Resumen: Esta tesis presenta un enfoque de simulación para modelar la propagación de enfermedades infecciosas, centrado en sistemas basados en agentes capaces de reproducir comportamientos epidemiológicos clave. La simulación incorpora variables críticas como tasas de infección, tiempos de recuperación y transiciones entre estados de salud, lo que permite adaptarse a la estructura de modelos compartimentales ampliamente conocidos, como SIS, SIR, SEAIR y VSEIQR. Además de la simulación principal, se desarrolló una aplicación complementaria que permite comparar los resultados de la simulación con las soluciones obtenidas a partir de ecuaciones diferenciales para cada modelo. Este análisis dual facilita una comprensión más profunda de cómo se relacionan o diferen los enfoques estocásticos y deterministas bajo diferentes condiciones. Ambas herramientas fueron desarrolladas siguiendo principios de programación orientada a objetos y están documentadas mediante diagramas UML, lo que garantiza modularidad, escalabilidad y claridad en su diseño. En conjunto, este trabajo ofrece un marco accesible y extensible para explorar la dinámica de enfermedades infecciosas tanto en contextos académicos como de investigación aplicada
Abstract: This thesis presents a simulation-based approach to modeling the spread of infectious diseases, focusing on agent-based systems capable of reproducing key epidemiological behaviors. The simulation incorporates critical variables such as infection rates, recovery times, and health state transitions, allowing it to adapt to the structure of well-known compartmental models including SIS, SIR, SEAIR, and VSEIQR. In addition to the core simulation, a complementary application was developed to compare the simulation outcomes against solutions derived from diferential equations for each model. This dual analysis enables a deeper understanding of how stochastic and deterministic approaches align or diverge under varying conditions. Both tools were developed following object-oriented programming principles and are documented through UML diagrams, ensuring modularity, scalability, and clarity in design. Overall, this work provides an accesible and extensible frame work for exploring infectious disease dynamics in both academic and applied research contexts.
