Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PAPIME Manual Modelos
PAPIME Manual Modelos
Introduccin
los
modelos
matemticos
de
Armando Cervantes S.
Contenido
Pg.
Prlogo
Introduccin
I MODELOS DE CRECIMIENTO
I.1. Crecimiento de organismos que se reproducen
por fisin binaria
...
11
21
31
41
..
57
69
93
105
135
136
137
138
..
138
..
139
..
140
141
142
..
145
Bibliografa general
ii
Prlogo
humana.
Esta
propuesta
pretende
introducir
los
Prlogo
Introduccin
Introduccin
Introduccin
Introduccin
Introduccin
Introduccin
SISTEMA
Distribucin
probabilstica
de resultados
Perturbacin
SISTEMA
P(Y1)
P(Y2)
P(Y3)
:
P(Yn)
Introduccin
Introduccin
10
I
MODELOS DE CRECIMIENTO
11
12
de
turbidez
del
cultivo
usando
un
espectrofotmetro.
5. Medir el consumo de metabolitos. El consumo de oxgeno
y la produccin de cido a partir de algn carbohidrato
fermentable, han sido utilizados para estimar la cantidad
de protoplasma.
6. Contar las partculas individuales de un medio a travs del
uso de un contador electrnico de partculas.
13
poblacin total
fase de
crecimiento
exponencial
fase de
crecimiento
lento
0
0
tiempo
Nn+1 = 2Nn
Donde
El
modelo
tiene
dos
supuestos
fundamentales
(Elseth
Baumgardner, 1981):
1. Factores como la concentracin de nutrientes, el espacio
disponible, la temperatura, los niveles de oxgeno y otras
variables
que
limitan
el
crecimiento,
permanecen
expresado
como:
N n = 2n N 0
(1.1)
N n = 2 N n 1
(1.2)
o bien,
Ya que las bacterias se reproducen por fisin binaria, cada vez que
se duplica el nmero de organismos representa una generacin.
Por tanto, si se conocen el nmero de individuos al inicio y final de
un perodo de tiempo, el nmero de generaciones o divisiones
puede calcularse por medio de una serie geomtrica.
Sean N0 y Nn los tamaos de la poblacin al inicio y fin del perodo
respectivamente, se procede entonces a linealizar la ecuacin (1.1)
para encontrar el nmero de generaciones:
N n = 2n N 0
aplicando log10 en ambos lados de la ecuacin:
16
(1.3)
n = log2 N n log2 N 0
g =
t
n
(1.4)
Donde:
es el intervalo de
generaciones N0 y Nn
tiempo
transcurrido
entre
las
n es el nmero de generaciones
Ejemplo
Una grfica de crecimiento de la poblacin de Escherichia coli,
muestra que, en 2 horas con 50 minutos, la poblacin de bacterias
se incrementa de 1.5 x 106
18
N
6.3 107
log n log
6
N0 =
1.5 10 = log(42) = 1.6231 = 5.3929
n=
log 2
0.301
0.301
0.301
t 2 h _ 50 min
2.83h
h
=
=
= 0.53
n
5.3929
5.3929
generacin
19
20
21
tamao de la poblacin
0
0
generaciones
22
N t +1 = R 0 N t
(2.1)
Punto de
equilibrio
1
Neq
Nt
23
R 0 = b mN t
(2.2)
Donde:
b = ordenada al origen
m = pendiente
N t +1 = (b mN t ) N t
(2.3)
R0
1
(Neq N)
Neq
Figura 2.3. Representacin de la forma lineal decreciente de la tasa de
multiplicacin R0 en funcin de (Neq N).
25
R0 = 1 m ( Neq N )
Si llamamos Z = (Neq N), y sustituimos el valor de R0 de la
ecuacin anterior en la (2.1), obtendremos finalmente la ecuacin
que describe adecuadamente este crecimiento:
N t +1 = (1 mZ t ) N t
(2.4)
Donde:
Zt = generacin t
Ejemplo
i)
ii)
iii)
iv)
27
0.008
0.018
0.021
0.033
N0
10
10
10
10
N1
17.2
26.2
28.9
39.7
N2
28.59328
61.00408
72.05059
118.69903
N3
44.9272987
103.824464
114.339791
45.4536581
N4
64.7214403
96.6771513
79.908008
127.271574
N5
82.9876739
102.459535
113.62374
12.7320022
N6
94.2821809
97.9234843
81.1161535
49.3981813
N7
98.5948885
101.583598
113.283638
131.886229
N8
99.703183
98.6879815
81.6824419
-6.89047017
N1 = (1 mZ0 ) N 0
N1 = [1 (0.008) (100 10)] 10 = 17.2
N 2 = [1 (0.008) (100 17.2)] 17.2 = 28.6
Nt 140
120
100
0<L<=1
80
1<L<=2
60
40
L > 2.57
20
0
0
generacin
29
30
31
No. ind.
