicin es muy simple, sern aleatorios aquellos modelos que contienen variables
aleatorias y deterministas los que no incluyen este tipo de variables. Hace unos 30 aos, los
modelos deterministas se podan definir por su capacidad de descripcin exacta, hoy se sabe
que modelos deterministas producen aleatoriedad, tal es el caso de ciertos modelos dinmicos
no lineales. Es por esto que la definicin propuesta solo hace insistencia en la cualidad de las
variables que lo componen.

Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 2

Una empresa que manufactura en un periodo la cantidad de productos que ha vendido en los
periodos precedentes se define como una produccin a pedidos, en este caso un modelo
determinista que describa los ingresos de la empresa puede ser adecuado. Sin embargo, una
empresa que produce y luego vende, sus ingresos pueden ser modelados a travs de un
modelo aleatorio.

3. Segn el propsito del modelo se pueden especificar como: optimizantes y descriptivos, son
optimizantes aquellos modelos donde se busca una solucin que produzca un valor extremo
en una funcin de criterio u objetivo y descriptivos aquellos modelos que solo describen el

comportamiento del sistema. Un modelo del tipo x = f (x ) corresponde a un modelo

descriptivo y un modelo del tipo:

Max f ( x )
s.a.

g( x) b

Es un modelo optimizante. Donde f(x) representa la funcin de criterio u objetivo y g(x) b
corresponde a un conjunto de condiciones que deben cumplir los valores de la variables x.

4. Segn la relacin entre las variables se pueden clasificar como lineales y no lineales. En los
modelos lineales los exponentes de las variables tienen el valor de la unidad y no hay
multiplicaciones entre las variables. Tambin, tienen la propiedad que una modificacin en los
valores de las variables o parmetros la respuesta del modelo es proporcional a tales cambios.
Los modelos no lineales no cumplen ninguna de las propiedades anteriores. Es importante
sealar que siempre se prefiere un modelo lineal a uno no lineal, en general son siempre ms
fcil de resolver. Esto siempre y cuando se represente adecuadamente el problema en
estudio.

5. Segn el tipo de variables, tambin es posible agrupar los modelos en continuos y discretos.
Los modelos continuos son aquellos donde las variables pertenecen al conjunto de los
nmeros reales y en los discretos pertenecen al conjunto de nmeros enteros.
Paradjicamente, los modelos en variables enteras, son ms difcil de resolver que los modelos
continuos. Es por esto, que siempre se prefiere caracterizar el sistema a travs de variables
continuas. Por ejemplo, si se trabaja en un modelo que tiene por objetivo determinar el nivel
de produccin de un artculo de bajo costo o masivo, la variable que define el nmero de
artculos ser continua a pesar que en estricto rigor la variables es discreta. En el caso que los
artculos fueran aviones, por ejemplo, en ese caso ya no es posible considerarla como
continua. Pues, si el modelo continuo indica un valor de 5,5, los resultados para la compaa
son bastante diferentes si se producen 5 o 6 aviones.

6. Segn el tipo de ecuaciones y tipo de variables se pueden clasificar en dinmicos y estticos.
Los modelos dinmicos estn expresados en ecuaciones diferenciales o en ecuaciones de
diferencias, sus variables evidentemente son funciones de una o ms variables,
particularmente el tiempo es un variable clsica de estos modelos. En los modelos estticos las
variables no dependen de otras variables y la solucin de estos modelos corresponden a
valores, en el caso de los dinmicos las soluciones corresponden a funciones. Por ejemplo un
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 3

modelo de programacin lineal corresponde a un modelo esttico y un modelo del tipo

x (t ) = f ( x (t )) es un modelo dinmico.

2. Propuesta metodolgica para la construccin de modelos matemticos en el mbito de la
ingeniera industrial

En esta seccin se presenta una metodologa para la construccin de modelos matemticos en el
supuesto que un analista interacta con un cliente o usuario que demanda sus servicios.

2.1 La definicin del problema y del sistema

La primera etapa consiste en la definicin del problema. Es decir, definir precisamente lo que se
debe resolver o hacer para solucionar el conjunto de sntomas que manifiesta el cliente o usuario
en la interaccin con el analista. Es posible hacer una analoga al hecho cuando un paciente visita
por primera vez a un mdico, en este caso el rol del mdico es antes que nada definir cul es el
origen de la sintomatologa que el paciente seala. Si no es suficiente el relato del paciente
entonces el mdico solicita exmenes, luego con todos estos antecedentes se define cual es la
enfermedad del paciente y se define un tratamiento.

