Asignatura:

ECUACIONES DIFERENCIALES
(MODELAMIENTO MATEMÁTICO)

Presenta:
LEDESMA CALDERA LEISLY CAROLINA

Docente;
PhD. EDGARDO PÉREZ REYES

FACULTAD DE CIENCIAS E INGENIERIAS

MONTERIA-CÓRDOBA
18 DE MAYO 2020
 TABLA DE CONTENIDO
INTRODUCCIÓN.......................................................................................................3
1. DESERCIÓN ESTUDIANTIL EN LA UNIVERSIDAD DEL SINÚ (MODELO
LOGÍSTICO)..............................................................................................................4
GRÁFICA 1.............................................................................................................7
GRÁFICA 2.............................................................................................................8
GRÁFICA 3.............................................................................................................9
2. DESERCIÓN ESTUDIANTIL EN LA UNIVERSIDAD DEL SINÚ CON EL
INICIO DE LAS CLASES VIRTUALES (ADAPT. MODELO LOGÍSTICO).............10
GRÁFICA 4...........................................................................................................13
GRÁFICA 5...........................................................................................................14
GRÁFICA 6...........................................................................................................15
3. DESERCIÓN ESTUDIANTIL EN LA FACULTAD DE INGENIERÍAS (MODELO
DE GUMPERTZ)......................................................................................................16
GRÁFICA 7...........................................................................................................18
GRÁFICA 8...........................................................................................................19
GRÁFICA 9...........................................................................................................20
CONCLUSIÓN.........................................................................................................21
ANEXOS..................................................................................................................22
BIBLIOGRAFÍA........................................................................................................24

2
 INTRODUCCIÓN
Primero que todo, la deserción estudiantil es una problemática con la que las
universidades se enfrentan todos los semestres, por lo que los estudiantes del curso de
ecuaciones diferenciales quisieron realizar una investigación para saber, a futuro, cuántos
estudiantes pueden desertar en los semestres venideros. De manera que, dicha
universidad proporcionó varios datos de estudiantes para poder utilizarlos en la creación
de ciertos modelos matemáticos que se tienen cuya finalidad calcular la deserción que
puede haber en esta academia, ya sea debido a los problemas actuales por la pandemia
del Covid 19 y sus derivados problemas: como falta recursos tecnológicos, económicos o
virtuales.

3
 1. DESERCIÓN ESTUDIANTIL EN LA UNIVERSIDAD DEL SINÚ (MODELO
LOGÍSTICO)
La deserción estudiantil es una problemática que se afronta cada una de las instituciones
de educación, principalmente, en las universidades; sobre todo en la actualidad con lo que
está viviendo el país.
Esta deserción se ve influenciada por otros factores que intervienen en su crecimiento,
dentro de estos factores encontramos que, con el inicio de clases virtuales, la escasez de
recursos tecnológicos y las falencias económicas de algunos sectores de la población, ha
sido factor de aumento de deserción.
En el presente documento se analizará el comportamiento de la deserción estudiantil,
específicamente para la Universidad del Sinú. Para este análisis, se tendrán en cuenta
datos que facilitó el área de admisiones y registros, apoyados con encuestas realizadas
entre los estudiantes. Como finalidad, se desea crear un modelo matemático que permita
producir el comportamiento de deserción estudiantil durante un periodo de estudio. Para
esto, se tendrán en cuenta algunos factores mencionados anteriormente.
Para el planteamiento del modelo, se tendrán en cuenta los siguientes datos, los cuales
muestran la población estudiantil en la Universidad del Sinú:

 Total general de estudiantes año 2019-I = 7900

Porcentaje de deserción 2019-I = 1.5 %
Porcentaje de deserción 2019-II = 1.7 %
Ahora calculamos el total de estudiantes que dejó la universidad en el semestre I de 2019:
7900-7900(0.015)= 7781.5≈ 7782 estudiantes que quedaron
Procedemos a calcular el total de estudiantes que quedaron en la universidad en el
semestre II de 2019:
7829-7829(0.017)= 7695 estudiantes que quedaron

