Integracin Estocstica

M.I. Simoy, L. Corrales

Resumen
La idea del trabajo es resolver un modelo de Lotka-Volterra estocstico utilizando dos mtodos
numricos: el mtodo de Euler-Maruyama y el mtodo de Milstein.
En la seccin 1 vamos a estudiar los mtodos para un caso particular de una ecuacin diferencial
estocstica en el que conocemos la solucin analtica.
En la seccin 2 vamos a estudiar los mtodos para una ecuacin diferencial estocstica matricial
en casos donde tambin conocemos la solucin analtica.
En la seccin 3 vamos a resolver el modelo de Lotka-Volterra determinstico y estocstico comparando los resultados.

ndice
1. Solucin de una ecuacin diferencial estocstica
1.1. Euler-Maruyana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Milstein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3. Comparacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2. Solucin de una ecuacin diferencial matricial estocstica
2.1. Esquemas de mtodos numricos para una ecuacin diferencial matricial estocstica
2.2. Sistema oscilante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Sistema divergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. Sistema convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1
2
4
5

.
.
.
.

5
6
7
12
19

3. Modelo de Lotka-Volterra
3.1. Formulacin determinstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Formulacin Estocasticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25
25
25

A. Tablas de la seccin 2
A.1. Sistema oscilante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.2. Sistema divergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.3. Sistema convergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

30
30
34
38

1.

.
.
.
.

Solucin de una ecuacin diferencial estocstica

En esta seccin vamos a trabajar con la ecuacin diferencial estocstica
dXt = aXt dt + bXt dWt

para t [0, T ] y condicin inicial X0 R.

La solucin explicita para esta ecuacin es
1 2
)t+bW

Xt = X0 e(a 2 b

Conociendo la solucin de la ecuacin podemos calcular el error absoluto de la aproximacin definido

como
 = E(|X(T ) Y (T )|)
1

donde X(T ) es la solucin exacta al final del intervalo e Y (T ) el valor de la solucin aproximada en el
mismo punto.
Adems de estudiar el error absoluto vamos a construir intervalos de confianza para dicho error.
Los mtodos que vamos a estudiar son el de Euler-Maruyana y el de Milstein. Consideramos en
ambos casos una discretizacin del intervalo [0, 1] dada por 0 = t0 < t1 < . . . < tN = T donde
t = ti+1 ti es constante i. Vamos a escribir X(Ti ) = Xi .

1.1.

Euler-Maruyana

El esquema utilizado por el mtodo de Euler-Maruyana es

Yn+1 = Yn + aYn t + bYn Wn

(1)

donde Wn = Wn+1 Wn es una variable aleatoria normal con media 0 y varianza t, propiedad
derivada del proceso de Wiener.
Vamos a utilizar el siguiente esquema para calcular la solucin exacta
P
1 2
)t+b n
i=1

Xn = X0 e(a 2 b

Wi+1

Para poder comparar los resultados es necesario que el proceso de Wiener sea el mismo en la
solucin exacta y aproximada. Adems queremos comparar los resultados al utilizar distintos pasos
para la discretizacin. Por esta razn en la implementacin calculamos la solucin exacta para una
cantidad grande de puntos generando
los valores Wn . Luego reconstruimos el proceso de Wiener
P
teniendo en cuenta que Wn = ni=1 Wi+1 para finalmente volver a calcular los valores de Wn para
los pasos elegidos en el mtodo de Euler-Maruyana.
En la figura 1 podemos ver la solucin al problema para los pasos 1 = t = 22 , 2 = t = 24
y 3 = t = 26 .

Figura 1: Metodo de Euler-Maruyana

Para este ejemplo los valores obtenidos en t = 1 son

X(1) = 14.96
X1 (1) = 5.62
X2 (1) = 11.84
X3 (1) = 13.17
Es importante entender que la estocasticidad de la ecuacin tiene como consecuencia que no necesariamente en cada corrida en particular la solucin en al final del intervalo es mejor con un paso
mas chico. Adems de que obviamente la solucin exacta tambin varia por ser distinto el proceso de
Wiener involucrado.
Por ejemplo en la figura 2 vemos otra corrida con los mismos parametros

Figura 2: Metodo de Euler-Maruyana

Para este ejemplo los valores obtenidos en t = 1 son
X(1) = 1.38
X1 (1) = 1.04
X2 (1) = 1.2
X3 (1) = 1.18
Por esta razn se utiliza como criterio para calcular el error al aproximar el definido por la ecuacin
 = E(|X(T ) Y (T )|)
Claramente no podemos calcular de forma exacta este error. Para poder calcular una aproximacin
realizamos una cantidad N de corridas utilizando en cada una un proceso de Wiener diferente y
calculamos el promedio
 =

N
1 X
|Xk (T ) Yk (T )|
N
k=1

22

24

26

0.96

0.78

0.3

Cuadro 1: Errores en Euler-Maruyana

Para N = 100 obtuvimos los resultados que se observan el cuadro 1.
Naturalmente si realizamos otra corrida, vamos a obtener valores distintos para el error promedio,
pero por el teorema central del limite la distribucin de errores tienden a una distribucin normal con
media .
Lo que vamos a hacer es estimar el valor de la varianza 2 utilizando la distribucin de t-Student,
para poder construir un intervalo de confianza para el error promedio.
Como dijimos, en el limite, el error promedio sigue una distribucin normal. Si realizamos M
clculos del error promedio con N repeticiones del experimento podemos calcular
j =

N
1 X j
|Xk (T ) Ykj (T )|
N
k=1

es decir el error promedio j con j = 1, . . . , M . Ahora calculamos

 =

M
1 X
i
M
i=1

y finalmente estimamos la varianza

M

2

1 X
(j )2
=
M 1
j=1

Ahora si podemos construirnos un intervalo de confianza

(

,  +
)
donde
r

 = t1,M 1

2
M

donde t1,M 1 esta determinado por la distribucin t-Student con M 1 grados de libertad.
Por ejemplo, para M = 50, = 0.05 y el resto de los parmetros como antes, tenemos un intervalo
(0.57, 0.65) para un paso t = 24 .

1.2.

Milstein

El esquema de Milstein simplemente agrega un termino al desarrollo de Taylor de la ecuacin

estocstica, y queda de la forma


1
Yn+1 = Yn + aYn t + bYn Wn + bb0 (Wn )2 t
2
En la figura 3 podemos ver la solucin al problema para los pasos 1 = t = 22 , 2 = t = 24
y 3 = t = 26 .
Para este ejemplo los valores obtenidos en t = 1 son
X(1) = 6.34
X1 (1) = 5.45
X2 (1) = 4.46
X3 (1) = 5.47
4

Figura 3: Metodo de Milstein

Y si calculamos un intervalo de confianza para el error para M = 50, = 0.05 y el resto de los
parmetros como antes, tenemos un intervalo (0.42, 0.49) para un paso t = 24 .
Debemos tener cuidad en la comparacin con el mtodo de Euler-Maruyana ya que para obtener
los resultados no utilizamos los mismos proceso de Wiener.