Algo similar ocurre en el dominio de la consultora en ingeniera. El cliente relata la serie de
problemas que ocurren en la organizacin y el analista realiza consultas, solicita antecedentes,
estadsticas, etc. Luego, se define el problema, la diferencia con el caso del mdico es que el
diagnstico y la definicin del problema se efecta en acuerdo con el cliente.

Una vez que el problema est definido, se determina el sistema: las fronteras, sus elementos e
interacciones.

2.2 Pertinencia de la aplicacin de modelos matemticos

Esta etapa consiste en establecer si es pertinente la aplicacin de modelos matemticos al
problema definido. En algunos casos la respuesta es obvia o la experiencia del analista permite dar
una respuesta. Sin embargo, para otros tipos de problemas no es as. Por ejemplo, la asignacin de
tareas en una oficina para el control del estrs laboral, en este caso la respuesta no es inmediata.
La estrategia que se propone es efectuar una bsqueda bibliogrfica, hoy en da con la
disponibilidad de internet esto es relativamente fcil de realizar. De este modo, de existir modelos
matemticos, se pueden conocer experiencias, tantos acadmicas como de aplicaciones a casos
prcticos. Ahora bien, qu podemos concluir cuando no se encuentra ninguna referencia? en esta
situacin se debe acudir a la experiencia del o los analistas y al sentido comn.

2.3 Tipo de modelo

Es posible distinguir los siguientes factores de los cuales depende el tipo de modelo que se va a
construir:
a) naturaleza del problema: se entiende por esto si el problema es determinista o aleatorio,
si hay fenmenos no lineales, el tamao del problema, si es necesario recurrir a la
simulacin, entre otras caractersticas.

Introduccin al Modelamiento Matemtico

Miguel Alfaro

Pgina 4

b) tipo de decisiones que va apoyar: este factor es determinante en el tipo de modelo a

construir. Por ejemplo, si el modelo ser empleado cotidianamente para decisiones
operacionales, generalmente este tipo de decisiones requiere que el modelo proporcione
resultados de manera rpida, por lo tanto el tipo de modelo debe ser tal que satisfaga esta
condicin. Al contrario, si el modelo va apoyar decisiones de inversin de largo plazo, en
este caso el procesamiento puede tomar ms tiempo que en el caso anterior.
c) recursos monetarios: hay modelos que requieren informacin que puede tener un costo
muy alto y si el cliente no posee el financiamiento para ello, se debe orientar la
modelizacin hacia alternativas ms baratas. Por ejemplo, en un modelo de optimizacin
se requiere la demanda de un conjunto de bienes. Se sabe que realizar un estudio de
mercado para este objetivo puede ser muy caro, en este caso, una alternativa podra ser
considerar la demanda como aleatoria y bajo ciertos supuestos trabajar con esta
condicin.
d) tiempo disponible que posee el cliente para la construccin del modelo: por ejemplo,
puede ocurrir que obtener la informacin que requiere un modelo sea mayor que el
tiempo disponible, luego se debe cambiar el tipo de modelo.

2.4 Construccin del modelo

Una vez definido el problema y el tipo de modelo se procede a la construccin de l. La primera
etapa consiste en definir las variables y parmetros del modelo, luego si el modelo es analtico se
construyen las ecuaciones y si es de simulacin, en general se confecciona un diagrama de las
relaciones entre las variables, se estudian las diferentes distribuciones de probabilidades a la que
pueden asociarse las variables aleatorias del modelo y luego se procede a la programacin del
modelo en algn lenguaje apropiado.

Las variables a definir corresponden a aquellas que caracterizan las partes y describen el
comportamiento del sistema o corresponden a las variables de alguna funcin de criterio a
optimizar. La definicin de las variables debe ser rigurosa, en el sentido, que deben expresar
precisamente lo que representa: xj(t) cantidad de cloruro de sodio en el estanque j en el instante t,
por ejemplo.

Con respecto a la construccin de las ecuaciones, dependiendo del tipo de modelo es la forma
como se aborda esta etapa. En el caso de un modelo dinmico, se debe distinguir si el tiempo es
discreto o continuo. En el primer caso, se sugiere formular la pregunta Cul es el valor de la
variable en el periodo n+1 si se conoce su valor en el periodo n? y si el tiempo es continuo la
pregunta es Cmo vara la variable? Qu la hace aumentar y que la hace disminuir? Un aspecto
que se debe considerar es la existencia de leyes que se puedan aplicar a la situacin problema. Sin
embargo, es comn que los problemas abordados en ingeniera industrial no presenten leyes
especficas, como ocurre en otros mbitos de la ingeniera y de la ciencia.

