Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proyecto Unidad I Ecuaciones 1.
Proyecto Unidad I Ecuaciones 1.
UNIVERSIDAD DE PAMPLONA
ECUACIONES DIFERENCIALES
GRUPO
PAMPLONA
2016-2
INTRODUCCION
El presente proyecto se redacta con el fin de estudiar la población de egresados de la facultad
de CIENCIAS AGRARIAS perteneciente a la universidad de pamplona con sede en la ciudad
de pamplona, la investigación de la población nos arrojó unos datos los cuales son los que se
tienen en cuenta para realizar el análisis de los ítems expuestos en la guía de ecuaciones
diferenciales.
Como primera instancia se logra establecer la población y estudiarla para obtener algunas
variables, cuando se tengan en claro las variables dadas de la hipótesis se establecen un
modelo para el crecimiento de la población eficiente y de alguna manera exacta para lograr
hacer una predicción más precisa y segura de los datos de los egresados en un tiempo futuro.
MODELO DE VARIACION PABLACIONAL (facultad de ciencias agrarias)
Para la realización del proyecto se investigaron los siguientes datos
AÑO EGRESADOS
2008 44
2009 61
2010 68
2011 52
2012 63
2013 73
2014 58
2015 38
2016 23
𝑑𝑁
= 𝐾𝑁
𝑑𝑡
𝑑𝑁
∫ = ∫ 𝐾 𝑑𝑡
𝑑𝑡
ln|𝑁| = 𝐾 𝑡 + 𝐶 → 𝑁 = 𝑒 𝐾𝑡+𝑐
𝑁(𝑡) = 𝑒 𝐾𝑡 𝑐 → 𝑁(𝑡) = 𝑒 𝐾𝑡 𝑁° → 67 = 44𝑒 𝐾2
67
67 67 ln |44|
= 𝑒 2𝐾 → ln | | = 2𝐾 → =𝐾
44 44 2
61
𝐾 = 0.16 → 61 = 𝑒 0.32(3) 𝑁° → 𝑁° = = 38
𝑒 0.32(3)
B. ¿Qué tanto difiere su predicción de la que resulta de una extrapolación lineal al usar
la cantidad de egresados de 2000 y 2005?
Solución:
No se realiza porque los egresados de la facultad de CIENCIAS AGRARIAS están a partir del
año 2008, por lo que no podemos predecir resultados de datos que no existen cuando no hubo
oferta académica.
C. ¿En qué medida concuerdan las soluciones de su modelo de datos históricos?
Solución:
La predicción por medio del crecimiento exponencial no es muy exacto porque la predicción
que determinamos para el año 2010 es diferente, ya que el dato obtenido por medio de la
fórmula es de 38 egresados, mientras que el dato histórico equivale a 66 egresados, la
diferencia es aproximadamente el doble.
3. Elabore un modelo de crecimiento logístico y responda:
Solución:
Hallamos el modelo de crecimiento logístico para los egresados de la facultad de ciencias
agrarias
𝑑𝑝 𝑝 𝑑𝑝
= 𝐾𝑝 (1 − ) → 𝑝 = 𝐾 𝑑𝑡
𝑑𝑡 𝑁 𝑝 (1 − 𝑁)
𝑑𝑝
∫ 𝑝 = ∫ 𝐾 𝑑𝑡
𝑝 (1 − 𝑁)
𝐴 1 𝑑𝑝
∫ 𝑑𝑝 = ∫ 𝑝 = 𝐾𝑡 + 𝐶
𝑃 𝑁 1−𝑁
𝑝
ln|𝑝| − ln |1 − | = 𝐾𝑡 + 𝐶
𝑁
𝑝 𝑝 𝐾𝑡
ln | 𝑝 | = 𝐾𝑡 + 𝐶 → 1 − 𝑁 = 𝐶 𝑒
1−𝑁
𝑝 𝑝
𝑝 = 𝐶 𝑒 𝐾𝑡 − 𝐶 𝑒 𝐾𝑡 → 𝑃 + 𝐶 𝑒 𝐾𝑡 = 𝐶 𝑒 𝐾𝑡
𝑁 𝑁
𝐶 𝑒 𝐾𝑡 𝐶
𝑝= 𝑒 𝐾𝑡 =
𝐶 𝐶
(1 + 𝑁 𝑒 𝐾𝑡 ) (𝑁 + 𝑒 𝐾𝑡 )
𝐶
𝑃=
𝐶
(𝑁 + 𝑒 𝐾𝑡 )
a. ¿Cuál es la capacidad de soporte para su modelo?
Solución:
Hallamos la capacidad de soporte Para t=0 P=44
Empezamos estableciendo el modelo logístico:
𝐶1
𝑃(𝑡) =
𝐶1⁄
𝑒 −𝑘𝑡 + 𝑁
𝑐1
44 = 𝑐
(1 + 𝑁1 )
44𝑐1
44 + = 𝑐1
𝑁
44𝑐1
𝑐1 − = 44
𝑁
44
𝑐1 (1 − ) = 44
𝑁
44 44𝑁
𝑐1 = =
44 𝑛 − 44
1− 𝑁
44𝑁/(𝑁 − 44)
𝑃(𝑡) =
𝑒 −𝑘𝑡 + 44𝑁/(𝑁 − 44)
Para t=1 p=61
44𝑁 61 𝑁
61 = → = −𝑘𝑡
𝑒 −𝑘 (𝑁 − 44) + 44 44 𝑒 (𝑁 − 44) + 44
𝑁
1.39 =
𝑒 −𝑘𝑡 (𝑁 − 44) + 44
1.39𝑒 −𝑘 (𝑁 − 44) + 61 = 𝑁
𝑁 − 61
𝑒 −𝑘 =
1.39(𝑁 − 44)
71,3 − 61
𝑒 −𝐾 = → 0,271
1,39(71.3 − 44)
𝑒 −𝐾 = 0,271
−𝑘 = −1,30
𝑘 = 1,30
71,3(44) 3137,2
𝑝(𝑡) = =
𝑒 −1,30 (71.3
− 44) + 44 27,3 𝑒 −1,30 + 44
3127,2
𝑝(𝑡) =
27,3 𝑒 −1,30 + 44
Ya que obtenemos un resultado de egresados para cada año el cual es muy aproximado al
dato real en la mayoría de los casos.
Observamos la gráfica donde se esbozan los resultados obtenidos teóricamente y los datos
reales de egresados año tras año
80
70
60
50
40
30
20
10
0
2008 2009 2010 2011 2012 2013 2014 2015 2016 2020 2050
d. ¿en qué medida concuerdan las soluciones de su modelo con los datos históricos?
Solución:
En los primeros 3 años ya que estos son los valores que no superan la capacidad de soporte
4. ¿Qué modelo, el de crecimiento exponencial o el de crecimiento logístico, es mejor
para sus datos y por qué?
Solución:
En el proyecto, el modelo que más se ajusta es el de crecimiento logístico ya que es el modelo
que nos brinda en la mayoría de la veces resultados más aproximados que con el modelo de
crecimiento exponencial.
Pero lastimosamente al predecir datos futuros obtiene cierto error ya que no permite superar
la capacidad de soporte.
CLOCLUSIONES