 Estudiantes que desertaron en 2019-I:

7900-7782= 118 estudiantes
Estudiantes que desertaron en 2019-II
7829-7695= 134 estudiantes
Ahora, dadas estas condiciones, tomando como referencia inicial de estudio el 2019, y
utilizando el semestre como unidad de tiempo, se planteará el modelo; considerando
como población límite la población actual de estudiantes en la universidad. Entonces, se
tendrá en cuenta que la deserción estudiantil va en aumento debido a la postergación de
las clases presenciales y la extensión de las virtuales. Se tiene que hay una población
actual de 8385 estudiantes. Con los datos mencionados anteriormente, se procede a
plantear el debido modelo, utilizando un tipo de ecuación de crecimiento logístico.

4
 dp
dx =KP(1− P ) ¿ ; P ( 0 )=118
¿ M
P ( 1 )=134

En este caso, P ( 0 ) representa la población en el semestre I del año de estudio (2019) y

P ( 0 ) representa al semestre II del año (2019).
Considerando la población límite o capacidad de soporte M =8385

dp
dx =KP(1− P ); P ( 0 ) =118¿ MODELO MATEMÁTICO
¿ M
P ( 1 )=134
k −k
P ´=KP− p² P ´−KP= p²
8385 8385
−k
P−2 P´ −K P−1= (Resolvemos la ecuación como una ecuación diferencial de
8385
Bernoulli).

V =P−1

−V ´=P−2 P ´
−K K
−V ´−KV = V ´ + KV =
8385 8385

N ( x )=e ∫ = e
+ kdx kx

k
V (ekx )= ∫ ekx dx +C
8385
k e kx
V (ekx )= × +C
8385 k
1
V= + Ce−kx
8385
1 C
V= + kx
8385 e

5
 1
1 1 C P=
= + 1 C
P 8385 e kx +
8385 e kx

1
P= kx
e + 8385C
8385 e kx
8385
8385 ekx P= , 8385 C= A
P= 8385C
8385 C+ e kx +1
e kx
8385
P ( x) = Modelo de población
1+ A e−kx
Evaluando la condición inicial

P ( 0 )=118
8385
118=
1+ A
8385 8385
1+A= A= −1 A=70,06
118 118
8385 8385
P ( x) = P ( x) =
1+ A e−kx 1+70.06 e−kx

P ( 1 )=134
8385 8385
134= 1+70.06 e−k =
1+70.06 e−kx 134

−k 8385
70.06 e = −1
134

8385
e−k
= (
( 134
−1 )
)
70.06

8385
K=−ln
134
−1
70.06
| | K=0.12910213

6
 8385
P ( x) =
1+70.06 e−0.12910213 x
Ecuación para predecir los incrementos de la deserción estudiantil para el intervalo de
tiempo [2019,∞ ¿.

Estableciendo los periodos por semestre

dp
dx =KP(1− P )¿
¿ 8385
Modelo I
P ( 0 )=118
P ( 1 )=134
8385
P ( x) =
1+70.06 e−0.12910213 x
A continuación, mostraremos sus respectivas gráficas
GRÁFICA 1. Solución analítica

7
La ecuación tomada para este modelo corresponde a la ecuación logística por la
cual el comportamiento grafico mostrado es similar a una gráfica exponencial ya
que el modelo involucra factor exponencial en su ecuación. Esta grafica muestra el
aumento de la deserción que normalmente se presenta en la universidad tomando
como referencia el año 2019.

GRÁFICA 2. Solución numérica.

8
En la anterior gráfica se observa la representacion por semstre, por esto no
muestra una continuidad pero conserva el mismo comportamiento de la grafica
anterior, de manera similar acá se muestra el aumento semestral de la deserción
para el año 2019

GRÁFICA 3.
Gráfica comparativa analítica y numérica.