2.5 Validacin

Una vez construido el modelo ste debe resolverse, los mtodos empleados en esta etapa
dependen del tipo de modelo, en el caso de un modelo analtico, este puede tener tambin una
solucin analtica, en el caso de los modelos de simulacin, los resultados se obtienen a travs de
lo que se denominan las corridas de simulacin y corresponden a las salidas de un programa
computacional.
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 5

El anlisis de los resultados permite determinar si el modelo es adecuado para la situacin

problema. Esto da origen a la validacin del modelo. Las tcnicas empleadas son variadas y en
muchos casos se emplean de manera conjunta, sin pretender ser exhaustivo se mencionan
algunas:

1. En los casos en que es posible comparar alguna serie temporal de alguna variable del modelo
con una serie observada del fenmeno, se estudia la diferencia estadstica entre ellas.

2. Se somete el modelo a valores de entrada que proporcionan resultados conocidos, por ejemplo
se eligen valores extremos, ceros o valores muy grandes de algunos de los parmetros y se
comparan las salidas del modelo con los resultados esperados.

3. En algunos casos se debe recurrir a expertos, en algn aspecto especfico del modelo, para que
d su opinin, de los resultados obtenidos.

2.6 Aplicacin del modelo

Una vez que el modelo ha sido validado, se procede a la experimentacin con el modelo, se
suponen diversos escenarios, se modifican parmetros y condiciones iniciales, se sensibilizan las
soluciones, etc. Luego, para la aplicacin del modelo, se debe implementar computacionalmente
el modelo en la organizacin y construir las interfaces necesarias para una explotacin amigable
del modelo, corresponde a un trabajo de ingeniera informtica.

3. Ejemplos de modelos dinmicos

En esta parte se presentan ejemplos de modelos dinmicos, que es la temtica central del texto,
se comienza con ejemplos simples y finalmente se presenta un caso de modelamiento ms
complejo, que corresponde a la epidemia del SIDA.

1. Describir el comportamiento del saldo de una cuenta de ahorro que se capitaliza
mensualmente a una tasa de inters r, cuya cantidad inicial es S pesos. Suponga que no se
realizan depsitos ni retiros.

La primera etapa en la construccin de un modelo consiste en comprender perfectamente la
situacin problemtica. Describir el comportamiento del saldo significa responder a la
pregunta cul es el saldo de la cuenta en cualquier instante del tiempo? Con respecto al
tiempo, debido a que las capitalizaciones se realizan por perodos, conviene considerar la
evolucin del tiempo de manera discreta.

Definicin de variables y parmetros:

k: instante 0,1,2. (La distancia temporal entre k y k+1 es de un mes)
x(k): saldo en pesos en el instante k.
r: tasa de inters mensual.
S: saldo al comienzo del periodo 0. Se define un perodo inicial 0



Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 6

Modelo:

De acuerdo a lo definido se tiene:

+ 1 = 1 + ()

Solucin:

= (1 + )!

De este modo, basta definir el perodo k para determinar el saldo.

2. El mismo caso anterior pero se supone que se retira una cantidad R todos los meses. En esta
situacin se debe definir si la cantidad retirada se realiza inmediatamente despus de la
capitalizacin o antes.
a) Inmediatamente despus de la capitalizacin:

+ 1 = 1 +
b) Antes de la capitalizacin:

+ 1 = 1 + ( )

3. Una versin diferente del ejemplo anterior es cuando la capitalizacin se asume continua a
una tasa de inters r. Se supone que no hay retiros y la cantidad inicial es S.

Definicin de variables y parmetros

x(t) el saldo en el instante t.
r: tasa de inters.
S: saldo en el instante t =0.

Modelo

En este caso es una ecuacin diferencial:

()
= ()

Solucin:

= !"

Expresin que permite determinar el saldo para todo instante t.

