LABORATORIO 1

Maryann Ayala3, Paula Gaona9, Andrea Garcia10, Carolina Londoño14

Escuela Colombiana de Ingeniería Julio Garavito

Cálculo Diferencial

Victor Serrano

Grupo 83

01 Octubre del 2019

INTRODUCCIÓN

Uno de los patrones de crecimiento más simples observados en las poblaciones naturales
se conoce como crecimiento logístico y se representa con una curva sigmoidea, o en forma
de S. La función logística ó curva logística es una función matemática que aparece en
diversos modelos de crecimiento de poblaciones,propagación de enfermedades epidémicas
y difusión en redes sociales. El siguiente trabajo se llevó a cabo en dos partes en donde se
hace referencia dos experimentos uno que puede ser llevado a representarse como una
función logística y otro que hace referencia precisamente a una,todo esto por medio de
gráficas que se han trabajado a lo largo del semestre, y la definición de un modelo logístico.
[1]

PRIMERA PARTE

En una práctica de laboratorio, se realizó el conteo del protozoario Paramecium caudata en

un recipiente, con ayuda del microscopio. Los datos de Población P del microorganismo en
el tiempo t en horas se registraron en la siguiente tabla.

t P t P
0 3 90 70
10 5 100 80
20 7 110 88
30 11 120 94
40 17 130 97
50 25 140 100
60 34 150 102
70 46 160 103
80 58 170 104

Tabla 1.Los datos de Población P del microorganismo en el tiempo t en horas.

Gráfica 1. Representación gráfica de los puntos de la Tabla 1.

A partir de esta curva de puntos se ajustaron a diferentes funciones que han sido trabajadas
durante el semestre tales como exponencial , lineales, polinómicas de diferentes grados,
entre otras; para así poder determinar cuál era la que más se ajustaba a los puntos de la
gráfica 1, esto también basado en las ecuaciones de cada función que por medio del
coeficiente de ajuste que estas daban se tomó la decisión de cuál era la función apropiada,
es decir la que su coeficiente de ajuste fuese (R ) igual a 1.

Gráfi
ca 2. Función lineal.

Ecuación 1. F(x)=0.7212* -3.2982; R=0.9573

Gráfica 3. Función potencial.

Ecuación 2. F(x)=0.2027* x1265; R=0.934

Gráfica 4. Función exponencial.

Ecuación 3. F(x)=6.7074*1.0205x
Gráfica 5. Función polinomial Grado 2.

Ecuación 4. F(x)=-0.0014*x2+0.9659 x-9.8246; R= 0.9655

Gráfica 6. Función polinomial Grado 3.

Ecuación 5. F(x)=-6.2636E-05* x3+0.0145* x2-0.0895* x+2.9532; R= 0.9967

Gráfica 7. Función polinomial Grado 4.

Ecuación 6. F(x)=3.0491E-07* x4-0.0002* x3+0.0257* x2-0.4835* x+5.4413; R=0.9981

Gráfica 8. Función polinomial Grado 5.

Ecuación 7. F(x)=7.4233E-09*x5-2.85E-06*x4+0.0003*x3-0.0033*x2+0.1477*x+3.2539; R=0.9999

Gráfica 9. Función polinomial Grado 6.

Ecuación 8. F(x)=-4.8749E-11*x6+3.2285E-08*x5-7.6118E-06*x4+0.0007*x3-
0.0202*x2+0.3955*x2+0.3955*x+2.7839; R=0.9999

Gráfica 10. Función polinomial Grado 7.

Ecuación 9. F(x)=-9.5214E-13*x7+5.1777E-10*x6-1.0027E-07*x5+7.7932E-06*x4-
0.0002*x3+0.006*x2+0.1217*x+3.0557; R=1
Gráfica 11.Todas las gráficas en un solo plano.

En este caso determinamos que la que cumplia con las condiciones era la función
polinomial de grado 7 (Gráfica 10) , ya que como se requería era de las que más se
ajustaba a los puntos además que su coeficiente de ajuste es igual a 1.Esto para poder
determinar qué población del microorganismo que habrá en el laboratorio después de
mediodía, un día, dos, tres y seis días, mediante la ecuación de la función escogida se
reemplaza los valores requeridos en esta de la siguiente forma.

Primero se hace la conversión de días a horas

DÍAS HORAS

Medio día 12

1 24

2 48

3 72

6 144

Tabla 2. Días equivalentes en horas.