1.3.

Comparacin

Finalmente lo que vamos a hacer es realizar algunas comparaciones de ambos mtodos. Para obtener
estos resultados hemos considerado los mismos procesos de Wiener.
En el grfico 4 vemos, para los parametros que venimos utilizando y un t = 25 , la solucin
exacta, la aproximacin de Euler-Maruyana y la de Milstein.
En la tabla 2 tenemos los intervalos de confianza con = 0.05 para distintos valores de t.

23

25

27

Euler

(0.64, 0.76)

(0.38, 0.43)

(0.29, 0.31)

Milstein

(0.40, 0.51)

(0.27, 0.31)

(0.17, 0.19)

Cuadro 2: Errores en Euler-Maruyana

2.

Solucin de una ecuacin diferencial matricial estocstica

En esta seccin vamos a trabajar con la ecuacin diferencial estocstica
dXt = AXt dt + BXt dWt

(2)

donde A R2x2 , t [0, T ], condicin inicial X0 R2 y B R2x2 es diagonal. De esta forma, las
matrices A y B conmutan.
5

Figura 4: Comparacin entre Euler y Milstein

La solucin explicita para esta ecuacin es
1

Xt = e(A 2 B

2 )t+BW

X0

Vamos a estudiar nuevamente los mtodos de Euler-Maruyana y Milstein y los errores, con la misma
metodologa que en la seccin anterior, considerando cada una de las coordenadas de X por separado.

2.1.

Esquemas de mtodos numricos para una ecuacin diferencial matricial estocstica

En esta subseccin extenderemos al caso matricial los mtodos de Euler-Maruyama y Milstein

explicados en la secciones 1.1 y 1.2 respectivamente.
El esquema utilizado por el mtodo de Euler-Maruyama en el caso de ecuaciones diferenciales
matriciales estocsticas como la ecuacin 2, ser

X(n + 1) = X(n) + AX(n)t + BX(n)W

donde Wn = Wn+1 Wn es una variable aleatoria normal con media 0 y varianza t, propiedad
derivada del proceso de Wiener.
Para simplificar la notacin en el esquema de Milstein, llamemos a = AX y b = BX. Considerando
que nuestro ruido es unidimensional, para cada componente k del vector X tendremos que el esquema
de del mtodo de Mistein quedar como

1
X (n + 1) = X (n) + a (n)t + b (n)W +
2
k

donde en nuestro caso, d = 2.

d
X
bk
bl l
x
l=1

n
o
(W )2 t

(3)

2.2.

Sistema oscilante

Trabajamos primero el caso en que,

0 1

A=
1 0
el cual sabemos que en el caso determinstico dar como resultado una dinmica oscilante.
En todos los problemas vamos a analizar los casos para la matriz,

B=
0
con = 0.1, 0.25, 0.5 y 0.75.
Como se puede observar tanto en la figura 5 y la figura 6, el sistema para = 0.1 presenta un
comportamiento casi oscilatorio, similar al caso en que la ecuacin diferencial es determinstica.

Figura 5: Sistema oscilante con = 0.1

A medida que aumentamos el valor de perdemos el aspecto oscilatorio y el vector X(t) se aproxima
al vector nulo cada vez mas rpido. Si bien continuan existiendo las oscilaciones, son casi imperceptiles.
Es interesante observar que ninguno de los mtodos refleja de forma correcta el comportamiento
de la solucin analtica cuando = 0.1 (figura 5) y = 0.25 (figura 7), ya que en ambos casos, los
mtodos numricos indican un foco repulsor, cuando en realidad la solucin anlitica nos deja ver un
foco atractor.
Para los casos = 0.5 (figura 8) y = 0.75 (figura 9) solo el mtodo de Milstein refleja de forma
correcta el comportamiento de la solucin analtica.

Figura 6: Diagrama de fase sistema oscilante con = 0.1

Figura 7: Sistema oscilante con = 0.25

En el cuadro 3 podemos observar intervalos de confianza para el error utilizando el mtodo de

Figura 8: Sistema oscilante con = 0.5

Figura 9: Sistema oscilante con = 0.75

Milstein para = 0.5, distintos tiempos finales y para = 0.1 y = 0.01.1

Se puede observar en esta tabla que para tiempos cortos la aproximacin es razonable, principalmente con un paso chico.
T = 40

T = 20

T = 10

T =5

x(t) exacto

1.91

139.20

488.85

317.32

= 0.1

(46.02, 46.90)

(191.75, 198.40)

(311.93, 323.11)

(64.1, 69.67)

x(t) exacto

2.07

138.25

561.94

323.49

= 0.01

(1.25, 1.28)

(12.11, 12.48)

(25.63, 26.51)

(7.42, 7.85)

Cuadro 3: Intervalos de confianza para el error de x(t) con Milstein y con = 0.5
En la tabla 4 podemos observar los mismos datos para la variable y(t). Es interesante notar que la
aparente precisin que muestra el intervalo de confianza para T = 40 responde a una buena aproximacin cualitativa, ya que utilizando Milstein podemos observar que la variables tienden a 0 y para ese
tiempo la variable y(t) ya es nula. Los intervalos de confianza para los tiempos T = 20 y T = 10 dan
cuenta de esta situacin ya que a pesar de que la variable y(t) tiene valores muy bajos, el intervalo
de confianza es demasiado grande para esos valores. Nuevamente la aproximacin que tiene un menor
error relativo es para T = 5.
T = 40

T = 20

T = 10

T =5

y(t) exacto

13, 91

87.75

6.25

1024

= 0.1

(74.11, 76.06)

(212.04, 217.19)

(77.61, 78.55)

(309.52, 317.16)

y(t) exacto

14.44

87.15

7.18

1044

= 0.01

(2.99, 3.07)

(12.59, 12.90)

(6.46, 6.51

(24.89, 26.10)

Cuadro 4: Intervalos de confianza para el error de y(t) con Milstein y con = 0.5
En las tablas 5 y 6 comparamos los resultados para distintos valores de y distintos tiempos
finales, utilizando siempre un paso = 0.01. Nuevamente trabajamos solo con resultados del metodo
de Milstein ya que, como dijimos previamente, es el nico mtodo que refleja fielmente la dinmica
del sistema. Para la variable x(t) las aproximaciones son razonables para todos los tiempos menores o
iguales a 20. Sin embargo la tabla correspondiente a la variable y(t) observamos errores grandes incluso
para T = 10

Los valores de x(t) exactos estan asociados a la aproximacin ya que utilizamos la misma simulacin del proceso
de Wiener. Por esta razn hay dos valores, uno calculado con la simulacin utilizada para calcular la aproximacin con
= 0.1 y otro calculado con = 0.01

