Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La velocidad a la que crece esta población (en otras palabras, el incremento de individuos
por unidad de tiempo) viene dado por la derivada de y respecto de t, esto es, por y′(t).
Una magnitud es directamente proporcional a otra cuando existe una constante r ∈ ℝ∖{0}
(que llamamos constante de proporcionalidad) tal que la razón entre ambas magnitudes es en
todo momento igual a r . Matemáticamente, que el incremento de individuos de la población
sea proporcional al tamaño de esta población, no es sino admitir que
y′ = ry.
Si en tiempo t = 0 sabemos que la población tiene un tamaño inicial igual a y0 > 0 , entonces
podemos completar la ecuación diferencial anterior a través de la condición inicial
y(0) = y0.
{y(0) = y0
y′ = ry
( y0 )
y y
Despejamos: log(y) − log(y0) = rt ⇒ log = rt ⇒ = e rt ⇒ y(t) = y0 e rt
y0
4 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Ecuación de Malthus
El modelo de Malthus describe entonces la evolución del tamaño y de una población como
y : [0, + ∞) → (0, + ∞)
t ↦ y(t) = y0e rt
La solución del modelo malthusiano cuando r > 0 entra obviamente en contradicción con el
hecho de que en la práctica real ningún sistema poblacional puede crecer indefinidamente, ya
que, los aforos de los ecosistemas y sus recursos son siempre limitados.
Supongamos una población que crece sin problemas de espacio y alimento, ajustándose al
modelo de Malthus. Con el tiempo, el crecimiento exponencial será insostenible, el espacio y el
alimento se agotarán.
dependiente del tiempo t, donde y es la única solución del Problema de Valor Inicial
r
y′ = y (L − y)
L
y(0) = y0
Decimos que y* es un equilibrio de la EDO cuando f(t, y*) = 0 ∀t ∈ [0, + ∞). Como f(t, y) represen-
ta precisamente las variaciones de y (su derivada), cuando f(t, y*) se anula, entonces y′(t) = 0 y
por tanto y deja de sufrir alteraciones: se estabiliza en y(t) = y* y de ahí que lo llamemos equili-
brio. Observamos que el modelo logístico presenta dos equilibrios: y* 1
= 0 (población inexistente),
y*
2
= L . En otras palabras, la propia naturaleza de la EDO garantiza que la cantidad de individuos
en el medio estará acotada: la población nunca podrá crecer por encima del tope L > y0 > 0 .
En todo caso, podría estabilizarse en dicho valor, pero sin llegar nunca a superarlo.
Por otro lado, denotando k = r/L > 0, la EDO del modelo de Verhulst puede reescribirse como
2
y′ = ry − ky .
2
Observamos que cuando el número de individuos y es pequeño, el término de freno −ky
también lo es. Luego el crecimiento en el modelo logístico debe ser similar, en los primeros
instantes (cuando los recursos son aún abundantes) al crecimiento en el modelo malthusiano.
Separamos variables
dy r L
∫ y(L − y) ∫
= y(L − y) ⟹ dy = rdt = rt + k
dt L
∫(y L − y) (L − y)
L 1 1 1 −1 y
∫ y(L − y) ∫y ∫ L−y
dy = + dy = dy − dy = log(y) − log (L − y) = log
(L − y)
y
log = rt + k
Las propiedades de la función y(t), conocida como función logística, nos indican que la cantidad
de individuos en el medio modelizado está acotada (en coherencia con el análisis cualitativo
previamente realizado): no podrá superar el valor L > 0. Es por esto que el parámetro L representa
el tope poblacional o cantidad máxima de individuos tolerada. Analíticamente, la curva de
crecimiento (gráfica de la función logística) presenta una asíntota horizontal en y = L.
y′′(t*) = 0.
r
Derivando la identidad dada por la EDO que define el modelo, y′ = y(L − y):
L
L [L ]
2 2
d y r r r r r
y′′ = 2 = [y′(L − y) − y′y] = y′ [L − y − y] = y(L − y) (L − 2y) = 2 y(L − y)(L − 2y) = 0,
dt L L L
( y0 ) ( y0 )
L 1 L
⇔ rt* = log − 1 ⇔ t* = log −1 .
r
Observamos que el valor de t* será positivo (y por tanto de interés) únicamente cuando
( y0 )
L L L L
log −1 >0⇔ −1>1⇔ > 2 ⇔ y0 < ,
y0 y0 2
tal y como era de esperar. Ya que si el tamaño inicial de la población superaba inicialmente la
mitad de la capacidad total del medio, la ecuación logística explicará únicamente el proceso
de deceleración del crecimiento poblacional (la parte cóncava de la curva), fruto de la
competencia intraespecífica mencionada.