9
Esta es una gráfica conjunta de ambas soluciones tanto numérica como analítica
se observa la similitud en su curvatura y la cercanía entre cada dato arrojando un
acercamiento ideal entre ambas y mostrando así el crecimiento de la deserción
estudiantil.

2. DESERCIÓN ESTUDIANTIL EN LA UNIVERSIDAD DEL SINÚ CON EL

INICIO DE LAS CLASES VIRTUALES (ADAPT. MODELO LOGÍSTICO)
Ahora afrontando la deserción como una problemática que se ha visto altamente
influenciada por la falta de recursos tecnológicos y económicos, según encuestas
realizadas entre los estudiantes se obtuvieron los siguientes datos:
¿Sus padres han perdido el empleo a causa de la pandemia?

PÉRDIDA DE EMPLEO

SÍ
6%
NO
40% NO RESPONDIÓ

54%

¿Cuenta con recursos tecnológicos de calidad?

10
 FALTA DE RECURSOS
TECNOLÓGICOS

SÍ
6% NO
35% NO RESPONDIÓ

59%

Si generalizamos estos datos al total de población tomando como muestra los

estudiantes participantes de la encuesta:
El 75 % de la población estudiantil está en riesgo de deserción.
Adaptando el nuevo modelo con este factor de crecimiento.
dp
dx =kp (1− p )+0,75 P¿ , k= 0.12910213
¿ m
P ( 0 )=206
P(0)=118+0,75(118 )=206 {P ( 1 )=493
dp
dx =0.12910213 P(1− p )+ 0,75 P ¿
¿ 8385
dp
dx =0 ¿ 0.12910213 P−0,0000153968 P2 +0,75 P=0
¿
0.87910213 P−0,0000153968 P2 =0
P ( 0.87910213−0,0000153968 P )=0
dp
∫ P ( 0.87910213−0,0000153968 P ) =∫ dx
1
P ( 0.87910213−0,0000153968 P )
= AP + ( 0.87910213−0,0000153968
B
P)

1= A ( 0.87910213−0,0000153968 P )+ B(P)
Si P=0 A=1,137524

11
 0.87910213
Si P= B=0,00001751423
0,0000153968
1 1
1,137524 ∫ dp+¿ ¿ 0,00001751423∫ dp=x+C
P ( 0.87910213−0,0000153968 P )

1
1,137524 ln|P|−0,00001751423 ( 0,0000153968 ) ln|0.87910213−0,0000153968 P|
1,137524 ln|P|−1,137524 ln |0.87910213−0,0000153968 P|=x +C

0.87910213−0,0000153968 P
−1,137524 ln
[| P |]
=x+ C

ln |0.87910213
P
−0,0000153968|=
x
−1,137524
+C

x
0.87910213
−0,0000153968=C e −1,137524
P
X
0.87910213
=C e −1,137524 +0,0000153968
P
0.87910213
P ( x) = x
0,0000153968+C e −1,137524
P ( 0 )=206

0.87910213
206=
0,0000153968+C

0.87910213
C= −0,0000153968
206
C=0,00425208927
0.87910213
P ( x) = x
0,0000153968+ 0,00425208e −1,137524

12
 0.87910213
P ( x) = x
0,0000153968+ 0,00425208e −1,137524
Modelo II
P ( 0 )=206
P ( 1 )=493

A continuación, mostraremos sus respectivas gráficas+

GRÁFICA 4. Solución analítica

13
En este caso la gráfica obtenida corresponde a una adaptación del modelo
logístico para explicar el aumento actual de la deserción en la universidad del
Sinú, teniendo en cuenta ciertos factores que actualmente han incidido en dicho
aumento. Su forma presenta un crecimiento acelerado y al final llega a un estado
de estabilización donde tiende a ser un poco constante.