10

T = 40

T = 20

T = 10

T =5

x(t) exacto

208.41

1385

1716

521.09

= 0.1

(47.26, 47.41)

(144.38, 145.23)

(88.00, 88.54)

(13.04, 13.24)

x(t) exacto

74.43

877.37

1348

471.63

= 0.25

(23.32, 23.57))

(88.98, 90.11)

(66.21, 67.16)

(9.90, 10.31)

x(t) exacto

2.07

138.25

561.94

323.49

= 0.5

(1.25, 1.28)

(12.11, 12.48)

(25.63, 26.51)

(7.42, 7.85)

x(t) exacto

0.00

6.83

146.51

177.96

= 0.75

(0.00, 0.00)

(0.40, 0.42)

(7.20, 7.51)

(5.97, 6.50)

Cuadro 5: Intervalos de confianza para el error de x(t) con Milstein y = 0.01

T = 40

T = 20

T = 10

T =5

y(t) exacto

1456

873.05

21.94

1682

= 0.1

(321.11, 322.73)

(91.72, 92.14)

(1.54, 1.61)

(42.64, 43.05)

y(t) exacto

520.27

533.06

17.24

1522

= 0.25

(112.99, 114.70)

(62.82, 63.46)

(3.34, 3.44)

(36.81, 37.71)

y(t) exacto

14.44

87.15

7.18

1044

= 0.5

(2.99, 3.07)

(12.59, 12.90)

(6.46, 6.51)

(24.89, 26.10)

y(t) exacto

0.03

4.30

1.87

574.50

= 0.75

(0.01, 0.01)

(0.81, 0.84)

(3.57, 3.65)

(16.51, 18.04)

Cuadro 6: Intervalos de confianza para el error de y(t) con Milstein y = 0.01

11

2.3.

Sistema divergente

En segundo lugar, trabajamos el caso en que,

A=

0.1
0

0.1

el cual sabemos que en el caso determinstico dar como resultado dos curva que crecen indefinidamente.
Nuevamente analizamos los casos para la matriz,

B=
0
con = 0.1, 0.25, 0.5 y 0.75.
Como se puede observar en las figuras 10 y 11, el sistema para = 0.1 presenta un comportamiento
divergente, al igual que en el caso determinstico. Si bien para el valor de igual a = 0.25 las soluciones
tambin divergen, se puede ver que el crecimiento se hace de una forma menos pronunciada (figuras 12
y 13). Es importante notar, que en ambos casos ( = 0.1 y = 0.25) la aproximacin por el mtodo de
Euler-Maruyama crece ms rapidamente que la solucin analtica y que la aproximacin por el mtodo
de Milstein.

Figura 10: Sistema divergente con = 0.1

A medida que aumentamos el valor de las solucin analtica deja de diverger y se aproxima al
vector nulo cada vez mas rpido, al igual que la aproximacin por el mtodo de Milstein. En cambio,
la aproximacin por el mtodo de Euler-Maruyama, contina presentando una dinmica divergente,
mostrando una muy mala aproximacin de la dinmica (figuras 14 y 15).

12

Figura 11: Diagrama de fase sistema divergente con = 0.1

Figura 12: Sistema divergente con = 0.25

13

Figura 13: Diagrama de fase sistema divergente con = 0.25

Figura 14: Sistema divergente con = 0.5

14

Figura 15: Sistema divergente con = 0.75

Figura 16: Diagrama de fase sistema divergente con = 0.5

15

Figura 17: Diagrama de fase sistema divergente con = 0.75

Como caracterstica general de este mtodo, podemos ver que a medida que aumenta, la aproximacin en el punto final (T = 40) presenta valores ms pqueos. En todos los casos, podemos ver
que el mtodo de Milstein aproxima muy bien la solucin analtica (figuras 16 y 17).
Como el comportamiento del sistema cambia sustancialmente dependiendo el valor de vamos a
realizar las mismas comparaciones que en el caso anterior pero tanto para = 0.25, donde las soluciones
crecen indefinidamente, como para = 0.5 donde las soluciones tienden a 0.
En los cuadros 7 y 8 podemos observar intervalos de confianza para el error utilizando el mtodo
de Milstein para = 0.25, distintos tiempos finales y para = 0.1 y = 0.01.
Se puede observar en ambas tablas que la aproximacin es razonable en todos las casos incluso para
tiempos grandes. Naturalmente, la precisin de la aproximacin mejora cuando se achica el paso.
T = 40

T = 20

T = 10

T =5

x(t) exacto

23776

6303

3025

2153

= 0.1

(294.69, 312.32)

(89.14, 95.62)

(58.71, 62.67)

(54.99, 58.16)

x(t) exacto

23674

6245

3139

2197

= 0.01

(62.13, 66.59)

(25.21, 26.90)

(20.89, 21.99)

(16.80, 18.06)

Cuadro 7: Intervalos de confianza para el error de x(t) con Milstein y con = 0.25
En las siguientes tablas (9 y 10) tenemos los mismos datos pero para = 0.5. Recordemos que
como se puede ver en a figura 14, las soluciones tienden a 0. Nuevamente la aproximacin es buena en
todos los casos.
En las tablas 11 y 12 comparamos los resultados para distintos valores de y distintos tiempos
finales, utilizando siempre un paso = 0.01. En todos los casos el mtodo de Milstein resulta en
buenas aproximaciones.
16

T = 40

T = 20

T = 10

T =5

y(t) exacto

15850

4202

2017

1435

= 0.1

(196.46, 208.21)

(59.43, 63.75)

(39.14, 41.78)

(36.66, 38.77)

y(t) exacto

15783

4163

2092

1464

= 0.01

(41.42, 44.39)

(16.81, 17.93)

(13.93, 14.66

(11.20, 12.04)

Cuadro 8: Intervalos de confianza para el error de y(t) con Milstein y con = 0.25

T = 40

T = 20

T = 10

T =5

x(t) exacto

577.83

994.80

1369

1662

= 0.1

(10.87, 11.95))

(29.09, 31.19)

(48.94, 53.13)

(91.67, 98.32)

x(t) exacto

614.85

1041

1503

1497

= 0.01

(3.60, 3.95)

(8.05, 8.79)

(16.81, 18.03)

(22.96, 24.99)

Cuadro 9: Intervalos de confianza para el error de x(t) con Milstein y con = 0.5

T = 40

T = 20

T = 10

T =5

y(t) exacto

385.22

663.20

913.25

1108

= 0.1

(7.24, 7.97)

(19.39, 20.79)

(32.63, 35.42)

(61.11, 65.55)

y(t) exacto

1409

694.31

1002

998.63

= 0.01

(2.40, 2.64)

(5.37, 5.86)

(11.21, 12.02)