Podemos razonar entonces que la velocidad de crecimiento debe multiplicarse por un factor que
la haga disminuir con el paso del tiempo. En muchos casos funciona bien el factor e −at, donde a > 0
es un valor fijo. Bajo esta consideración, el tamaño y(t) de un tumor queda modelizado a través de
{y(0)
−at
y′ = rye
,
= y0
donde r > 0 representa la tasa de crecimiento del tumor e y0 > 0 su tamaño inicial.
Este modelo debe su nombre a Benjamin Gompertz, quien lo propuso por primera vez en 1825 para
explicar las curvas de mortalidad humanas en edades adultas.
15 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Modelo de Gompertz: análisis cualitativo
Haciendo una lectura previa de la EDO planteada, al igual que hicimos con el modelo de Verhulst,
podemos analizar cualitativamente el comportamiento que tendrá la curva de crecimiento y(t).
Hemos definido los equilibrios de una EDO como aquellos valores y* que verifican f(t, y*) = 0 ,
∀t ∈ [0, + ∞). A partir de la EDO y′ = rye −at , observamos que, a diferencia del modelo logístico, el
−at
de Gompertz presenta un solo equilibrio: y* = 0 (ya que r, e > 0), correspondiente al caso trivial
que supone la ausencia de población. No obstante, observamos que cuando y ≠ 0
y′(t) −at
lim = lim re = 0,
t→+∞ y(t) t→+∞
lo que parece indicar que la velocidad relativa a la que crece y se estabiliza asintóticamente.
Esto significa que, al igual que en el modelo logístico, es de esperar que encontremos una
asíntota horizontal en la gráfica de y(t) . De nuevo la cantidad de individuos en el medio estará
acotada, aunque no sabremos cuál es el valor tope hasta que no resolvamos el PVI.
−at
Por otro lado, observamos que en los instantes iniciales el factor de freno e ≈ 1, de modo que
y′ = rye −at ≈ ry, lo que significa que el crecimiento en el modelo de Gompertz debe ser
inicialmente similar al crecimiento en el modelo de Malthus, como le ocurría también al logístico.
16 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Modelo de Gompertz: resolución analítica
El PVI que describe el modelo de Gompertz puede resolverse separando variables e integrando
(consultar Ejercicio 1d del Seminario 2):
y t
dy 1 1
∫y ∫ ∫y s ∫t
−at −at
= rye ⇒ dy = re dt ⇒ ds = re −as ds ⇒
dt 0 0
( y0 )
r −as s=t y r −at y
log ( | s | ) |s=y
s=y
