Mostramos un modelo simple de la dinámica de un proceso viral basado en la determinación de la curva de Kaplan-Meier del virus. Junto con la función de los individuos recién infectados, este modelo nos permite predecir la evolución del proceso epidémico resultante en términos del número de pacientes fallecidos más individuos que han superado la enfermedad. Nuestro modelo tiene como punto de partida la representación de como la convolución de y . Permite introducir información sobre pacientes latentes, pacientes que ya han sido curados pero que aún son potencialmente infecciosos, y personas reinfectadas. También proporcionamos tres métodos para la estimación de utilizando datos reales, todos ellos basados en la minimización del error cuadrático: la solución exacta utilizando la función Lagrangiana asociada y las condiciones de Karush-Kuhn-Tucker, un esquema computacional de Monte Carlo actuando sobre el conjunto total de mínimos locales, y un algoritmo genético para la aproximación de los mínimos globales. Aunque el cálculo de las soluciones exactas de todos los sistemas lineales proporcionados por el uso de la Lagrangiana da naturalmente el mejor resultado de optimización, el gran número de dichos sistemas que aparecen cuando la variable de tiempo aumenta hace necesario utilizar métodos numéricos. Hemos elegido los algoritmos genéticos. De hecho, mostramos que los resultados obtenidos de esta manera proporcionan buenas soluciones para el modelo.