(15.31, 16.66)

Cuadro 10: Intervalos de confianza para el error de y(t) con Milstein y con = 0.5

T = 40

T = 20

T = 10

T =5

x(t) exacto

67757

10783

3862

2468

= 0.1

(139.38, 145.97)

(20.91, 22.31)

(10.17, 10.73)

(9.29, 9.86)

x(t) exacto

23674

6245

3139

2197

= 0.25

(62.13, 66.59)

(25.21, 26.90)

(20.89, 21.99)

(16.80, 18.06)

x(t) exacto

614.85

1041

1503

1497

= 0.5

(3.60, 3.95)

(8.05, 8.79)

(16.81, 18.03)

(22.96, 24.99)

x(t) exacto

1.23

45.79

305.57

764.48

= 0.75

(0.01, 0.01)

(0.64, 0.71)

(5.63, 6.23)

(17.95, 20.46)

Cuadro 11: Intervalos de confianza para el error de x(t) con Milstein y = 0.01

17

T = 40

T = 20

T = 10

T =5

y(t) exacto

45171

6789

2575

1645

= 0.1

(92.92, 97.31)

(13.94, 14.87)

(6.78, 7.15)

(6.20, 6.57)

y(t) exacto

15783

4163

2092

1464

= 0.25

(41.42, 44.39)

(16.81, 17.93)

(13.93, 14.66)

(11.20, 12.04)

y(t) exacto

1409

694.31

1002

998.63

= 0.5

(2.40, 2.64)

(5.37, 5.86)

(11.21, 12.02)

(15.31, 16.66)

y(t) exacto

0.82

30.53

203.72

509.65

= 0.75

(0.01, 0.01)

(0.43, 0.48)

(3.76, 4.15)

(11.97, 13.64)

Cuadro 12: Intervalos de confianza para el error de y(t) con Milstein y = 0.01

18

2.4.

Sistema convergente

Finalmente trabajamos el caso en que,

0 1

A=
1 0
En este problema tambin vamos a analizar los casos para la matriz,

B=
0
con = 0.1, 0.25, 0.5 y 0.75.
Si uno considera la ecuacin matricial determinstica, podra ver que las soluciones convergen a
un vector que no es el vector nulo, sino el vector X(t) = (1666.67, 833.33)0 . Podemos ver que la
incorporacin de estocasticidad hace que el sistema converja, pero ahora hacia el vector nulo.
La velocidad de esta convergencia depender del valor que tome , haciendo que converja ms
rapidamente al vector nulo a medida que aumenta. Esto se ve claramente en las figura

Figura 18: Sistema convergente con = 0.1

Tambin es notorio, sin hacer an un estudio de intervalos de confianza para el error, que el
mtodo que mejor ajusta es el mtodo de Milstein. La convergencia al vector nulo en el mtodo de
Euler-Maruyama es ms lenta, lo cual muestra que no arroja una buena aproximacin de la solucin.
En los cuadros 13 y 14 podemos observar intervalos de confianza para el error utilizando el mtodo
de Milstein para = 0.5, distintos tiempos finales y para = 0.1 y = 0.01.
Al igual que en el caso trabajado anteriormente, las aproximaciones son muy buenas en todos los
tiempos, mejorando considerablemente al achicar el paso.

19

Figura 19: Diagrama de fase sistema convergente con = 0.1

Figura 20: Sistema convergente con = 0.25

20

Figura 21: Diagrama de fase sistema convergente con = 0.25

Figura 22: Sistema convergente con = 0.5

21

Figura 23: Diagrama de fase sistema convergente con = 0.5

Figura 24: Sistema convergente con = 0.75

22

Figura 25: Diagrama de fase sistema convergente con = 0.75

T = 40

T = 20

T = 10

T =5

x(t) exacto

12.44

152.35

490.52

1042

= 0.1

(0.41, 0.43)

(4.96, 5.30)

(19.08, 20.66)

(51.25, 55.79)

x(t) exacto

12.38

158.52

614.15

965.30

= 0.01

(0.08, 0.09)

(1.56, 1.69)

(6.34, 6.91)

(16.11, 17.21)

Cuadro 13: Intervalos de confianza para el error de x(t) con Milstein y con = 0.5
En las tablas 15 y 16 comparamos los resultados para distintos valores de y distintos tiempos
finales, utilizando siempre un paso = 0.01. Al igual que en las tablas previas, vemos que las aproximaciones son buenas para todos los valores de y para todos los tiempos finales, incluso cuando
tenemos valores cercanos a 0.

23

T = 40

T = 20

T = 10

T =5

y(t) exacto

6.22

77.32

262.04

598.67

= 0.1

(0.21, 0.22)

(2.54, 2.71)

(10.23, 11.08)

(29.35, 31.95)

y(t) exacto

6.19

80.45

328.10

554.44

= 0.01

(0.04, 0.05)

(0.79, 0.86)

(3.39, 3.70)

(9.24, 9.87)

Cuadro 14: Intervalos de confianza para el error de y(t) con Milstein y con = 0.5

T = 40

T = 20

T = 10

T =5

x(t) exacto

1354

1522

1541

1534

= 0.1

(1.71, 1.81)

(2.66, 2.79)

(4.00, 4.26)

(5.16, 5.43)

x(t) exacto

508.13

893.79

1284

1361

= 0.25

(1.46, 1.56)

(4.18, 4.41)

(7.03, 7.47)

(11.07, 11.90)

x(t) exacto

12.38

158.52

614.15

965.30

= 0.5

(0.08, 0.09)

(1.56, 1.69)

(6.34, 6.91)

(16.11, 17.21)

x(t) exacto

0.03

6.31

139.57

490.10

= 0.75

(0.00, 0.00)

(0.09, 0.10)

(3.14, 3.38)

(11.91, 13.13)

Cuadro 15: Intervalos de confianza para el error de x(t) con Milstein y = 0.01

T = 40

T = 20

T = 10

T =5

y(t) exacto

677.71

772.66

823.37

881.59

= 0.1

(0.85, 0.90)

(1.35, 1.42)

(2.15, 2.29)

(2.98, 3.13)

y(t) exacto

254.25

453.60

686.03

782.12

= 0.25

(0.73, 0.78)

(2.12, 2.24)

(3.76, 3.99)

(6.37, 6.84)

y(t) exacto

6.19

80.45

328.10

554.44

= 0.5

(0.04, 0.05)

(0.79, 0.86)

(3.39, 3.70)

(9.24, 9.87)

y(t) exacto

0.01

3.20

74.57

281.50

= 0.75

(0.00, 0.00)

(0.04, 0.05)

(1.68, 1.81)

(6.85, 7.55)

Cuadro 16: Intervalos de confianza para el error de y(t) con Milstein y = 0.01

24

3.