= − (e − e ) ⇒ − ar (e −at − 1)
⇒ y(t) = y0 e a ( )
r −at
−a⋅0 1 − e
⇒ = − e |s=0 ⇒ log =e
0 a a y0
<latexit sha1_base64="LGqEX2JQ4AiWCt/z598cLT0X0Zk=">AAAB63icbVBNS8NAEJ3Ur1q/qh69LBahXkoioj0WvHisYD+gDWWz3bRLdzdhdyOE0L/gxYMiXv1D3vw3btoctPXBwOO9GWbmBTFn2rjut1Pa2Nza3invVvb2Dw6PqscnXR0litAOiXik+gHWlDNJO4YZTvuxolgEnPaC2V3u956o0iySjyaNqS/wRLKQEWxyKa2by1G15jbcBdA68QpSgwLtUfVrOI5IIqg0hGOtB54bGz/DyjDC6bwyTDSNMZnhCR1YKrGg2s8Wt87RhVXGKIyULWnQQv09kWGhdSoC2ymwmepVLxf/8waJCZt+xmScGCrJclGYcGQilD+OxkxRYnhqCSaK2VsRmWKFibHxVGwI3urL66R71fBuGt7Dda3VLOIowxmcQx08uIUW3EMbOkBgCs/wCm+OcF6cd+dj2VpyiplT+APn8weCRo3c</latexit>
y(t)
En general, el modelo de Gompertz describe entonces la
evolución del tamaño y(t) de una población de tamaño inicial <latexit sha1_base64="c3WSbS+7JCNbHF5DjMTWHaB2IUg=">AAAB+3icbVBNS8NAEJ34WetXrEcvi0XwVBIR7bHgxWMF+wFtDJvtpl262YTdjRhC/ooXD4p49Y9489+4bXPQ1gcDj/dmmJkXJJwp7Tjf1tr6xubWdmWnuru3f3BoH9W6Kk4loR0S81j2A6woZ4J2NNOc9hNJcRRw2gumNzO/90ilYrG411lCvQiPBQsZwdpIvl3LfIc+5MNQYpLLIsdF4dt1p+HMgVaJW5I6lGj79tdwFJM0okITjpUauE6ivRxLzQinRXWYKppgMsVjOjBU4IgqL5/fXqAzo4xQGEtTQqO5+nsix5FSWRSYzgjriVr2ZuJ/3iDVYdPLmUhSTQVZLApTjnSMZkGgEZOUaJ4Zgolk5lZEJtjEoE1cVROCu/zyKuleNNyrhnt3WW81yzgqcAKncA4uXEMLbqENHSDwBM/wCm9WYb1Y79bHonXNKmeO4Q+szx+zp5TZ</latexit>
r
y0 e a
y : [0, + ∞) → (0, + ∞) r
rápido
1
<latexit sha1_base64="O9eq3zn4Tfeu6+5l9oplGb9YDqw=">AAAB/XicbVDLSsNAFJ34rPUVHzs3g0VwY0lEtMuCG5cV7APaGCbTm3boZBJmJkIMwV9x40IRt/6HO//G6WOhrQcuHM65l3vvCRLOlHacb2tpeWV1bb20Ud7c2t7Ztff2WypOJYUmjXksOwFRwJmApmaaQyeRQKKAQzsYXY/99gNIxWJxp7MEvIgMBAsZJdpIvn2Y+Q7c571QEprLIifFmVv4dsWpOhPgReLOSAXN0PDtr14/pmkEQlNOlOq6TqK9nEjNKIei3EsVJISOyAC6hgoSgfLyyfUFPjFKH4exNCU0nqi/J3ISKZVFgemMiB6qeW8s/ud1Ux3WvJyJJNUg6HRRmHKsYzyOAveZBKp5ZgihkplbMR0SE4Q2gZVNCO78y4ukdV51L6vu7UWlXpvFUUJH6BidIhddoTq6QQ3URBQ9omf0it6sJ+vFerc+pq1L1mzmAP2B9fkDmweVSw==</latexit>
y0 e
a (1 − e −at)
a
r
t ↦ y(t) = y0 e
y0
<latexit sha1_base64="ubpRv0JjdQ1alVmY+Dm5pptRFcw=">AAAB6nicbVBNS8NAEJ3Ur1q/qh69LBbBU0lEtMeCF48V7Qe0oWy2m3bpZhN2J0II/QlePCji1V/kzX/jts1Bqw8GHu/NMDMvSKQw6LpfTmltfWNzq7xd2dnd2z+oHh51TJxqxtsslrHuBdRwKRRvo0DJe4nmNAok7wbTm7nffeTaiFg9YJZwP6JjJULBKFrpPhu6w2rNrbsLkL/EK0gNCrSG1c/BKGZpxBUySY3pe26Cfk41Cib5rDJIDU8om9Ix71uqaMSNny9OnZEzq4xIGGtbCslC/TmR08iYLApsZ0RxYla9ufif108xbPi5UEmKXLHlojCVBGMy/5uMhOYMZWYJZVrYWwmbUE0Z2nQqNgRv9eW/pHNR967q3t1lrdko4ijDCZzCOXhwDU24hRa0gcEYnuAFXh3pPDtvzvuyteQUM8fwC87HNwqojZw=</latexit>