0
0
10
generaciones
Nt +1 = R0 Nt
Donde
Nt
Consideremos
una
especie
con
una
sola
temporada
de
33
Nt +1 = R0 Nt
(3.1)
Donde:
-
tamao
de
la
poblacin
en
la
primera
generacin
la
poblacin
en
la
segunda
generacin
tercera
generacin
= R0 N 0 = N1
-
tamao
de
= R0 N1 = R0 (R0 N 0 ) = R02 N 0 = N 2
-
tamao
de
la
poblacin
en
la
= R0 N 2 = R0 R02 N 0 = R03 N 0 = N 3
Ni = R0i N 0
(3.2)
34
No. ind.
3000
R0 = 1.2
2500
2000
1500
1000
R0 = 1
500
R0 = 0.6
0
0 1 2 3 4 5 6 7 8 9 10
generaciones
Figura 3.2. Crecimiento geomtrico de tres poblaciones con generaciones
discretas y diferente ndice reproductivo neto.
35
R0 =
N t +1
Nt
Donde
36
Ejemplo
Generacin
No. hijas
10
18
32
58
105
189
340
612
37
R0 constante.
La
L aproximaci
n al valor de R0 est dada p
por:
R0 = 7
38
39
40
41
No. ind.
Modelo de Malthus
500
450
400
350
300
250
200
150
100
50
0
0
10
20
30
40
50
tiempo
f (t ) = N 0 e rt
Por tanto, la ecuacin que lo describe es:
42
Modelo de Malthus
N(t) = N0 ert
(4.1)
Donde:
N(t)
N0
factores
determinantes
del
crecimiento
poblacional
poblacional
se
encuentra
homogneamente
43
Modelo de Malthus
4. El
crecimiento
en
el
nmero
de
individuos
ocurre
en
generaciones continuas.
5. La modalidad de crecimiento poblacional implica que no debe
existir limitacin a la reproduccin, como consecuencia del
tamao ya alcanzado.
6. El tiempo y el espacio son homogneos
7. La
concentracin
de
los
desechos
metablicos
de
los
dN
= BsN DsN = (Bs Ds)N
dt
44
Modelo de Malthus
Donde:
(4.2)
= r N (t )
45
Modelo de Malthus
N
d
dX
A
=
dt
dt
N
d A dN N dA
dX
A
dt
dt
= =
dt
dt
A2
y como
dA
= 0 , entonces:
dt
N
d
dX
dN
1 dN
A
= =
=
dt
dt
Adt A dt
sustituyendo
dN
de la ecuacin (4.2):
dt
dX
N
= r = rX
dt
A
(4.3)
46
Modelo de Malthus
indefinidamente, y si por el
47
Modelo de Malthus
No. ind.
B
0
0
tiempo
1000
500
dN/dt 0
-500
-1000
2000
4000
6000
N (t)
8000
10000
48
Modelo de Malthus
dN(t) =rN(t)dt
dN(t)
(t)
= rdt
1
dN(t ) = r dt
N(t )
ln N(t) + C1 = rt + C2,
Donde C1 y C2 son las constantes de integracin.
Reordenando, se obtiene:
ln N(t) = rt + C2 C1,
Sea C = C2 - C1, entonces:
ln N(t) = rt + C
49
Modelo de Malthus
(lnN(t) )
=e(rt) e(C)
N(t ) = ert eC
(4.4)
N0 = er0 eC
N0 = 1 eC
N0 = eC
Es decir, ec es igual al nmero de organismos (N0) al tiempo inicial
cero. Sustituyendo ec en la ecuacin (4.4), se obtiene:
N(t) = N0 ert
(4.5)
50
Modelo de Malthus
{ t , N }.
i
(ti )
(4.6)
Donde:
ln N0 es la ordenada al origen
es la pendiente
51
Modelo de Malthus
7
6
5
ln N(t) 4
3
2
1
0
0
10
20
30
40
50
tiempo
Ejemplo
Los siguientes valores representan el nmero promedio de
organismos presentes en un cultivo bacteriano, en funcin del
tiempo.