Modelo de Lotka-Volterra

En esta seccin presentamos el estudio de un modelo Lotka-Volterra presa-predador. Lo que haremos

ser presentar el modelo determinstico, luego realizar la incorporacin de estocasticidad en el mismo,
para finalmente resolverlo mediante el mtodo de Milstein.

3.1.

Formulacin determinstica

La formulacin determinstica del modelo Lotka-Volterra presa-predador para dos poblaciones,

consiste en el sistema de ecuaciones diferenciales simultneas:

dx
dt

= Ax Bxy

dy
dt

= Cx + Dxy

donde x e y representan el nmero de presas y predadores, respectivamente, con A, B, C, D

constantes positivas que reflejan las condiciones de crecimiento de las especies y sus interacciones.
Considerando los parmetros A = 0.4, B = 0.37, C = 0.3 y D = 0.05, la dinmica determinstica
se puede observar en las figuras 26 y 27.

Figura 26: Dinmica Lotka-Volterra determinstico

3.2.

Formulacin Estocasticas

El modelo descripto en la seccin 3.1 falla, por ejemplo, a la hora de describir fenmenos de cambios
medioambientales, permanentes en un ecosistema natural.
25

Figura 27: Trayectoria del diagrama de fase para la condicin inicial x=3, y=1
En general, se trata de analizar efectos de ruidos aleatorios causados por el ambiente, presentes
en las tasas de crecimiento intrnsecas de presas y depredadores y modelados mediante ruidos blancos
gaussianos independientes en el modelo. Esto significa considerar un sistema de ecuaciones diferenciales
estocsticas de It, de la forma

dx = [Ax Bxy] dt + g1 (x, y) dW1 (t)

dy = [Cx + Dxy] dt + g (x, y) dW (t)

2
2
donde W (t) = (W1 (t), W2 (t)) es un proceso de Wiener bidimensional, y las funciones gi : R2 R
son continuamente lipschitzianas.
Teniendo en cuenta que en la seccin anterior trabajamos con procesos de Wiener unidimensionales,
consideraremos que W1 = W2 . Vamos a considerar ruidos aleatorios de tipo multiplicativo, con las
funciones coeficientes g1 (x, y) = x y g2 (x, y) = y, donde sigma representa la intensidad de la
perturbacin aleatoria, en el intervalo [0, 1].
De esta forma, podemos escribir matricialmente el sistema anterior de la siguiente forma
dX(t) = a(X, t)dt + b(X, t)dW
donde

dx(t)

dX(t) =

; a(X, t) =

dy(t)

A By(t)

C + Dx(t)
26

x(t)

x(t)

; b(X, t) =

y(t)

y(t)

Para este sistema no contamos con una solucin anlitica, pero igualmente la podramos aproximar
tanto con el mtodo de Euler-Maruyama como con el de Milstein. Dados los resultados que vimos en
la seccin anterior, podemos considerar que el mtodo de Milstein simula mejor la dinmica que el
mtodo de Euler-Maruyama. Por lo tanto, abordaremos la aproximacin de la solucin con el mtodo
de Milstein.
Al igual que antes, consideraremos una discretizacin del intervalo [0, T ] dada por 0 = t0 < t1 <
. . . < tN = T donde t = ti+1 ti es constante i, con un valor de t = 0.1. Vamos a escribir
x(ti ) = xi y y(ti ) = yi .
Teniendo en cuenta el esquema de Milstein dado por la ecuacin 2.1, tendremos que para este caso
particular la aproximacin est dada por

xn+1 = xn + [A Byn ] xn t + 1 xn Wn + 21 (12 xn )((W )2 t)

yn+1 = yn + [C + Dxn ] yn t + 2 yn Wn + 21 (22 yn )((W )2 t)

donde Wn = Wn+1 Wn es una variable aleatoria normal con media 0 y varianza t, propiedad
derivada del proceso de Wiener.
Para las simulaciones vamos a considerar los mismos valores de parmetros que en el caso determinstico, y diferentes valores de . Los resultados de las simulaciones se pueden ver en las figuras 28,
29, 30 y 31.

Figura 28: Dinmica de Lokta-Volterra con = 0.1 y = 0.25

27

Figura 29: Dinmica de Lokta-Volterra con = 0.5 y = 0.75

Figura 30: Trayectoria del diagrama de fase para la condicin inicial x3, y=1 con = 0.1 y = 0.25

28

Figura 31: Trayectoria del diagrama de fase para la condicin inicial x3, y=1 con = 0.5 y = 0.75

29

A.

Tablas de la seccin 2

En este apndice mostramos las tablas completas con los datos de las aproximaciones realizadas
para cada uno de los problemas de la seccin 2.

A.1.

Sistema oscilante

0.1

0.25

0.5

0.75

x(t) exacto

211.85

79.31

1.91

0.00

y(t) exacto

1480

554.40

13.91

0.00

x(t) Euler

115.49

70.18

153.30

132.88

Intervalo

(129.94, 135.96)

(255.56, 268.30)

(499.99, 526.28)

(707.73, 757.65)

y(t) Euler

13302

13832

12952

13507

Intervalo

(11791, 11852)

(13188, 13368)

(12785, 13092)

(13269, 13745)

x(t) Milstein

307.01

519.58

48.37

0.20

Intervalo

(116.73, 120.32)

(439.71, 440.83)

(46.02, 46.90)

(0.19, 0.20)

y(t) Milstein

10962

4098

88.44

0.10

Intervalo

(9457, 9506)

(3520, 3569)

(74.11, 76.06)

(0.06, 0.07)

Cuadro 17: Valores para el sistema oscilante con = 0.1 y T = 40

0.1

0.25

0.5

0.75

x(t) exacto

208.41

74.43

2.07

0.00

y(t) exacto

1456

520.27

14.44

0.03

x(t) Euler

306.58

304.92

324.60

299.51

Intervalo

(97.99, 98.36)

(228.95, 232.03)

(318.41, 326.67)

(294.18, 304.4)

y(t) Euler

2162

2149

2311

2120

Intervalo

(703.75, 707.23)

(1616, 1640)

(2265, 2329)

(2079, 2161)

x(t) Milstein

255.74

97.87

3.33

0.01

Intervalo

(47.26, 47.41)

(23.32, 23.57)

(1.25, 1.28)

(0.00, 0.00)

y(t) Milstein

1778

634.12

17.47

0.04

Intervalo

(321.11, 322.73)

(112.99, 114.70)

(2.99, 3.07)

(0.01, 0.01)

Cuadro 18: Valores para el sistema oscilante con = 0.01 y T = 40

30

0.1

0.25

0.5

0.75

x(t) exacto

1370

812.14

139.20

8.25

y(t) exacto

863.63

511.94

87.75

5.20

x(t) Euler

4233

4139

4218

4864

Intervalo

(2856, 2871)

(3307, 3347)

(4016, 4141)