Observacin: Si en los ejemplos anteriores se incorporan retiros o depsitos cuyos montos y
periodicidad fueran aleatorios, puede ocurrir que no sea posible construir un modelo analtico. En
ese caso, un modelo de simulacin podra ser el apropiado para estudiar el comportamiento del
saldo.
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 7

4. La ley de enfriamiento de Newton afirma que la tasa de cambio de la temperatura de un

cuerpo con respecto al tiempo es proporcional a la diferencia entre la temperatura del cuerpo
y la temperatura del medio ambiente. Representar en un modelo matemtico esta afirmacin.

Definicin de variables y parmetros:
Tc(t): temperatura del cuerpo en el instante t medida en grados Celsius.
Ta: temperatura del medio ambiente medida en grados Celsius.
K: Constante de proporcionalidad

Modelo
Si se supone que la temperatura del cuerpo no modifica la temperatura del medio ambiente,
el modelo es:

()
= ( )

Solucin:

= 0 !" +

Ntese que si la temperatura inicial (Tc(0)) es mayor o menor que la temperatura ambiente, la
temperatura del cuerpo en el largo plazo ser la temperatura del ambiente.


5. En un estanque que se vaca, la variacin de la altura del agua en el estanque es proporcional a
la raz cuadrada de la misma altura, este fenmeno se conoce como la ley de Torriceli,
construir un modelo que describa esta ley.

Definicin de variables y parmetros:
h(t): Altura que registra el agua en el estanque en el instante t.
k: Constante de proporcionalidad

Modelo:
()
= ()

Solucin:
=

+ 2(0)!

2

6. Una colonia de bacterias tiene una tasa de natalidad y mortalidad de a y b bacterias por unidad
de tiempo y poblacin, respectivamente. Confeccionar un modelo matemtico que describa el
comportamiento de la poblacin.

Definicin de variables y parmetros
P(t): nmero de bacterias en el instante t.
P(0): Poblacin inicial.
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 8

a, b: tasas de nacimiento y muerte por unidad de tiempo y poblacin.

Modelo:
()
= ()

Solucin:

= !!! ! (0)


4. Un ejemplo de modelamiento matemtico a un caso complejo

En este seccin se presenta la metodologa aplicada a un caso real, este corresponde a la
construccin de un modelo para describir el comportamiento de la epidemia del SIDA en la Regin
metropolitana de Chile.

El primero modelo que se realiz en Chile para describir el comportamiento de la epidemia del
SIDA fue a travs de un proyecto FONDECYT que dirigi el profesor Pedro Gazmuri de la Pontificia
Universidad Catlica de Chile. En la confeccin del modelo, trabajaron el profesor Pedro Gazmuri,
William Johnson y Miguel Alfaro (1993). Este trabajo se realiz con la colaboracin directa de la
Comisin Nacional del SIDA (CONASIDA) del Ministerio de Salud.

El modelo desarrollado corresponde a un modelo de simulacin estocstica. El modelo que se
presenta en el anexo est basado en este modelo, sin embargo corresponde a un modelo
dinmico expresado en 84 ecuaciones diferenciales las cuales se integran a travs del mtodo
Runge-Kuta empleando SIMULINK de MATLAB. (2006).

Etapa 1: Contexto y definicin del problema

La epidemia del SIDA, se caracteriza por poseer un largo periodo de incubacin, durante el cual la
persona infectada es asintomtica. Luego, lo que se observa de la epidemia son los casos de SIDA y
el nmero de personas infectadas que se han detectado a travs de algn examen, por ejemplo el
test de ELISA. Este es un aspecto que vuelve extremadamente peligrosa la epidemia y que
complejiza el modelamiento, debido bsicamente a que se desconoce el nmero de infectados.

El virus de inmunodeficiencia humana se puede contagiar por tres vas: sexual, parenteral y
perinatal. Este modelo aborda solamente la transmisin sexual como mecanismo de contagio, por
ser esta la ms importante a nivel nacional CONASIDA (2003).

La difusin de la epidemia se realiza a travs de la poblacin sexualmente activa. Esta poblacin
est compuesta por diferentes grupos con diferentes comportamientos sexuales y se desea
determinar cmo se difunde en cada uno de ellos y qu medida de control es posible aplicar.

Luego es posible definir el problema como:

Determinar el comportamiento del nmero de infectados, proyectar el nmero de casos de SIDA y
muertos a causa de la epidemia en los diferentes grupos de riesgos.

Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 9

Etapa 2: Pertinencia de la aplicacin de un modelo matemtico

En un congreso de mdicos del ao 1993, fue presentado el primer modelo de la epidemia del
SIDA, durante el transcurso de preguntas, un mdico hizo la siguiente observacin: el modelo
presentado no sirve de nada, es solo un juego, pues la conducta humana es impredecible. En otros
trminos, la observacin estaba relacionada con la pertinencia de la aplicacin de modelos a la
descripcin de la epidemia. La respuesta del relator fue la siguiente: cunto cree usted que mide
el largo de este escritorio? (mostrando la mesa desde donde se proyectaban, en ese entonces, las
transparencias) si usted me dice que no puede determinarlo, alguien que no est en la sala podra
pensar que el valor puede ir desde cero al infinito, pero todos los que estamos presentes sabemos
que no es as y que si bien no se puede dar una respuesta exacta, se podra decir que con una
probabilidad del 90% el largo se encuentra entre 1,3 y 1,5 metros, por ejemplo. Ahora bien, en el
caso de la epidemia, si uno se pregunta cuntas parejas diferentes por una cierta unidad de
tiempo puede tener una persona? Estamos bajo la misma problemtica anterior. Adems, en este
caso, hay estudios de comportamiento sexual de los diferentes grupos de riesgos que pueden
ayudarnos a dar una respuesta aproximada. Adems, el modelo no pretende determinar el
comportamiento de una persona, si no que estudia al conjunto, en ese sentido los valores que se
emplean corresponden a valores promedios.

Por otra parte, la literatura tcnica es rica en aplicaciones de modelamiento matemtico en
epidemiologa, para el caso del SIDA, tambin existan a la fecha modelos. Buscar referencias
siempre es una buena alternativa para determinar si es pertinente aplicar modelos matemticos.
Adems, el actual desarrollo informtico tanto en software como en hardware permite la
aplicacin de modelos en dominios que antes no era posible realizar, debido a lo difcil que
resultaba encontrar soluciones a los modelos.


Etapa 3: Tipo de modelo

El modelo tiene por objetivo describir la epidemia y determinar el impacto de diferentes polticas
de control de la epidemia. Ahora bien, es posible encontrar diferentes tipos de modelos en la
literatura que describen la epidemia, estocsticos, analticos, simulacin, dinmicos en tiempo
continuo, entre otros. Cmo decidir el tipo de modelo?. Veamos:

Con respecto a la naturaleza del problema: es evidente que existen variables o parmetros que
pueden ser considerados como aleatorios, tales como: la condicin de estar o no infectado, la
probabilidad de infectarse dado que la pareja sexual est infectado, el nmero de relaciones
sexuales, etc. Sin embargo, estas mismas variables pueden ser consideradas como deterministas.
Por otra parte, las variables pueden ser definidas como continuas o discretas, etc.

En este estudio, la naturaleza del fenmeno no permite determinar por s sola el tipo de modelo a
desarrollar. El modelo debe medir el impacto de polticas de control de la epidemia. Luego, se
puede afirmar que el tiempo para resolver el modelo tampoco constituye un factor de decisin
determinante, aunque siempre es preferible un modelo con el cual se pueda experimentar a otro
que puede tomar horas para obtener resultados.

En este caso, uno de los problemas mayores era la disponibilidad de informacin con respecto a
las conductas sexuales de la poblacin, luego esta restriccin orienta a una construccin que
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 10

permita ver el comportamiento del modelo para diferentes conjuntos de parmetros obtenidos de
estudios realizados en otros pases y adecuar sus valores de manera de observar los casos de SIDA
en un cierto perodo de prueba. Para esto se propone un modelo, en ecuaciones diferenciales con
un conjunto de parmetros susceptibles de adaptar al fenmeno local. Tambin permite simular
diferentes medidas de control en tiempos de proceso del modelo relativamente cortos,
aproximadamente cada simulacin del modelo toma 5 minutos en un procesador de doble ncleo
de 2,93 GHz y 4 G en RAM.