Tiempo (t), horas
Nmero de organismos 15
(N(t))
27
53
92
171
259
52
Modelo de Malthus
300
250
200
No. ind. 150
100
50
0
0
tiempo (hrs)
ln N(t)
2.708
3.295
3.970
4.521
5.141
5.556
53
Modelo de Malthus
de
corresponden
la
variable
independiente
= 0.5809
ln N ( t ) = 2.7460 + 0.5809 t
Calculando la exponencial del valor de la ordenada al origen (si Ln
(No) = 2.7460, entonces e2.7460 = 15.58), es posible sustituir su
valor en la ecuacin (4.5), de tal forma que:
54
Modelo de Malthus
N ( t ) = 1558
. e 0.5809 t
Una vez que se han calculado todos los parmetros del modelo, se
pueden estimar los valores esperados de N(t).
Tiempo (t)
N(t) calculados
15.58
27.85
49.78
89.00
159.10
284.43
300
250
200
No. ind.
150
100
50
0
0
tiempo (hrs)
55
Modelo de Malthus
56
57
determinacin
de
las
fluctuaciones
de
estos
parmetros
58
n 0 (t )
n (t )
1
M
nt =
n i (t )
n d (t )
Con:
n0 = nmero de individuos de edad 0 a 1 al tiempo t
n1 = nmero de individuos de edad 1 a 2 al tiempo t
:
.
59
l i +1
= probabilidad de que un individuo reproductivo de la clase
li
= Fi ni
i =0
S 0 n0
S1 n1
S 2 n2
M
y as sucesivamente.
61
n(t + 1) = Mn(t )
Donde:
F0
P
0
0
M =
0
M
F1
0
F2 L Fd 1
0 L 0
P1
0
M
0
0
P2
M
0
L
L
0
0
M
L Pd 1
Fd
0
0
0
M
n1 = Mn 0
n 2 = Mn1 = M Mn0 = M 2 n0
62
n3 = Mn2 = M M 2 n0 = M 3n0
Finalmente, se puede concluir por induccin que,
nt = M t n0
(5.1)
Ejemplo
Para ilustrar el uso de la ecuacin (5.1), supongamos que la matriz
63
0 0.71
0
0 20
0
0.60
0 0
0
a 2,1
a3,1
a1, 2
a 2, 2
a 3, 2
a 2,3 x 2,1 = ( a 2,i )( x j ,1 )
a3,1 x3,1 ( a3,i )( x j ,1 )
(0)
(0)
(0)
(0)
(0)
+ (6.43)
+ (0)
+ (0.71)
+ (0)
(0)
(0)
(0)
(0)
+ (14.00)
+
(0)
+
(0)
+ (0.60)
64
(20)
(20)
(20)
(20)
+ (18.00)
+
(0)
+
(0)
+
(0)
(0) 280
(0) 0
=
(0) 0
(0) 12
0.00
0 .78
n2 =
0
0 218
0
0
0
=
20 0
0 .71
0
0
0
0 .60
0
0 0
En consecuencia,
1404
168
,
n3 =
155
2354
1095
,
n4 =
120
93
85753
242983
22231
y n 8 = 66887
n7 =
5755
15784
1801
3453
10393
2538
,
n5 =
778
72
65
28501
8106
,
n6 =
1802
467
Clase t = 0 t = 1 t = 2 t = 3 t = 4 t = 5 t = 6 t = 7 t = 8
de
edad
0
96
50
81
71
75
73
75
74
50
10
24
18
21
19
20
100
66
conjunto,
la
poblacin
ln Nt+1 1.E+06
1.E+05
Series1
1.E+04
Series2
1.E+03
Series3
1.E+02
Series4
1.E+01
1.E+00
0
67
Nt
350000
300000
250000
200000
150000
100000
50000
0
0
68
69
Nt
K
punto de inflexin
0
0
tiempo
70
N (t ) =
K
1 + e C rt
(6.1)
Donde:
N(t)
a = r - bN(t)
Donde:
71
72
73
dN
= rN .
dt
a = r bN
De esta ecuacin puede inferirse que a y r representan tasas de
crecimiento poblacional, ya que ambas poseen las mismas
unidades; b en tanto, es un parmetro de autolimitacin, que
hace decrecer r a medida que N aumenta.