(4766, 4946)

y(t) Euler

2298

2253

2289

2554

Intervalo

(1432, 1437)

(1734, 1749)

(2176, 2226)

(2514, 2584)

x(t) Milstein

3833

2220

334.27

13.44

Intervalo

(2456, 2469)

(1399, 1416)

(191.75, 198.40)

(5.05, 5.34)

y(t) Milstein

2128

1384

302.36

22.16

Intervalo

(1262, 1266)

(868.81, 875.97)

(212.04, 217.19)

(16.68, 17.24)

Cuadro 19: Valores para el sistema oscilante con = 0.1 y T = 20

0.1

0.25

0.5

0.75

x(t) exacto

1385

877.37

138.25

6.83

y(t) exacto

873.05

553.06

87.15

4.30

x(t) Euler

1683

1757

1645

1585

Intervalo

(297.45, 299.09)

(875.18, 885.076)

(1485, 1528)

(1544, 1612)

y(t) Euler

1059

1105

1036

1000

Intervalo

(186.05, 186.95)

(549.38, 555.32)

(935.98, 962.13)

(975.35, 1016)

x(t) Milstein

1529

966.92

150.55

7.23

Intervalo

(144.38, 145.23)

(88.98, 90.11)

(12.11, 12.48)

(0.40, 0.42)

y(t) Milstein

964.98

616.20

99.90

5.13

Intervalo

(91.72, 92.14)

(62.82, 63.46)

(12.59, 12.90)

(0.81, 0.84)

Cuadro 20: Valores para el sistema oscilante con = 0.01 y T = 20

31

0.1

0.25

0.5

0.75

x(t) exacto

1697

1401

488.85

136.01

y(t) exacto

21.69

17.91

6.25

1.74

x(t) Euler

2924

3043

2486

2860

Intervalo

(1224, 1230)

(1632, 1652)

(1964, 2031)

(2668, 2780)

y(t) Euler

130.86

149.52

60.71

112.83

Intervalo

(108.21, 110.14)

(132.60, 137.30)

(90.40, 102.71)

(172.41, 192.42)

x(t) Milstein

2797

2305

806.37

218.02

Intervalo

(1097, 1102)

(898.78, 909.68)

(311.93, 323.11)

(80.032, 83.98)

y(t) Milstein

112.65

48.87

71.83

48.62

Intervalo

(90.069, 91.85)

(53.23, 55.26)

(77.61, 78.55)

(49.89, 50.82)

Cuadro 21: Valores para el sistema oscilante con = 0.1 y T = 10

0.1

0.25

0.5

0.75

x(t) exacto

1716

1348

561.94

146.51

y(t) exacto

21.94

17.24

7.18

1.87

x(t) Euler

1888

1875

1812

1936

Intervalo

(170.92, 171.83)

(523.69, 529.59)

(1235, 1266)

(1756, 1823)

y(t) Euler

24.68

24.33

22.59

27.14

Intervalo

(2.77, 2.87)

(7.20, 7.48)

(15.13, 16.03)

(25.28, 27.08)

x(t) Milstein

1805

1415

588.01

153.85

Intervalo

(88.00, 88.54)

(66.21, 67.16)

(25.63, 26.51)

(7.20, 7.51)

y(t) Milstein

22.78

14.38

0.70

1.74

Intervalo

(1.54, 1.61)

(3.34, 3.44)

(6.46, 6.51)

(3.57, 3.65)

Cuadro 22: Valores para el sistema oscilante con = 0.01 y T = 10

32

0.1

0.25

0.5

0.75

x(t) exacto

532.34

467.73

317.32

171.45

y(t) exacto

1718

1509

1024

553.47

x(t) Euler

735.64

719.53

708.44

727.82

Intervalo

(202.39, 204.22)

(248.33, 255.28)

(381.97, 400.25)

(539.95, 572.91)

y(t) Euler

2231

2192

2173

2223

Intervalo

(511.83, 513.82)

(678.26, 687.64)

(1134, 1163)

(1638, 1700)

x(t) Milstein

716.74

611.15

362.63

148.13

Intervalo

(183.54, 185.26)

(141.20, 146.29)

(64.1, 69.67)

(51.92, 54.29)

y(t) Milstein

2188

1944

1337

729.28

Intervalo

(469.27, 471.09)

(430.98, 437.24)

(309.52, 317.16)

(172.01, 179.62)

Cuadro 23: Valores para el sistema oscilante con = 0.1 y T = 5

0.1

0.25

0.5

0.75

x(t) exacto

521.09

471.63

323.49

177.96

y(t) exacto

1682

1522

1044

574.50

x(t) Euler

545.39

547.70

545.10

557.32

Intervalo

(24.17, 24.43)

(75.47, 76.67)

(218.82, 224.40)

(369.02, 389.69)

y(t) Euler

1759

1766

1756

1798

Intervalo

(77.35, 77.88)

(242.82, 245.91)

(703.97, 720.47)

(1193, 1255)

x(t) Milstein

534.23

481.36

325.22

173.87

Intervalo

(13.04, 13.24)

(9.90, 10.31)

(7.42, 7.85)

(5.97, 6.50)

y(t) Milstein

1725

1559

1066

584.48

Intervalo

(42.64, 43.05)

(36.81, 37.71)

(24.89, 26.10)

(16.51, 18.04)

Cuadro 24: Valores para el sistema oscilante con = 0.01 y T = 5

33

A.2.

Sistema divergente

0.1

0.25

0.5

0.75

x(t) exacto

66961

23776

577.83

1.32

y(t) exacto

44640

15850

385.22

0.88

x(t) Euler

79758

78754

74042

74842

Intervalo

(12753, 12841)

(54413, 55543)

(71778, 75150)

(72337, 77344)

y(t) Euler

53172

52502

49361

49894

Intervalo

(8502, 8560)

(36275, 37028)

(47852, 50100)

(48224, 51562)

x(t) Milstein

65748

23511

575.70

1.24

Intervalo

(1196, 1227)

(294.69, 312.32)

(10.87, 11.95)

(0.08, 0.09)

y(t) Milstein

43832

15674

383.80

0.83

Intervalo

(797.79, 818.52)

(196.46, 208.21)

(7.24, 7.97)

(0.06, 0.06)

Cuadro 25: Valores para el sistema divergente con = 0.1 y T = 40

0.1

0.25

0.5

0.75

x(t) exacto

67757

23674

614.85

1.23

y(t) exacto

45171

15783

1409

0.82

x(t) Euler

82169

79981

80523

70980

Intervalo

(14352, 14471)

(55647, 56964)

(77944, 81872)

(68988, 72970)

y(t) Euler

54779

53320

53682

47320

Intervalo

(9568, 9647)

(37098, 37976)

(51962, 54581)

(45992, 48646)

x(t) Milstein

67624

23664

615.66

1.22

Intervalo

(139.38, 145.97)

