Proponemos dos modelos estocásticos para la pandemia de Coronavirus. Las propiedades estadísticas de los modelos, en particular las funciones de correlación y las funciones de densidad de probabilidad, fueron debidamente calculadas. Nuestros modelos tienen en cuenta la adopción de medidas de confinamiento, así como el papel crucial de los hospitales y los institutos de atención médica. Para llevar a cabo este trabajo, adoptamos un enfoque de reacción de tipo cinético donde la modelización de las medidas de confinamiento se obtiene mediante la introducción de una nueva base matemática y la intensidad del ruido estocástico se deriva de la mecánica estadística. Analizamos dos escenarios: el modelo estocástico SIS (Susceptible-Infectious-Susceptible) y el modelo estocástico integrado con la acción de los hospitales; ambos modelos tienen en cuenta las medidas de confinamiento. Mostramos que, en el caso del modelo SIS estocástico, una vez que se levantan las medidas de confinamiento, la infección por Coronavirus volverá a crecer. Sin embargo, las contribuciones combinadas de las medidas de confinamiento con la acción de los hospitales y los institutos de salud pueden contener e incluso reducir la propagación de la epidemia de SARS-CoV-2. Este resultado puede ser utilizado durante un período de tiempo en el que la distribución masiva de vacunas en una población determinada aún no es factible. Analizamos datos para EE. UU. y Francia. En el caso de EE. UU., analizamos las siguientes situaciones: EE. UU. está sujeto a la primera ola de infección por Coronavirus y EE. UU. está en la segunda ola de infección por SARS-CoV-2. El acuerdo entre las predicciones teóricas y los datos reales confirma la validez de nuestro enfoque.