Curso: Introducción a la

Carrera de Medicina
Módulo Disciplinar - MATEMÁTICA
CLASE 4 – PARTE 4 (09/03/2022)

CONTENIDOS:
FUNCION EXPONENCIAL.
 Función Exponencial
Se llaman funciones
exponenciales a las
funciones de la forma: a 1
𝑓 𝑥 = 𝑏 ∙ 𝑎𝑘𝑥
f ( x) = 2 x
𝑘∈𝑅; 𝑏 ∈𝑅 ; 𝑎>0 𝑦 𝑎≠1

Dom = R
0  a 1
Im = R + x
1
f ( x) =  
2
 Función Exponencial
Ejemplo 1:
En un laboratorio de biología se está estudiando la evolución del peso de una
especie animal.
Un ejemplar pesa 2 kg al nacer. Un mes después, el peso se incrementa en un 10 %.
Durante varios meses se observa la misma tendencia: cada mes el peso se
incrementa un 10 % respecto del que tiene el mes anterior.
Suponiendo que esta tendencia sigue por un tiempo, ¿qué peso tendría el animal a
los seis meses? ¿Y al año? ¿Y a los dos años?
Resolución:
Las variables son:
variable independiente ➔ tiempo (en meses)
variable dependiente ➔ peso (en kg)
 En un laboratorio de biología se está estudiando la evolución del peso de una especie animal.
Un ejemplar pesa 2 kg al nacer. Un mes después, el peso se incrementa en un 10 %.
Durante varios meses se observa la misma tendencia: cada mes el peso se incrementa un 10 % respecto del
que tiene el mes anterior.
Suponiendo que esta tendencia sigue por un tiempo, ¿qué peso tendría el animal a los seis meses? ¿Y al
año? ¿Y a los dos años?

Resolución:
Armemos una tabla con los datos y el peso en los primeros 3 meses:
tiempo (en meses) peso (en kg)
0
1
2
2* 1,10 = 2,20 𝑃 𝑥 = 2 ∙ 1,10𝑥
2 2,20* 1,10 = 2,42
3 2,42* 1,10 = 2,662
tiempo (en meses) peso (en kg)
0 2
1 2* 1,10 = 2,20
2 2,20*1,10 = (2*1,10)* 1,10 = 2*(1,10)^2 = 2,42
3 2,42* 1,10 = 2*(1,10)^2* 1,10= 2*(1,10)^3 = 2,662
Valor inicial es decir: P(0) Razón de cambio, en este caso,
el 10% que aumenta cada mes

𝑃 𝑥 = 2 ∙ 1,10𝑥 Gráfico de la función

𝐷𝑜𝑚 = [0 ; +∞)

𝐼𝑚 = [2 ; +∞)
 Función Exponencial
Ejemplo 2:
Un grupo de investigadores estudian un cultivo de bacterias. Si al inicio de la
observación se tienen 3500 bacterias y media hora después se tienen 5489, encuentra:
a) La cantidad de bacterias al cabo de dos horas.
b) La cantidad de bacterias al cabo de tres horas.
c) La tasa promedio de cambio de la población durante la segunda hora.
Resolución:
Las variables son:
variable independiente ➔ tiempo (en minutos)
variable dependiente ➔ cantidad de bacterias
Un grupo de investigadores estudian un cultivo de bacterias. Si al inicio de la observación se tienen
3500 bacterias y media hora después se tienen 5489, encuentra:
a) La cantidad de bacterias al cabo de dos horas. tiempo Cantidad de
b) La cantidad de bacterias al cabo de tres horas. (en minutos) bacterias
c) La tasa promedio de cambio de la población durante la segunda hora. 0 3500
Resolución: 30 5489
Usaremos la fórmula de crecimiento poblacional: 𝑃 𝑡 = 𝑃0 ∙ 𝑒 𝑘𝑡
Como la población inicial es de 3500 bacterias, entonces:
𝑃 0 = 𝑃0 ∙ 𝑒 0 = 𝑃0 ∙ 1 = 3500 ➔ 𝑃 0 = 𝑃0 = 3500
Por lo tanto, 𝑃 𝑡 = 3500 ∙ 𝑒 𝑘𝑡
Para encontrar el valor de k usamos el dato de que 𝑃 30 = 5489
5489 5489
➔ 𝑃 30 = 3500 ∙ 𝑒 30𝑘 = 5489 ➔ 𝑒 30𝑘 = ➔ ln 𝑒 30𝑘 = ln( )
3500 3500
5489
5489 ln(3500)
➔ 30𝑘 = ln(3500) ➔𝑘 = ➔ 𝑘 = 0,015
30