(62.13, 66.59)

(3.60, 3.95)

(0.01, 0.01)

y(t) Milstein

45082

15776

410.44

0.81

Intervalo

(92.92, 97.31)

(41.42, 44.39)

(2.40, 2.64)

(0.01, 0.01)

Cuadro 26: Valores para el sistema divergente con = 0.01 y T = 40

34

0.1

0.25

0.5

0.75

x(t) exacto

10037

6303

994.80

58.89

y(t) exacto

6691

4202

663.20

39.26

x(t) Euler

10940

11276

10588

12071

Intervalo

(898.86, 905.66)

(4931, 5014)

(9435, 9753)

(11682, 12342)

y(t) Euler

7293

7517

7059

8047

Intervalo

(599.24, 603.77)

(3287, 3342)

(6290, 6502)

(7788, 8228)

x(t) Milstein

9956

6258

993.96

56.65

Intervalo

(84.85, 90.28)

(89.14, 95.62)

(29.09, 31.19)

(3.14, 3.33)

y(t) Milstein

6637

4172

662.64

37.77

Intervalo

(56.56, 60.18)

(59.43, 63.75)

(19.39, 20.79)

(2.09, 2.22)

Cuadro 27: Valores para el sistema divergente con = 0.1 y T = 20

0.1

0.25

0.5

0.75

x(t) exacto

10183

6245

1041

45.79

y(t) exacto

6789

4163

694.31

30.53

x(t) Euler

11187

11303

11181

9616

Intervalo

(999.85, 1008)

(5006, 5107)

(9944, 10335)

(9185, 9957)

y(t) Euler

7458

7535

7454

6411

Intervalo

(666.56, 672.31)

(3337, 3405)

(6629, 6890)

(6123, 6638)

x(t) Milstein

10174

6245

1040

45.82

Intervalo

(20.91, 22.31)

(25.21, 26.90)

(8.05, 8.79)

(0.64, 0.71)

y(t) Milstein

6783

4163

693.96

30.55

Intervalo

(13.94, 14.87)

(16.81, 17.93)

(5.37, 5.86)

(0.43, 0.48)

Cuadro 28: Valores para el sistema divergente con = 0.01 y T = 20

35

0.1

0.25

0.5

0.75

x(t) exacto

3962

3025

1369

337.15

y(t) exacto

2641

2017

913.25

224.77

x(t) Euler

4114

4003

4185

4200

Intervalo

(150.47, 153.55)

(967.55, 988.01)

(2767, 2862)

(3719, 4006)

y(t) Euler

2742

2669

2790

2800

Intervalo

(100.31, 102.37)

(645.04, 658.67)

(1844, 1908)

(2479, 2670)

x(t) Milstein

3935

3027

1361

334.18

Intervalo

(38.53, 40.36)

(58.71, 62.67)

(48.94, 53.13)

(18.97, 21.51)

y(t) Milstein

2623

2018

907.91

222.79

Intervalo

(25.69, 26.90)

(39.14, 41.78)

(32.63, 35.42)

(12.65, 14.34)

Cuadro 29: Valores para el sistema divergente con = 0.1 y T = 10

0.1

0.25

0.5

0.75

x(t) exacto

3862

3139

1503

305.57

y(t) exacto

2575

2092

1002

203.72

x(t) Euler

4036

4159

4638

3818

Intervalo

(172.35, 173.85)

(1012, 1028)

(3077, 3193)

(3380, 3644)

y(t) Euler

2690

2772

3092

2545

Intervalo

(114.90, 115.90)

(674.70, 685.59)

(2051, 2129)

(2253, 2429)

x(t) Milstein

3858

3139

1507

303.73

Intervalo

(10.17, 10.73)

(20.89, 21.99)

(16.81, 18.03)

(5.63, 6.23)

y(t) Milstein

2572

2093

1004

202.49

Intervalo

(6.78, 7.15)

(13.93, 14.66)

(11.21, 12.02)

(3.76, 4.15)

Cuadro 30: Valores para el sistema divergente con = 0.01 y T = 10

36

0.1

0.25

0.5

0.75

x(t) exacto

2437

2153

1662

894.06

y(t) exacto

1624

1435

1108

596.04

x(t) Euler

2482

2442

2744

2704

Intervalo

(46.75, 49.02)

(284.70, 292.94)

(1060, 1105)

(1756, 1864)

y(t) Euler

1655.05

1628.18

1829.96

1803.05

Intervalo

(31.16, 32.68)

(189.80, 195.29)

(706.85, 736.91)

(1170, 1243)

x(t) Milstein

2433

2155

1669

881.95

Intervalo

(25.99, 27.61)

(54.99, 58.16)

(91.67, 98.32)

(84.74, 91.53)

y(t) Milstein

1622

1437

1113

587.97

Intervalo

(17.32, 18.40)

(36.66, 38.77)

(61.11, 65.55)

(56.49, 61.02)

Cuadro 31: Valores para el sistema divergente con = 0.1 y T = 5

0.1

0.25

0.5

0.75

x(t) exacto

2468

2197

1497

764.48

y(t) exacto

1645

1464

998.63

509.65

x(t) Euler

2518

2487

2471

2326

Intervalo

(50.12, 51.02)

(287.64, 292.88)

(957.36, 990.33)

(1504, 1620)

y(t) Euler

1679

1658

1647

1551

Intervalo

(33.41, 34.01)

(191.76, 195.25)

(638.24, 660.22)

(1002, 1080)

x(t) Milstein

2468

2195

1498

754.54

Intervalo

(9.29, 9.86)

(16.80, 18.06)

(22.96, 24.99)

(17.95, 20.46)

y(t) Milstein

1645

1463

998.93

503.03

Intervalo

(6.20, 6.57)

(11.20, 12.04)

(15.31, 16.66)

(11.97, 13.64)

Cuadro 32: Valores para el sistema divergente con = 0.01 y T = 5

37

A.3.