74
dN
= rN = aN
dt
dN
= (r bN )N
dt
dN
= rN bN 2
dt
(6.2)
a = r bN r
dN
= rN bN 2 rN
dt
75
dN
= 0:
dt
dN
= rN bN 2 = 0
dt
dN
= rN bN 2 = 0
dt
dN
= ( r bN ) N = 0
dt
Para que ello suceda, alguno de los trminos debe ser cero. Si K no
es igual a cero, entonces se requiere que:
r bK = 0
76
de donde
K =
r
b
r
K
dN
r
= rN N 2
dt
K
77
dN rN (K N )
=
dt
K
dN
KN
= rN
dt
K
(6.3)
ndice de
crecimiento de
la poblacin
por individuo
tamao de
la poblacin
oportunidad no
utilizada de
crecimiento de
la poblacin
K N
Si N es pequea, la fraccin
1 , y la poblacin
K
tender esencialmente a un crecimiento malthusiano.
78
N en relacin a K.
dN
depende del valor de
dt
dt
K
dN rN (K N )
=
dt
K
KdN
= rdt
N (K N )
79
KdN
N(K N ) = rdt
(6.4)
80
B A=0
B=A
por tanto:
AK = K
N dN + (K N )dN = rdt
ln N ln(K N ) = rt C
81
ln(K N ) ln N = C rt
por las propiedades de los logaritmos se tiene que:
K N
ln
= C rt
N
(6.5)
K N0
C = ln
N0
(6.6)
= eCrt
KN
= eCrt
N
K N = NeCrt
82
K = NeCrt + N
K = N eCrt +1
N=
K
e
C et
+1
83
CR
Nt
84
N (t ) =
K
1+ e C rt
N(t) ( 1+ eC rt ) = K
1+ eC rt =
eC rt =
K
N( t )
K
1
N( t )
K N( t )
C rt = ln
N
(t )
85
K N(t )
= C rt
ln
N
(t )
(6.7)
Donde
es la pendiente
K N0
y r el potencial reproductivo de
Recordemos que C = ln
N
0
cada individuo.
KN
ln
r
N
86
Ejemplo
40
146
305
615
734
760
781
792
87
Nt
900
800
700
600
500
400
300
200
100
0
0
10
88
Tiempo (t),
305
615
734
760
781
792
horas
No. ind. (N(t))
40 146
CR
795.423743. Valor
89
tiempo
2.94
1.49
K N
ln
ln
N
N
y = -1.1798x + 3.8714
0
0
-1
-2
-3
-4
-5
-6
-7
90
N (t ) =
795
1 + e 3.87 (1.18 t )
t
N(t)
91
Tamaopoblacional
Crecimientologstico
900
800
700
600
500
400
300
200
100
0
Ntobs
Ntcalc
92
93
Nt
0
0
Figura
7.1.
eventos
Representacin
de
dos
patrones
de
94
= f (N )
tasa de mortalidad
= f (N )
nacimientos = b a1 N
muertes
= d + a2 N
95
Donde:
(7.1)
dN
= ( N ) ( N ) N
dt
dN
= N (b a1 N ) N (d + a 2 N )
dt
96
(7.2)
o bien:
dN
= [(b d ) (a1 + a2 )N ]N (7.3)
dt
Comparando las ecuaciones 7.1 y 7.3, vemos que cada una de las
constantes r y s tienen dos componentes; y que para cada par de
valores r y s, hay muchos posibles valores para (b, d ) y (a1 ,a2 ) .
La forma de la curva de este modelo depende de la diferencia entre
( N ) = ( N )
b a1 N = d + a2 N
N =
bd
a1 + a2
97
bd
r
=
a1 + a2 s
(7.4)
Pr (N N + 1) N ( N ) bN a1 N 2
Pr ( N N 1) N ( N ) dN + a 2 N 2
98
Pr ( N N + 1) =
Pr ( N N 1) =
(bN a N )
2
(b + d )N (a1 a2 )N 2
( dN +
a2 N 2 )
( b + d ) N ( a1 a 2 ) N 2
(7.5)
(7.6)
N+1 o
99
Ejemplo
b a1 N = d + a 2 N
N =
bd
r
=
a1 + a 2
s
100
N=
0 .9 0 .7
0 .2
=
14 individuos
0.005 + 0.009 0.014
Pr( N N + 1) = 0.2
consecuentemente,
Pr( N N 1) = 0.8
2. Generar un nmero aleatorio entre 0 y 1: aleatorio = 0.141027
3. Comparar este valor con Pr( N N + 1) = 0.2 . Como el nmero
aleatorio es
incrementa en 1.
