[ES]Este Trabajo Fin de Máster analiza modelos epidemiológicos basados en redes complejas como herramientas para estudiar la propagación
de agentes desde la perspectiva de la modelización individual. A diferencia de los modelos compartimentales clásicos, estos modelos
permiten capturar la heterogeneidad en los patrones de contacto mediante la representación explícita de las interacciones entre individuos.
En particular, se estudian tanto modelos deterministas sobre redes, en los que el estado de cada individuo se describe mediante un vector
de probabilidades y cuya dinámica está gobernada por sistemas de ecuaciones diferenciales, como modelos estocásticos gobernados por
cadenas de Markov en tiempo continuo. Este enfoque resulta especialmente relevante para entender la transmisión en sistemas complejos
donde las interacciones no son homogéneas, como ocurre en comunidades humanas y en redes de vehículos en movimiento.
[EN]This Master’s Thesis analyzes epidemiological models based on complex networks as tools to study the spread of agents from the perspective
of individual-based modeling. Unlike classical compartmental models, these models capture the heterogeneity in contact patterns
through the explicit representation of interactions between individuals. In particular, both deterministic network-based models, in which the
state of each individual is described by a probability vector governed by systems of differential equations, and stochastic models governed
by continuous-time Markov chains are studied. This approach is especially relevant for understanding transmission in complex systems
where interactions are not homogeneous, such as in human communities and moving vehicle networks.