1 r
<latexit sha1_base64="JOpevSs/vnkNLv4s+ZeoyKHn/ro=">AAACDHicbVDLSsNAFJ3UV62vqks3g0VwVRIR7UYouHFZwT6giWUynbRDJ5MwcyOUkA9w46+4caGIWz/AnX/jpM1CWw8MnHvOvdy5x48F12Db31ZpZXVtfaO8Wdna3tndq+4fdHSUKMraNBKR6vlEM8ElawMHwXqxYiT0Bev6k+vc7z4wpXkk72AaMy8kI8kDTgkYaVCtwb1LNOAr7AaK0NTJUpK5IhrNS5WXpsuu2zPgZeIUpIYKtAbVL3cY0SRkEqggWvcdOwYvJQo4FSyruIlmMaETMmJ9QyUJmfbS2TEZPjHKEAeRMk8Cnqm/J1ISaj0NfdMZEhjrRS8X//P6CQQNL+UyToBJOl8UJAJDhPNk8JArRkFMDSFUcfNXTMfEpAAmv4oJwVk8eZl0zurORd25Pa81G0UcZXSEjtEpctAlaqIb1EJtRNEjekav6M16sl6sd+tj3lqyiplD9AfW5w9UCJvL</latexit>
⇤
t = log t
<latexit sha1_base64="ADqiDdQUCGJTemfvRev7fKJHWVc=">AAAB6HicbVBNS8NAEN3Ur1q/qh69LBbBU0lEtMeCF48t2A9oQ9lsJ+3azSbsToQS+gu8eFDEqz/Jm//GbZuDtj4YeLw3w8y8IJHCoOt+O4WNza3tneJuaW//4PCofHzSNnGqObR4LGPdDZgBKRS0UKCEbqKBRYGETjC5m/udJ9BGxOoBpwn4ERspEQrO0EpNHJQrbtVdgK4TLycVkqMxKH/1hzFPI1DIJTOm57kJ+hnTKLiEWamfGkgYn7AR9CxVLALjZ4tDZ/TCKkMaxtqWQrpQf09kLDJmGgW2M2I4NqveXPzP66UY1vxMqCRFUHy5KEwlxZjOv6ZDoYGjnFrCuBb2VsrHTDOONpuSDcFbfXmdtK+q3k3Va15X6rU8jiI5I+fkknjkltTJPWmQFuEEyDN5JW/Oo/PivDsfy9aCk8+ckj9wPn8A3x+M9A==</latexit>
a a
Al igual que en el modelo logístico, interesa averiguar en qué instante la velocidad de creci-
miento poblacional es máxima. Como antes, debemos buscar el valor de t* > 0 tal que y′′(t*) = 0 .
Geométricamente, a partir de este valor t* la curva pasará de convexa a cóncava.
Derivando la expresión de y′ directamente a partir de la EDO que define el modelo:
2
dy d
y′′ = 2 = (rye −at) = r [y′e −at − ae −aty] = re −at (y′ − ay) = re −at(rye −at − ay) = rye −at(re −at − a) = 0
dt dt
y′ y′
En 1938 el biólogo austríaco Ludwig von Bertalanffy propuso un modelo de crecimiento en función
del tiempo de vida, que a día de hoy se aplica en biología marina para estimar la talla de la gran
mayoría de peces, así como de otras muchas especies. Expresó dicho modelo términos de una
EDO lineal de orden 1:
r (L − y)
{y(0)
y′ =
,
= y0
Al tratarse de una EDO lineal con término independiente constante, podemos tratar de resolverla
separando variables (consultar Ejercicio 1b del Seminario 2):
y t
dy −1 −1
∫ L−y ∫ ∫y L − s ∫t
= r(L − y) ⇒ dy = − rdt ⇒ ds = − r ds ⇒
dt 0 0
s=y s=t
⇒ log(L − s) |s=y =− rs |s=0 ⇒ log(L − y) − log(L − y0) = − r(t − 0)