GRÁFICA 5. Solución numérica.

14
La estructura de esta grafica es similar a la anterior por lo cual se afirma la
coherencia del modelo, sin embargo aunque pareciera ser discontinua esto se
debe a que solo se relacionan los datos de población con periodos estrictamente
semestrales.

GRÁFICA 6.
Gráfica comparativa analítica y numérica.

15
Como es de esperarse ambas graficas coinciden en cada valor y muestran
similitud en su comportamiento. Cabe destacar que en este caso la ecuación
logística usada permite modelar el crecimiento de una población sujeta a un
cambio extra generado por el medio, en este caso por la situación actual del país,
esta diferencia gráfica que se observa y que también es visible en el modelo
establecido permite diferenciar claramente el modelo 1 y 2.

3. DESERCIÓN ESTUDIANTIL EN LA FACULTAD DE INGENIERÍAS

(MODELO DE GUMPERTZ)
Ahora analizamos la población que deserta a nivel de facultad en la Universidad
del Sinú. Para esto tomamos en cuenta los datos obtenidos del área de admisión y
registro, específicamente para los programas de:
CARRERA SEMESTRE I SEMESTRE II

16
 Ingeniería civil 604 651
Ingeniería eléctrica 99 112
Ingeniería industrial 135 151
Ingeniería de sistemas 81 83
Ingeniería mecánica 9 5

Ahora la población por facultad es

Primer semestre Segundo semestre
928 1002

1002∗0.0738=74
928∗0.0738=69
1002−928
=7.38 %
1002
Si obtenemos los datos del modelo utilizando la ecuación de gumpertz con
m=1002
dp 1002
dx
=C ln
P ( )
P

P ( 0 )=69
P ( 1 )=74
Con estos datos, analizamos que la mayoría de los estudiantes que desertan,
provienen de la facultad de ingenierías.
dp m
dx
=C ln
P
P ( )
dp
∫ =∫ Cdx
m
( )
P ln
P
u=ln ( mP )
1 −m
du= dp
m p2
P
1
−du= dp
P
du
−∫ =Cx+ A
u

17
 −ln|u|=−Cx+ A

u=A e−Cx ln ( mP )= A e −Cx

m Ae m 1002
P= P ( x)=
−Cx

=e Ae
−Cx −Cx
P e eA e
Ahora hallamos los valores de A y C
P ( 0 )=69
1002
69=
eA
1002
e A=
69
A=ln ( 1002
69 )
A=2.675

1002
P ( x) = −Cx

e2.675 e
P ( 1 )=74
1002 1002
74= e 2.675 e =
−C

−Cx

e2.675 e 74

2.675 e =ln
1002
−C
74 ( ) e−C =
ln ( 1002
74 )
2.675

C=−ln ( ln ( 1002
74 )
) C=0.0262526
2.675

1002
P ( x) = 2.675 −0.0262526
e e

dp 1002
dx
=C ln
P
P ( )
P ( 0 )=69
Modelo III
P ( 1 )=74
1002
P ( x) = 2.675 −0.0262526
e e

18
A continuación, mostraremos sus respectivas gráficas+
GRÁFICA 7. Solución analítica

En esta gráfica se puede observar la manera en la que aumenta la deserción a

nivel de facultad, su comportamiento muestra cómo crece gradualmente esta
problemática, pero sin embargo, si se observa el modelo planteado esta gráfica
nunca corta al eje horizontal, esto indica que la deserción nunca llegó a ser cero,
por el contrario se muestra en un crecimiento gradual equivalente a la tasa de
aumento C.

19
GRÁFICA 8. Solución numérica.

Se puede observar que la gráfica no se muestra continua debido a que los

periodos de estudio son semestrales es decir para la solución numérica solo se
tiene en cuenta los cambios de crecimiento de la deserción mostrados
semestralmente pero la curva tiene el mismo comportamiento de la solución
analítica.