4. Con este nuevo valor de N = 101, se procede nuevamente a
calcular Pr ( N N + 1) . En el cuadro siguiente se esquematizan
algunos de los pasos subsecuentes.
101
Pr( N N + 1)
nmero aleatorio
Evento
100
0.20000
0.141027
Nacimiento
101
0.197106
0.238401
Muerte
100
0.200000
0.667379
Muerte
99
0.202906
0.544899
Muerte
98
0.205823
0.540722
Muerte
102
Nt
120
100
80
60
40
20
0
0
100
200
300
400
500
600
700
800
900 1000
eventos
= 100 , y K = 14.
103
104
105
l
l
l lt
t0
lt = l (1 e K (t t 0 ) )
(8.1)
Donde:
lt =
l =
paralela al eje x.
106
K=
t=
tiempo.
t0 =
107
Tasa de cambio de la
biomasa del
organismo
Anabolismo de
los tejidos
Catabolismo de los
tejidos
(8.2)
Donde:
h=
coeficiente anablico
S=
k=
coeficiente catablico
V=
108
S = pl 2
(8.3)
V = ql 3
(8.4)
dV
= hpl 2 kql 3
dt
109
(8.5)
V
l =
q
V
S = p
q
p
sea r =
q
=
q
, entonces:
3
S = rV
110
dV
= 3ql 2
dl
para expresar estos cambios en funcin del tiempo, reordenamos la
ecuacin y dividimos ambos trminos entre dt:
dV
dl
= 3 ql 2
dt
dt
(8.6)
3 ql 2
dl
= hpl
dt
kql
111
k
hp
y K=
se tiene
3
3q
dl
= dt
H Kl
H Kl = dt
multiplicamos por la unidad el trmino izquierdo:
1
K ( K ) H Kl dl = dt
1 K
dl = dt
K H Kl
1
ln (H Kl ) = t + C
K
ln(H Kl ) = K (t + C )
si se aplica la funcin exponencial:
H Kl = eK (t +C)
112
du
, por tanto:
u
y se despeja l :
l=
H 1 K (t + C )
e
K K
l=
H 1 Kt KC
e e
K K
(8.7)
0=
H 1 Kt0 KC
e e
K K
l = H eKt0 eKC
H = eKt0 eKC
e KC =
H
e
Kt o
eKC = HeKt0
113
l=
H 1 Kt Kt 0
e He
K K
l=
H H Kt Kt 0
e e
K K
l=
H
1 e Kt e Kt 0
K
l=
H
1 e K (t t 0 )
K
)
(8.8)
l =
H
1 e
K
l =
H
(1 0)
K
l =
H
K
114
lt = l 1eK(tt0 )
lt = l 1eK(tt0 )
[ (
)]
W = q l 1 e k (t t 0 )
W = ql 3 1 e k (t t 0 )
115
W = ql 3
de ah que:
W = W 1 e K (t t 0 )
lt = l 1eK(tt0 )
116
Mtodo de Ford-Walford
117
0
0
Longitud a la edad t
) (
= l eK(tt0 ) eK(t+1t0 )
118
= l e Kt e Kt0 1 e K
lt +1 lt = leK(t t0 ) 1 eK
(8.9)
K ( t t 0 )
La expresin l e
puede derivarse de la ecuacin inicial del
modelo
de
von
Bertalanffy,
en
donde
l e K (t t 0 ) = l l t .
lt +1 lt = l lt 1 eK
lt+1 lt = l leK lt + lt eK
lt+1 lt = l 1 eK lt + lt eK
119
(8.10)
de ah que:
lt+1 = l 1 eK + lt eK
Se observa que esta ecuacin tiene la forma de una lnea recta,
donde lt+1=a + mlt, con:
a = l 1 eK
la ordenada al origen, y
m = eK
la pendiente
K = ln m
l =
a
1 m
l = lt +1 lt .
