Estudiamos un modelo de Gauss (MG), un mapa del tiempo a la función gaussiana en forma de campana para modelar las muertes por día y país, como un modelo simple y analíticamente tratable para hacer predicciones sobre la epidemia de coronavirus. Justificado por la naturaleza sigmoidal de una pandemia, es decir, la propagación exponencial inicial hasta la eventual saturación, y un modelo basado en agentes, aplicamos el MG a datos existentes, a partir del 2 de abril de 2020, de 25 países durante la primera ola de la pandemia de corona y estudiamos las predicciones del modelo. Encontramos que las muertes diarias logarítmicas causadas por la enfermedad por coronavirus 2019 (Covid-19) están bien descritas por una función cuadrática en el tiempo. Al ajustar los datos a polinomios de segundo orden a partir de un ajuste estadístico con un 95% de confianza, podemos obtener los parámetros característicos del MG, es decir, un ancho, altura del pico y tiempo del pico, para cada país por separado, con los cuales extrapolamos a tiempos futuros para hacer predicciones. Proporcionamos evidencia de que este modelo supuestamente simplificador podría aún tener poder predictivo y lo utilizamos para pronosticar el curso futuro de las muertes causadas por Covid-19 por país, incluyendo el número máximo de muertes por día, la fecha del pico y la duración en la que ocurren la mayoría de las muertes. Si bien nuestro objetivo principal es presentar la idea general del proceso de modelado simple utilizando MG, también describimos posibles estimaciones para el número de máquinas respiratorias requeridas y el tiempo restante hasta que el número de infectados se reduzca significativamente.