Se reemplaza en la ecuación

F(12)=-9.5214E-13*127+5.1777E-10*126-1.0027E-07*125+7.7932E-06*124-
0.0002*123+0.006*122+0.1217*12+3.0557; R=1
Así para los 4 valores restantes (24), (48),(72), (144).De esto obtenemos los siguientes
resultados

t P

12 5,18666

24 8,6414

48 22,8536

72 46,4002

144 100,5838

Tabla 3. Población de microorganismos que abran después de un determinado

tiempo.

De igual forma se podría preguntar que pasara con el paso del tiempo, ¿la cantidad de la población
tenderá a algún valor específico ¿o el microorganismo invadirán el laboratorio?

Esto se puede observar en la gráfica 10, el dominio de la función son todos los reales (ℜ) al ser
una función polinomial, para poder realizar el estudio se debe restringir el dominio de [0, 205.7221]. A
medida que pase el tiempo y la población se acerque a 205.7221 la población decrecera y tenderá a
0.

lim f ( x )
x→ 0

SEGUNDA PARTE

SEGUNDA PARTE

Un biólogo está investigando la población de ñus en la zona central del Serengeti y ha

obtenido en su estudio los siguientes resultados.

Años # Años # Años # Años #

poblacion poblacion poblacion poblacion
de ñus de ñus de ñus de ñus

2 90,630 14 376,705 26 462,865 38 488,815

 4 164,840 16 399,050 28 469,595 40 490,840

6 225,595 18 417,350 30 475,100 42 492,500

8 275,330 20 432,335 32 470,615 44 493,860

10 316,060 22 444,600 34 483,310 46 494,975

12 349,400 24 454,640 36 486,340 48 495,885

Tabla 4. Los datos de población P de Ñus en el tiempo ten años.

Grafica 12. Representación gráfica de los puntos de la tabla 4.

Al haber graficado la serie de puntos iniciamos con el proceso de despejar el valor de r para
asi poder avanzar con buscar la función mas adecuada a la curva

Usando la formula se usaron dos valores de la tabla para poder despejar r, así mismo gracias
a calculadora se encontró el siguiente valor:

r=0.1957853

Gráfica 13. Ecuación f(x)=(500000*90630*e^(0.1957853 *x))/(500000+90630*(e^(0.1957853 *x)-

1)).

Gráfica 14. Ecuación f(x)=(500000*90630*e^(0.15*x))/(500000+90630*(e^(0.15*x)-1)).

Gráfica 15. Ecuación f(x)=(500000*90630*e^(0.2*x))/(500000+90630*(e^(0.2*x)-1)).

Gráfica 16. Ecuación f(x)=(500000*90630*e^(0.189567*x))/

(500000+90630*(e^(0.189567*x)-1)).

Gráfica 17. Todas las funciones aplicadas para hallar el valor adecuado de r.

Gracias a las graficas relaizadas pudimos conlcuir que el valor adecuado para esta
parte del laboratorio es r= 0,189567
2.2

Gráfica 18. Representación gráfica de los puntos de la tabla 1.

Gráfica 19. Ecuación f(x)=(110*3*e^(0.046*x))/(110+3*(e^(0.046*x)-1))

Gráfica 20. Ecuación f(x)=(110*3*e^(0.05*x))/(110+3*(e^(0.05*x)-1))

Gráfica 21. Ecuación f(x)=(110*3*e^(0.048*x))/(110+3*(e^(0.048*x)-1))

Gráfica 22. Ecuación f(x)=(110*3*e^(0.0465*x))/(110+3*(e^(0.0465*x)-1))

Gráfica 22. Todas las funciones aplicadas para hallar el valor de r.

· Gracias a la grafica realizada con los datos del crecimiento del

microorganismo, se puede ver que la maxima población posible a la que se
puede llegar es aproximadamente 110.

· Al remplazar r por el valor que consideramos más apropiado y se reemplaza

en la ecuación para hallar el tiempo que tarda en llegar a la mitad de
población, se obtubo que esto selogra desdpues de aproximadamente 75
años.

((110)(3) e^(0.046(x)))/((110)+(3)(e^(0.046(x)) -1))=52

X= 75,32646203

· Para hallar el tiempo en el que se llega al 95% de la población, se encontró

el valor de este porcentaje y se reemplazó en la ecuación.

100%→104

95%→?

?= 98.8

((110)(3) e^(0.046(x)))/((110)+(3)(e^(0.046(x)) -1))=98.8

X= 125.03044287
REFERENCIAS

[1] [Internet]. Redalyc.org. 2019 [Citado 28 Septiembre 2019]. Disponible en

https://www.redalyc.org/pdf/636/63613123024.pdf