120
) (
lt +1 lt = l 1 e K 1 e K lt
) (
l = l 1 e K 1 e K lt
a = l 1 eK
m = 1 e K
es la ordenada al origen, y
es la pendiente
de donde:
K = ln(m + 1)
121
l =
a
m
lt = l 1 eK (t t0 )
122
lt
= 1 e K (t t0 )
l
lt
1 = e K ( t t0 )
l
1 t
l
(l
= e K ( t t 0 )
lt )
l
= e K ( t t0 )
l l
ln t
l
= ln e K (t t0 )
l l
ln t
l
= K (t t 0 )
1 l lt
ln
K l
123
= t t 0
1 l lt
ln
K l
t0 = t +
t = t 0
1 l lt
ln
K l
124
t0 =
t =1
t +
1 l lt
ln
K l
n
(l
t =1
(l l t )
lt )
lt = l 1 eK(tt0 )
1
lt
= e K (t t 0 )
l
125
l
ln1 t
l
= Kt 0 Kt
l
y = ln 1 t
l
a = Kt0
es la ordenada al origen, y
m = K
es la pendiente
K = m
126
t0 =
a
m
Ejemplo
127
Edad
9.7
16.2
20.1
24.8
27.2
29.8
31.3
32.6
(meses)
35
longitud
lt (cm)
30
25
20
15
10
5
0
0
10
t (edad)
128
lt.
t
l(t)
9.7
16.2
20.1
24.8
27.2
29.8
31.3
32.6
16.2
20.1
24.8
27.2
29.8
31.3
32.6
---
l( t +1)
lt +140
35
30
25
20
15
10
5
0
0
10
15
20
25
30
35
lt
129
parmetros de la ecuacin:
lt +1 = a + mlt
Donde:
,
a = 8.4827
m = 0.7707
de ah que:
K = ln m = ln 0.7707 = 0.2604
l =
8.4827
a
=
= 36.9967
1 m 1 0.7707
l = lt +1 lt , y hacer un grfico de lt vs l.
130
l(t) (cm)
9.7
16.2
20.1
24.8
27.2
29.8
31.3
32.6
6.5
3.9
4.7
2.4
2.6
1.5
1.3
---
12
lt11
10
9
8
7
6
5
4
3
2
1
0
0
5 10 15 20 25 30 35 40
lt
131
l y K mediante el
l = a mlt
m = -0.229
a = 8.482
como m = (1 e k ) , se calculan K y l :
8.482
a
=
= 37.0393013
m 0.229
132
t0 =
i =1
t +
1 l l t
(l l t )
ln
K l
= 0 . 19
t
(l lt )
i =1
lt
9.8
16.0
20.7
24.5
27.3
29.5
31.2
32.5
(estimadas)
133
ModelodevonBertalanffy
35
30
25
lt
20
15
ltobs
10
ltcalc
5
0
1
134
II
Cdigo de programacin en el
software de uso libre: Octave
135
Cdigo en Octave
otros
experimentos
numricos.
Su
lenguaje
es
totalmente
cdigo
se
puede
correr
como
archivo
*.m,
136
Cdigo en Octave
Neq = 100;
No = 10;
m = 0.008;
L = Neq*m;
t = 1:1:10;
Nt=1:1:10;
for i = 1:10
z = No Neq;
Nt(i)=(1-m*z)*No;
No = Nt(i);
end;
plot(t,Nt);
137
Cdigo en Octave
138
tasa
de
Cdigo en Octave
139
Cdigo en Octave
140
Cdigo en Octave
141
Cdigo en Octave
II.8. Modelo
Bertalanffy
de
crecimiento
de
von
t=1:1:8;
lto=[9.7,16.2,20.1,24.8,27.2,29.8,31.3,32.6];
lta=length(lto);
for(i)=1:lta-1
ltb(i)=lto(i);
Endfor
for(i)=1:lta-1
ltc(i)=lto(i+1);
endfor
P=(polyfit(ltb,ltc,1))
a=P(2)
m=P(1)
k=(-log(m))
linf=a/(1-m)
for(i)=1:8
to=sum(t(i)+1/k*log((linf-lto(i))/linf))*(linf-lto(i))/(sum(linflto(i)));
endfor
to
ltest=linf*(1-e.^(-k*(t-to)));
plot (lto)
hold on
title('Representacion del crecimiento individual de Bagre marinus);
xlabel('edad meses');
142
Cdigo en Octave
ylabel('talla cm');
plot (ltest)
hold off
text(3.15098, 19.9232, 'valores observados')
text(1.90049,20.6053, 'valores calculados')
plot(lto,'b+:') con este comando se pide que en la grafica los
valores observados estn en color azul.
hold on
plot(ltest,'k+:')
hold off
143
Cdigo en Octave
144
Bibliografa general
145
Bibliografa general
146
Bibliografa general
1978.
Ecology.
147
Bibliografa general
148
de