Etapa 4 Construccin del modelo

4.1 Definicin de ndices, parmetros y variables

Grupos de riesgos (g):

Hombres homosexuales: hombres que tienen relaciones exclusivamente con hombres, sin
distinguir si su pareja es homosexual o bisexual. Adems puede tener relaciones con el
grupo de hombres trabajadores sexuales (g = 1).
Hombres bisexuales: hombres que establecen contactos con hombres homosexuales y
bisexuales sin distincin, con trabajadores y trabajadoras sexuales y con mujeres (g = 2).
Hombres heterosexuales: A cada tipo de conducta sexual de este grupo se le asocia por
separado una tasa de adquisicin de trabajadoras sexuales y de mujeres (g = 3).
Hombres Trabajadores sexuales: hombres que establecen contactos sexuales
exclusivamente con hombres homosexuales y bisexuales (no existe relacin entre
trabajadores sexuales y mujeres). El nmero de parejas queda determinado por el nmero
mximo de clientes con los cuales puede tener contacto por perodo (g = 4).
Mujeres Trabajadoras sexuales: mujeres que establecen contactos con hombres
heterosexuales y bisexuales sin hacer distincin. Anlogamente a los trabajadores
sexuales, el nmero de parejas queda determinado por la cantidad mxima de clientes con
los que puede tener contactos por unidad de tiempo (g = 5).
Mujeres heterosexuales: mujeres que establecen relaciones sexuales con hombres
heterosexuales o bisexuales, sin distinguirlos (g = 6).

Niveles de conducta sexual son (i): Alto, medio, bajo

Estados que se puede encontrar una persona (e):

Susceptibles: Se llaman susceptibles todas aquellas personas que se encuentren
sexualmente activas, para el caso de este estudio se consideraron personas entre 15 y 59
aos, que no se encuentren infectadas y que se relacionan en forma aleatoria con una
persona de entre los distintos grupos de riesgo, segn su conducta sexual y grupo de
riesgo al cual pertenece. Por ejemplo, no es posible que un hombre heterosexual tenga
relaciones sexuales con un hombre homosexual (e = 0).
Estado 1 de la infeccin: En este estado se encuentran aquellas personas que han sido
contagiadas recientemente, de acuerdo al desarrollo de esta enfermedad el paciente no
presenta sntomas y adems no puede ser diagnosticado, pues el organismo no ha creado
anticuerpos, lo que imposibilita la realizacin de pruebas de diagnostico que permitan
develar la infeccin. En este periodo el individuo es altamente infeccioso. Esta etapa de la
enfermedad tiene una duracin media de 6 meses (e = 1).
Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 11

Estado 2 de la infeccin del VIH: En este estado se encuentran los individuos que se han
seroconvertido, es decir, su cuerpo ha empezado a crear anticuerpos contra la
enfermedad, por lo cual es posible mediante una prueba, como el test ELISA, diagnosticar
la enfermedad. En este estado todava no se presentan sntomas y es la etapa de menor
infecciosidad. Este periodo dura en promedio 10 aos siendo la etapa ms larga de la
enfermedad (e = 2)..
Estado 3 de la infeccin del VIH: En este estado se encuentran los individuos que estan
finalizando la etapa asintomtica, por lo cual podran presentar algunos sntomas,
generalmente este periodo dura 1ao y 8 meses (e = 3).
SIDA: En este estado se encuentran aquellos individuos que presentan enfermedades
oportunsticas, esta corresponde a la ltima etapa de la enfermedad y dura alrededor de 1
ao y 3 meses (e = 4).
Muertos por SIDA: En este estado se encuentran aquellas personas que murieron a causa
del SIDA (e = 5).

X g ,i ,e : Variable de estado que representa el nmero de personas del grupo g, conducta sexual i,
que se encuentran en el estado e de la enfermedad en un tiempo t

4.2 Ecuaciones

La dinmica de las distintas poblaciones es modelada a travs de un grupo de ecuaciones no
lineales, las cuales describen el cambio en cada grupo g,i a travs del tiempo, la ecuacin 1
describe la variacin de la poblacin susceptible, la cual varia por el inicio de personas a la vida
sexual, las inmigraciones a la regin metropolitana, y por el paso a la etapa siguiente, causado por
la infeccin con VIH de individuos en cada periodo. Las etapas 2 a 4 describen los cambios en los
distintos estados de la infeccin por VIH, cada etapa aumenta por el ingreso de individuos desde la
etapa anterior y disminuye por el paso de sujetos al estado siguiente de la enfermedad, por
muertes ajenas a la enfermedad y las emigraciones. El paso de un estado infeccioso al siguiente
esta dado por la evolucin natural de la enfermedad. La ecuacin 5 es similar a las anteriores solo
que representa el estado final de la enfermedad causada por el VIH, el SIDA, nivel que aumenta
por el ingreso de sujetos desde la etapa anterior y disminuye por la muerte de individuos a causa
de esta enfermedad. La ecuacin 6 describe los cambios del nivel de individuos muertos a causas
del SIDA.