➔ El modelo poblacional para este problema es: 𝑷 𝒕 = 𝟑𝟓𝟎𝟎 ∙ 𝒆𝟎,𝟎𝟏𝟓𝒕

Un grupo de investigadores estudian un cultivo de bacterias. Si al inicio de la observación se tienen
3500 bacterias y media hora después se tienen 5489, encuentra:
a) La cantidad de bacterias al cabo de dos horas.
b) La cantidad de bacterias al cabo de tres horas. tiempo Cantidad de
c) La tasa promedio de cambio de la población entre la segunda y la tercer hora. (en minutos) bacterias
0 3500
Resolución: 30 5489
𝑷 𝒕 = 𝟑𝟓𝟎𝟎 ∙ 𝒆𝟎,𝟎𝟏𝟓𝒕

a) 𝐏 𝟏𝟐𝟎 = 𝟑𝟓𝟎𝟎 ∙ 𝐞𝟎,𝟎𝟏𝟓∗𝟏𝟐𝟎 = 𝟐𝟏𝟏𝟕𝟑

b) 𝐏 𝟏𝟖𝟎 = 𝟑𝟓𝟎𝟎 ∙ 𝐞𝟎,𝟎𝟏𝟓∗𝟏𝟖𝟎 = 𝟓𝟐𝟎𝟕𝟗
𝑷 𝟏𝟖𝟎 −𝑷(𝟏𝟐𝟎)
c) Para calcular la tasa promedio hacemos: 𝒕𝒂𝒔𝒂 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 =
𝟏𝟖𝟎−𝟏𝟐𝟎

𝟓𝟐𝟎𝟕𝟗−𝟐𝟏𝟏𝟕𝟑 𝟑𝟎𝟗𝟎𝟔
➔ 𝒕𝒂𝒔𝒂 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 = = = 𝟓𝟏𝟓, 𝟏
𝟏𝟖𝟎−𝟏𝟐𝟎 𝟔𝟎

Significa que la población aumenta a una tasa promedio de 515 bacterias por minuto
entre la segunda y la tercer hora.
 Población 𝑷 𝒕 = 𝟑𝟓𝟎𝟎 ∙ 𝒆𝟎,𝟎𝟏𝟓𝒕

Población
inicial

tiempo
El modelo SIR
La mayor parte de modelos epidemiológicos se basan en dividir a la población sujeta a la
infección en un pequeño número de grupos compartimentados, cada uno de estos grupos
está formados por individuos idénticos en términos de su estatus con respecto a la
infección en cuestión.
En el modelo SIR, existen tres grupos compartimentados:
•Población susceptible (S), individuos sin inmunidad al agente infeccioso, y que por tanto
puede ser infectada si es expuesta al agente infeccioso.
•Población infectada (I), individuos que están infectados en un momento dado y pueden
transmitir la infección a individuos de la población susceptible con la que entran en
contacto.
•Población recuperada y fallecidos (R), individuos que son inmunes a la infección (o
fallecidos), y consecuentemente no afectan a la transmisión cuando entran en contacto
con otros individuos.
El modelo SIR es uno de los modelos epidemiológicos más simples capaces de capturar muchas
de las características típicas de los brotes epidémicos.
El nombre del modelo proviene de las iniciales S (población susceptible), I (población infectada)
y R (población recuperada).
El modelo relaciona las variaciones de las tres poblaciones (Susceptible, Infectada y Recuperada)
a través de la tasa de infección y el período infeccioso promedio.

Un ejemplo de modelo SIR

Verde = Población susceptible
Amarillo= Población infectada
Azul = Población recuperada
¡HASTA LA
PRÓXIMA
CLASE!