20
GRÁFICA 9.
Gráfica comparativa analítica y numérica.

En esta comparación de las gráficas se observa claramente la similitud entre

ambas curvas tanto numérica como analítica dejando ver la coherencia del modelo
planteado obedeciendo a la hipótesis de que la deserción es una problemática
que va en aumento.

21
 CONCLUSIÓN
Con el estudio realizado anteriormente mediante 3 modelos matemáticos de los
cuales 2 estudiaban la deserción a nivel de pregrado y el último la deserción a
nivel de facultad en la Universidad del Sinú, se puede deducir que el abandono
universitario es una problemática que va en aumento con el pasar del tiempo y
que debido a la situación que vive el país con la pandemia del covid-19 que ha
obligado a los estudiantes a ver las clases de manera virtual ha generado un
aumento acelerado en el abandono de estudios universitarios.

22
 ANEXOS
 Códigos solución analítica modelo I.
>> x=0:1:10;
>> k=0.12910213;
>> P=8385./(1+70.06*exp(-k*x));
>> hold on
>> plot(x,P,'-o')

 Códigos solución numérica modelo I.

>> k=0.12910213;
>> f=@ (x1,y) k*(1-y/8385)*y;
>> [x1,y]=ode45(f,[0 10],118);
>> hold on
>> plot(x1,y,'*r')

 Códigos comparación solución analítica y solución numérica modelo I.

>> x=0:1:10;
>> k=0.12910213;
>> P=8385./(1+70.06*exp(-k*x));
>> hold on
>> plot(x,P,'-o')
>> f=@ (x1,y) k*(1-y/8385)*y;
>> [x1,y]=ode45(f,[0 10],118);
>> plot(x1,y,'*r')

 Códigos solución analítica modelo II.

>> x=0:1:10;
>> c=0.00425208927;
>> P=(0.87910213)./(0.0000153968+c*exp((-x)./1.137524));
>> hold on
>> plot(x,P,'-or')

 Códigos solución numérica modelo II.

>> k=0.12910213;
>> f=@ (x1,y) (k*y*(1-y/M))+0.75*y;
>> [x1,y]=ode45(f,[0 10],206);
>> hold on
>> plot(x1,y,'V')

23
 Códigos comparación solución analítica y solución numérica modelo II.
>> x=0:1:10;
>> c=0.00425208927;
>> M=8385;
>> k=0.12910213;
>> P=(0.87910213)./(0.0000153968+c*exp((-x)./1.137524));
>> hold on
>> plot(x,P,'-or')
>> f=@ (x1,y) (k*y*(1-y/M))+0.75*y;
>> [x1,y]=ode45(f,[0 10],206);
>> plot(x1,y,'V')

 Códigos solución analítica modelo III.

>> t=0:1:10;
>> c=0.0262526;
>> P=(1002)./(exp(2.675*exp(-c*t)));
>> hold on
>> plot(t,P,'-r')
 Códigos solución numérica modelo III.
>> c=0.0262526;
>> f=@ (t1,y) c*log(1002/y)*y;
>> [t1,y]=ode45(f,[0 10],69);
>> hold on
>> plot(t1,y,'o')

 Códigos comparación solución analítica y solución numérica modelo III.

>> t=0:1:10;
>> c=0.0262526;
>> P=(1002)./(exp(2.675*exp(-c*t)));
>> hold on
>> plot(t,P,'-r')
>> f=@ (t1,y) c*log(1002/y)*y;
>> [t1,y]=ode45(f,[0 10],69);
>> plot(t1,y,'o')

24
 BIBLIOGRAFÍA
James, Stewart. (2012). Cálculo de una variable: trascendentes temparanas(7ª
ed.). Estados Unidos: Cengage Learning.
Zill, D. G. (1997). Ecuaciones diferenciaeles con aplicaciones de modelado (6ª
ed.). México: S.A. Ediciones Paraninfo.

25