Sistema convergente

0.1

0.25

0.5

0.75

x(t) exacto

1362

476.86

12.44

0.03

y(t) exacto

681.56

238.61

6.22

0.02

x(t) Euler

1654

1616

1624

1760

Intervalo

(291.34, 293.62)

(1126, 1152)

(1582, 1641)

(1711, 1809)

y(t) Euler

827.88

808.78

812.76

880.71

Intervalo

(145.75, 146.89)

(563.86, 576.48)

(791.59, 821.50)

(856.24, 905.14)

x(t) Milstein

1361

476.953

12.04

0.00

Intervalo

(5.00, 5.35)

(4.33, 4.64)

(0.41, 0.43)

(0.00, 0.00)

y(t) Milstein

681.16

238.64

6.02

0.01

Intervalo

(2.50, 2.68)

(2.17, 2.32)

(0.21, 0.22)

(0.00, 0.00)

Cuadro 33: Valores para el sistema convergente con = 0.1 y T = 40

0.1

0.25

0.5

0.75

x(t) exacto

1354

508.13

12.38

0.03

y(t) exacto

677.71

254.25

6.19

0.01

x(t) Euler

1646

1719

1620

1539

Intervalo

(290.67, 292.80)

(1198, 1223)

(1570, 1646)

(1479, 1599)

y(t) Euler

823.68

860.14

811.06

770.24

Intervalo

(145.44, 146.51)

(599.79, 611.99)

(785.93, 823.80)

(740.33, 800.13)

x(t) Milstein

1354

508.08

12.33

0.02

Intervalo

(1.71, 1.81)

(1.46, 1.56)

(0.08, 0.09)

(0.00, 0.00)

y(t) Milstein

677.75

254.23

6.17

0.01

Intervalo

(0.85, 0.90)

(0.73, 0.78)

(0.04, 0.05)

(0.00, 0.00)

Cuadro 34: Valores para el sistema convergente con = 0.01 y T = 40

38

0.1

0.25

0.5

0.75

x(t) exacto

1515

889.13

152.35

7.46

y(t) exacto

768.98

451.24

77.32

3.78

x(t) Euler

1664

1605

1633

1566

Intervalo

(148.96, 150.16)

(708.98, 723.59)

(1449, 1513)

(1504, 1613)

y(t) Euler

844.60

814.48

828.94

794.64

Intervalo

(75.31, 75.93)

(359.54, 366.95)

(735.49, 767.75)

(763.25, 818.45)

x(t) Milstein

1513

885.57

149.80

6.91

Intervalo

(7.74, 8.17)

(13.18, 14.08)

(4.96, 5.30)

(0.57, 0.62)

y(t) Milstein

768.00

449.22

75.96

3.50

Intervalo

(3.95, 4.17)

(6.72, 7.18)

(2.54, 2.71)

(0.29, 0.32)

Cuadro 35: Valores para el sistema convergente con = 0.1 y T = 20

0.1

0.25

0.5

0.75

x(t) exacto

1522

893.79

158.52

6.31

y(t) exacto

772.66

453.60

80.45

3.20

x(t) Euler

1673

1617

1703

1317

Intervalo

(150.92, 152.02)

(717.44, 730.81)

(1511, 1577)

(1251, 1370)

y(t) Euler

849.50

821.07

864.35

668.63

Intervalo

(76.57, 77.12)

(364.08, 370.86)

(767.26, 800.54)

(635.30, 695.56)

x(t) Milstein

1522

893.41

158.35

6.24

Intervalo

(2.66, 2.79)

(4.18, 4.41)

(1.56, 1.69)

(0.09, 0.10)

y(t) Milstein

772.50

453.39

80.35

3.17

Intervalo

(1.35, 1.42)

(2.12, 2.24)

(0.79, 0.86)

(0.04, 0.05)

Cuadro 36: Valores para el sistema convergente con = 0.01 y T = 20

39

0.1

0.25

0.5

0.75

x(t) exacto

1551

1210

490.51

146.01

y(t) exacto

829.00

646.94

262.04

78.00

x(t) Euler

1625

1609

1516

1887

Intervalo

(73.33, 74.74)

(393.99, 402.23)

(1003, 1048)

(1701, 1782)

y(t) Euler

867.90

858.99

809.66

1007

Intervalo

(38.53, 39.28)

(209.84, 214.25)

(535.70, 559.52)

(908.16, 951.76)

x(t) Milstein

1554

1213

487.88

144.48

Intervalo

(12.05, 12.86)

(20.73, 22.14)

(19.08, 20.66)

(8.59, 9.28)

y(t) Milstein

829.61

647.78

260.14

76.95

Intervalo

(6.39, 6.81)

(11.08, 11.84)

(10.23, 11.08)

(4.64, 5.01)

Cuadro 37: Valores para el sistema convergente con = 0.1 y T = 10

0.1

0.25

0.5

0.75

x(t) exacto

1541

1284

614.15

139.57

y(t) exacto

823.37

686.03

328.10

74.57

x(t) Euler

1611

1700

1888

1758

Intervalo

(70.25, 70.85)

(412.84, 419.73)

(1250, 1298)

(1573, 1664)

y(t) Euler

861.00

908.36

1008

939.57

Intervalo

(37.46, 37.79)

(220.49, 224.17)

(667.74, 693.70)

(840.70, 889.31)

x(t) Milstein

1540

1283

613.24

139.09

Intervalo

(4.00, 4.26)

(7.03, 7.47)

(6.34, 6.91)

(3.14, 3.38)

y(t) Milstein

823.11

685.68

327.56

74.28

Intervalo

(2.15, 2.29)

(3.76, 3.99)

(3.39, 3.70)

(1.68, 1.81)

Cuadro 38: Valores para el sistema convergente con = 0.01 y T = 10

40

0.1

0.25

0.5

0.75

x(t) exacto

1551

1418

1042

616.79

y(t) exacto

890.91

814.651

598.67

354.26

x(t) Euler

1581

1621

1726

1935

Intervalo

(32.32, 33.67)

(200.26, 205.08)

(672.36, 695.34)

(1283, 1353)

y(t) Euler

907.60

930.38

990.89

1111

Intervalo

(18.00, 18.76)

(114.33, 117.12)

(385.60, 398.84)

(736.65, 776.87)

x(t) Milstein

1549

1428

1046

615.52

Intervalo

(17.87, 18.91)

(38.70, 41.03)

(51.25, 55.79)

(50.94, 55.27)

y(t) Milstein

889.44

819.59

600.01

352.57

Intervalo

(10.27, 10.88)

(22.18, 23.51)

(29.35, 31.95)

(29.37, 31.86)

Cuadro 39: Valores para el sistema convergente con = 0.1 y T = 5

0.1

0.25

0.5

0.75

x(t) exacto

1534

1361

965.30

490.10

y(t) exacto

881.59

782.12

554.44

281.50

x(t) Euler

1565

1542

1591

1505

Intervalo

(30.23, 30.78)

(178.82, 183.06)

(615.81, 636.25)

(976.19, 1054)

y(t) Euler

899.04

885.98

913.94

864.57

Intervalo

(17.29, 17.61)

(102.64, 105.07)

(353.64, 365.38)

(560.60, 605.55)

x(t) Milstein

1534

1361

964.42

488.53

Intervalo

(5.16, 5.43)

(11.07, 11.90)

(16.11, 17.21)

(11.91, 13.13)

y(t) Milstein

881.21

781.81

553.84

280.50

Intervalo

(2.98, 3.13)

(6.37, 6.84)

(9.24, 9.87)

(6.85, 7.55)

Cuadro 40: Valores para el sistema convergente con = 0.01 y T = 5

41