0
( L − y0 )
L−y L−y
log(L − y) − log(L − y0) = − rt ⇒ log = − rt ⇒ = e ⇒ L − y = (L − y0) e ⇒ y = L − (L − y0) e
−rt −rt −rt
L − y0
Variando este parámetro podemos conseguir diferentes formas de crecimiento en talla, más o
menos cóncavas, que se ajusten a una u otra especie, según sus características:
r = 0.16
<latexit sha1_base64="WuUA80Ln6t29wVR3kxM2utg5JZQ=">AAAB73icdVDLSgMxFL1TX7W+qi7dBIvgqszUoa0LoejGZQX7gHYomTTThmYyY5IRytCfcONCEbf+jjv/xkxbQUUPBE7OuZd77/FjzpS27Q8rt7K6tr6R3yxsbe/s7hX3D9oqSiShLRLxSHZ9rChngrY005x2Y0lx6HPa8SdXmd+5p1KxSNzqaUy9EI8ECxjB2khdiS6QXXaqg2LJLp/XqxW3av62XXMqTkYqNffMRY5RMpRgieag+N4fRiQJqdCEY6V6jh1rL8VSM8LprNBPFI0xmeAR7RkqcEiVl873naETowxREEnzhEZz9XtHikOlpqFvKkOsx+q3l4l/eb1EB3UvZSJONBVkMShIONIRyo5HQyYp0XxqCCaSmV0RGWOJiTYRFUwIX5ei/0m7YvIqOzduqXG5jCMPR3AMp+BADRpwDU1oAQEOD/AEz9ad9Wi9WK+L0py17DmEH7DePgEwfo7G</latexit>
r = 0.13
<latexit sha1_base64="8Y1FtkvwcoWKfp+IHBf1Q/4YOBA=">AAAB73icdVDLSgMxFM3UV62vqks3wSK4GibToa0LoejGZQVrC+1QMmmmDc1kxiQjlKE/4caFIm79HXf+jZm2gooeCJyccy/33hMknCntOB9WYWV1bX2juFna2t7Z3SvvH9yqOJWEtknMY9kNsKKcCdrWTHPaTSTFUcBpJ5hc5n7nnkrFYnGjpwn1IzwSLGQEayN1JTyHjo2qg3LFsc8aNdermb/j1JGLcuLWvaoHkVFyVMASrUH5vT+MSRpRoQnHSvWQk2g/w1Izwums1E8VTTCZ4BHtGSpwRJWfzfedwROjDGEYS/OEhnP1e0eGI6WmUWAqI6zH6reXi395vVSHDT9jIkk1FWQxKEw51DHMj4dDJinRfGoIJpKZXSEZY4mJNhGVTAhfl8L/ya1ro5qNrr1K82IZRxEcgWNwChCogya4Ai3QBgRw8ACewLN1Zz1aL9brorRgLXsOwQ9Yb58r8o7D</latexit>
r = 0.22
<latexit sha1_base64="1NvL4Xkn/WyzlMBxXNM3g52Tfls=">AAAB73icdVDLSsNAFL2pr1pfVZduBovgKiQxtHUhFN24rGAf0IYymU7aoZOHMxOhhP6EGxeKuPV33Pk3TtoKKnpg4Mw593LvPX7CmVSW9WEUVlbX1jeKm6Wt7Z3dvfL+QVvGqSC0RWIei66PJeUsoi3FFKfdRFAc+px2/MlV7nfuqZAsjm7VNKFeiEcRCxjBSktdgS6QZTrOoFyxzPN61XGr+m9ZNduxc+LU3DMX2VrJUYElmoPye38YkzSkkSIcS9mzrUR5GRaKEU5npX4qaYLJBI9oT9MIh1R62XzfGTrRyhAFsdAvUmiufu/IcCjlNPR1ZYjVWP72cvEvr5eqoO5lLEpSRSOyGBSkHKkY5cejIROUKD7VBBPB9K6IjLHAROmISjqEr0vR/6TtmHbVtG/cSuNyGUcRjuAYTsGGGjTgGprQAgIcHuAJno0749F4MV4XpQVj2XMIP2C8fQIr847D</latexit>
r = 1.04 r = 0.48
<latexit sha1_base64="3me8rmaFIbymEXLGlL0piB90zt0=">AAAB73icdVDLSsNAFL2pr1pfVZduBovgKiQxtHUhFN24rGAf0IYymU7aoZOHMxOhhP6EGxeKuPV33Pk3TtoKKnpg4Mw593LvPX7CmVSW9WEUVlbX1jeKm6Wt7Z3dvfL+QVvGqSC0RWIei66PJeUsoi3FFKfdRFAc+px2/MlV7nfuqZAsjm7VNKFeiEcRCxjBSktdgS6QZbr1Qblimef1quNW9d+yarZj58SpuWcusrWSowJLNAfl9/4wJmlII0U4lrJnW4nyMiwUI5zOSv1U0gSTCR7RnqYRDqn0svm+M3SilSEKYqFfpNBc/d6R4VDKaejryhCrsfzt5eJfXi9VQd3LWJSkikZkMShIOVIxyo9HQyYoUXyqCSaC6V0RGWOBidIRlXQIX5ei/0nbMe2qad+4lcblMo4iHMExnIINNWjANTShBQQ4PMATPBt3xqPxYrwuSgvGsucQfsB4+wQ4FY7L</latexit>