dX g ,i ,0
dt
dX g ,i ,1
dt
dX g ,i , 2
dt
dX g ,i ,3
dt

= g ,i X g ,i ,0 ( + Pc g ,i )

= X g ,i ,0 Pc g ,i X g ,i ,1 ( + Y1 )
= X g ,i ,1Y1 X g ,i , 2 ( + Y2 )

= X g ,i , 2Y2 X g ,i ,3 ( + Y3 )

Introduccin al Modelamiento Matemtico

Miguel Alfaro

Pgina 12

dX g ,i , 4
dt
dX g ,i ,5
dt

= X g ,i ,3Y3 X g ,i , 4

= X g ,i , 4

Donde:
: Tasa de ingreso a la poblacin de susceptibles para cada grupo y tipo de conducta sexual
en el tiempo t. (se hace el supuesto que el total de personas se distribuye en los grupos
de riesgo de acuerdo al estado del sistema en ese momento)

Pc g ,i : Probabilidad de infeccin para una persona del grupo g y comportamiento i (personas
g,i) en un perodo


: Tasa de muertes o egresos de la poblacin por causas ajenas al SIDA (muertes naturales y
emigraciones).

: Duracin de cada una de las tres etapas de la infeccin (e=1,2,3).
Ye


: Duracin de la enfermedad en la etapa SIDA.

La probabilidad de infeccin de una persona de un grupo y comportamiento determinado,
en un periodo es una variable estocstica que depende de varias variables, entre ellas el nmero
de personas infectadas en cada grupo, el nmero de parejas sexuales, la probabilidad de contagio
por coito etc. Esta probabilidad se determina de la siguiente forma:

g ,i

Pc g ,i = 1 Pg ,i , go
go

Donde:

Pg ,i , go : Probabilidad de no infectarse de una persona del grupo g,i con una persona del grupo
go, dado una cierta cantidad de compaeros C g ,i , go .
C g ,i , go

: Cantidad de compaeros sexuales que tiene un individuo del grupo g,i .

Pg ,i , go = Q

C g , i , go

Donde:
Q : Probabilidad de no infectarse de una persona del grupo g,i al tener como pareja a una
persona del grupo go.

La probabilidad de no infectarse que tiene una persona del grupo g,i de no infectarse de una
persona del grupo g,o es igual a la probabilidad de seleccionar a una pareja que no se encuentra
infectada ms la probabilidad de seleccionar a una pareja que se encuentre infectada y no
infectarse

Introduccin al Modelamiento Matemtico
Miguel Alfaro

Pgina 13

Q g ,i , go =

go ,i , 0

NC go,i ,0, g

X
i

go ,i ,e

NC go,i ,e, g

e =0

+
e =1

go ,i ,e

NC go,i ,e, g

X
i

go ,i ,e

(1

go , g ,e

NC go,i ,e, g

e =0

Donde:

NC go,i ,e, g : Es el nmero de compaeros por perodo del tipo go,e con comportamiento i, con
individuos del grupo g.

go, g ,e : Probabilidad de infeccin por contacto de un individuo del grupo g con una persona
infectada del grupo go, e (estados de infectados 1,2,3).

go, g ,e = 1 (1 sce )z (1d ) (1 cce )zd 1 (1 h )2 + (1 sce )z (1 h )2

Esta probabilidad corresponde a la probabilidad de que alguna de las parejas utilice condn ms
la probabilidad de que ningn miembro de la pareja lo utilice.

Donde:
z
d

sce
cce
h

: El nmero de relaciones sexuales por pareja

: Porcentaje de uso del preservativo con relacin al nmero de coitos por pareja sexual
: Probabilidad de contagio en un contacto sin uso de condn, dado que el infectado se
encuentra en la etapa e.
: Probabilidad de contagio en un contacto con uso de condn, dado que el infectado se
encuentra en la etapa e.
: Porcentaje de la poblacin que frecuentemente aplica la prctica de uso de condn.

sce = Pr{ruptura del preservativo}* sce

Los valores para las distintas poblaciones de grupos de riesgo y los valores de los parmetros de la
epidemia, estos fueron obtenidos a travs del Instituto Nacional de Estadsticas (INE) y de trabajos
precedentes, para ms detalles ver Alfaro 93 y Alfaro 2006.

Introduccin al Modelamiento Matemtico

Miguel Alfaro

Pgina 14