El cálculo de la probabilidad de un brote menor es crucial en el análisis de un modelo estocástico de epidemia. Para modelos estocásticos de epidemia con retrasos fijos, se aplica el truco de la cadena lineal para transformar los modelos con retrasos en una familia de modelos de EDO con parámetros de forma crecientes. Luego demostramos que los resultados bien establecidos sobre la probabilidad de un brote menor para modelos de epidemia de cadena de Markov de tiempo continuo (CTMC) también se mantienen para los modelos estocásticos de epidemia con retrasos fijos. Todos los resultados teóricos son verificados mediante simulaciones numéricas implementadas por el algoritmo de simulación estocástica de retraso (DSSA) en Python. Se muestra que DSSA es capaz de generar realizaciones exactas para los modelos con retraso subyacentes en el contexto de la epidemiología matemática, y por lo tanto, proporciona información sobre el efecto de los retrasos durante las fases de brote de las epidemias.