<latexit sha1_base64="7a4e1GJAwf7HlIVeVOcTv+g5lWY=">AAAB73icdVDLSgMxFM3UV62vqks3wSK4GjLj0NaFUHTjsoJ9QDuUTJppQzOZMckIZehPuHGhiFt/x51/Y6atoKIHAodzziX3niDhTGmEPqzCyura+kZxs7S1vbO7V94/aKs4lYS2SMxj2Q2wopwJ2tJMc9pNJMVRwGknmFzlfueeSsVicaunCfUjPBIsZARrI3UlvICOjbxBuYLs83rV9aoQ2QjVHNfJiVvzzrw8MUcFLNEclN/7w5ikERWacKxUz0GJ9jMsNSOczkr9VNEEkwke0Z6hAkdU+dl83xk8McoQhrE0T2g4V79PZDhSahoFJhlhPVa/vVz8y+ulOqz7GRNJqqkgi4/ClEMdw/x4OGSSEs2nhmAimdkVkjGWmGhTUcmU8HUp/J+0Xdup2s6NV2lcLusogiNwDE6BA2qgAa5BE7QAARw8gCfwbN1Zj9aL9bqIFqzlzCH4AevtEy14jsQ=</latexit>
En términos matemáticos, el enunciado nos dice que y(t) = L − (L − y0)e −rt, donde r, L > 0 son tales que
se verifica y(1/2) = L/5 y y(1) = L/3. Despejando el término e rt de la expresión de y(t):
−rt rt
L − y0
(L − y0)e = L − y(t) ⇒ e = ,
L − y(t)
4( L)
rt r/2
L − y0 L − y0 5(L − y0) 5 y0
t = 1/2 ⇒ e = e = = = = 1−
L − y(1/2) L − L/5 4L
2( L)
rt r
L − y0 L − y0 3(L − y0 ) 3 y0
t=1⇒e =e = = = = 1−
L − y(1) L − L/3 2L
23 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM
Seminario. Hoja 3
Ejercicio 9. Se sabe que el tamaño y(t) de los ejemplares de cierta población sigue un modelo de
von Bertalanffy. Sabemos que en medio año los ejemplares alcanzan un quinto de su talla máxima
y en un año, un tercio de la misma.
a) Calcular el valor de L/y0, esto es, la relación entre la talla máxima L esperada para los individuos
de dicha especie y el tamaño y0 = y(0) que tienen al nacer.
2( L) 4 ( L)
2 22
3 y 5 y 3 ⋅ 4 y0 y0 3⋅8 24 1 L
e = (e ) ⇔
r r/2 2
1− 0
= 2 1− 0
⇔ = 1 − ⇔ = 1 − = 1 − = ⇔ = 25 .
2 ⋅ 52 L L 52 25 25 y0
La talla máxima que alcanzan los individuos de esta especie es 25 veces el tamaño con el que
nacen. Podemos de hecho reescribir la ecuación de y(t) como
2( L)
r 3 y0
Sólo queda obtener el valor de r . Como más atrás habíamos concluido que e = 1− y ahora
[2 ( L )] [2 ( 25 )] ( 2 25 )
3 y0 3 1 3 24 36
sabemos que y0 /L = 1/25, directamente: r = log 1− = log 1− = log ⋅ = log .
25
Por tanto:
48
log
25
t* = ≈ 1.79 años.
36
log
25
25 Carlos Calvo Tapia· Unidad de Biomatemática· Facultad de Ciencias Biológicas· UCM