PROYECTO UNIDAD I (MODELO DE VARIACION POBLACIONAL)

ANGELICA YULITZA PALENCIA GELVES 1090502107

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

1. proponer las variables que intervienen en la hipótesis planteada

Solución:
P=población
T=tiempo
N= población de individuos en t
2. usando un modelo de crecimiento exponencial determine
A. la cantidad de egresados en el año 2010 por medio de una predicción tan exacta como
sea posible.
Solución:
Hallamos la cantidad de egresados para el año 2010

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)

Por fracciones parciales tenemos

1 𝐴 𝐵
= +
𝑝
𝑝 (1 − 𝑁) 𝑃 1− 𝑝
𝑁
𝑝
1 = 𝐴 (1 − ) + 𝐵𝑃
𝑁
𝑝
1 = 𝐴 − 𝐴 + 𝐵𝑃
𝑁
𝐴
1 = 𝑃 (𝐵 − ) + 𝐴
𝑁
𝐴= 1
 𝐴 𝐴 1
𝐵− =0 → 𝐵= → =𝐵
𝑁 𝑁 𝑁
𝑑𝑝 𝐴 𝐵
∫ 𝑝 = ∫ 𝐾 𝑑𝑡 → ∫ 𝑑𝑝 = ∫ 𝑝 𝑑𝑝 = 𝐾𝑡 + 𝐶
𝑝 (1 − 𝑁) 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

b. Prediga la población n los años 2020 y 2050 utilizando en método de Euler.

Solución:
𝑝𝑛+1 = 𝑝0 + ∆𝑥 (𝑝0 )
∆𝑡 = 1
𝑝𝑛
𝑓(𝑝𝑛 ) = 𝑘𝑝𝑛 (1 − )
𝑁
44
𝑓(𝑝0 ) = 1,30(44) (1 − ) = 21,75
71,3
𝑝1 = 44 + 21,75 = 65,7
65,7
𝑓(𝑝1 ) = 1,30(65,7) (1 − ) = 6,37
71,3
𝑝2 = 65,7 + 6,37 = 72
72
𝑓(𝑝2 ) = 1,30(72) (1 − ) = −1,31
71,3
𝑝3 = 72 + (−1,31) = 70,7
70,7
𝑓(𝑝3 ) = 1,30(70,7) (1 − ) = 0,39
71,3
𝑝4 = 70,7 + 0,39 = 71,1
71,7
𝑓(𝑝4 ) = 1,30(71.7) (1 − ) = −0,13
71,3
𝑝5 = 71,1 + (−0,13 = 70,9
71,71
𝑓(𝑝5 ) = 1,30(71.1) (1 − ) = 0,13
71,3
 c. Usando técnicas analíticas, obtenga una fórmula para la función egresados E (t) que
satisfaga su modelo.
Solución:
Según los resultados obtenidos anteriormente se establece la ecuación

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

DATO REAL DATO TEORICO

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

 Para una determinada población se pueden establecer algunos modelos de población

donde se logran analizar matemáticamente sus diversas variaciones y con ellos
determinar de manera aproximada una predicción de su variación en un tiempo futuro.
 Se estableció un modelo aproximado de los dos utilizados donde se demostraron
cifras parecidas a las reales, obteniendo de esta manera una concordancia con respecto
a los datos solo en los primeros 3 años.
 Se determinó que con el método de Euler se logra obtener una respuesta más
aproximada que con cualquier otro método siendo este el más efectivo y concreto con
respecto a los datos reales.