M. Angélica Maulén-Yañez (1) y Eduardo González-Olivares (2)

Slides:



Advertisements
Presentaciones similares
1.1 Contraste de Bondad de Ajuste para Datos Categóricos
Advertisements

TEMA 6: CONTRASTES NO PARAMÉTRICOS
Recursión y Relaciones de Recurrencia
Variable Aleatoria Continua. Principales Distribuciones
DESCRIPCION DE SISTEMAS
Investigación de Operaciones
Bivariadas y Multivariadas
Instituto Tecnológico
REVISIÓN DEL ANÁLISIS PARTICIONAL
Ingeniería en Ciencias Económicas y Financieras
Ingeniería Matemática
APROXIMACIÓN NUMÉRICA A LAS ECUACIONES DE FLUJO
Análisis Matemático III
KRIGING.
Ecuaciones Diferenciales Ordinarias
MODELO DE REGRESIÓN MÚLTIPLE
Representación en espacio de estado
DEFINICIONES Y TERMINOLOGÍA
DERIVADAS PARCIALES Gráficas.
La derivada Conforme transcurre el tiempo, vivimos inmersos en un constante cambio. A la par que cambia nuestra edad, cambia nuestro aspecto, nuestras.
Razón de Cambio Promedio Razón de Cambio instantánea (la derivada)
Matrices Random de Leslie: dinámica de población con estructuras de edades Manuel O. Cáceres (1,2) 1. Instituto Balseiro, Universidad Nacional de Cuyo,
Ecuaciones diferenciales
Betsabé González Yañez y Eduardo González Olivares
Universidad Mexicana en Línea Carrera: Administración Pública Asignatura: Estadística Tutor: Leonardo Olmedo Alumno: Alfredo Camacho Cordero Matrícula:
Licenciatura en Administración Pública
Calcular el cero del polinomio de orden 3 que pasa por los puntos
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
UNIDAD I Conceptos básicos de las ecuaciones diferenciales
Betsabé González Yañez Eduardo González Olivares
1.2- MÉTODO DE DESCOMPOSICIÓN DE ADOMIAN (ADM)
Distribuciones derivadas del muestreo
Tablas de Vida Continuación
Un modelo de depredación con densidad umbral de presas en el predador
DISTRIBUCIONES DE MUESTREO
Unidad V: Estimación de
Ecuación logística Poblaciones Karen Yulieth rayo
DISTRIBUCION NORMAL Mario Briones L. MV, MSc 2005.
Distribución de Probabilidades Discretas
Ecuaciones diferenciales.
M.C. Jesús Antonio Jashimoto B.
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Dinámicas de modelos depredador-presa simples con uso de refugio por las presas. Una pequeña revisión y nuevos resultados Eduardo González Olivares y Betsabé.
Capítulo 7 Estimación de Parámetros Estadística Computacional
Raúl Monroy (de las notas de Jane Hilston)
LÍNEAS DE ESPERA Gabriel García Velazquez.
Inferencia Estadística
FUNDAMENTOS DE ELECTRÓNICA
BLOWING-UP PARA SISTEMAS BIDIMENSIONALES
Teoría Cinética. Mecánica Estadística Lunes 11 de junio de 2007.
Teoría de Probabilidad Dr. Salvador García Lumbreras
Distribuciones de probabilidad bidimensionales o conjuntas
UCLA – DAC M. Sc. Jorge E. Hernández H.
Villahermosa, Tab. 21 septiembre MATERIA: Investigacion de operaciones TEMA: Lineas de espera ALUMNOS: Maria isabel vega chanona HORA: 11:00 am a.
Líneas de Espera: Teoría de Colas
Modelos matemáticos y solución de problemas
Algunos Orígenes Físicos de las Ecuaciones Diferenciales
Ingeniería Mecánica Estática
Procesos de Nacimiento y Muerte
Conceptos Básicos.  Alumno: Javier Sánchez Sánchez  Registro:  Grupo: B207  Fecha: 12/02/10.
2.1 DEFINICIONES CARACTERÍSTICAS Y SUPOSICIONES.
Fecha de entrega: 21/09/11. La Teoría de Colas es el estudio de la espera en las distintas modalidades. El uso de los modelos de colas sirve para representar.
Ecuaciones diferenciales
T A S A S, S U S U S O S Y S U S A P L I C A C I O N E S
6. Sistemas de ecuaciones diferenciales lineales
UNIDAD II LINEAS DE ESPERA
Definición. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares.
1 UNIDAD 6: TEORÍA GENERAL DEL INTERÉS.  6.1. Teoría General del Interés: El fenómeno de la capitalización. La tasa instantánea de interés. Fórmula general.
ECUACIONES DIFERENCIALES. ECUACION DIFERENCIAL Una ecuación diferencial es una ecuación en la que intervienen derivadas de una o más funciones desconocidas.ecuaciónderivadas.
Viviana Acosta Estadística II. Que es Es una distribución de probabilidad que surge del problema de estimar la media de una población normalmente distribuida.
Transcripción de la presentación:

M. Angélica Maulén-Yañez (1) y Eduardo González-Olivares (2) PROCESOS DE NACIMIENTO Y MUERTE PARA POBLACIONES EN UN MEDIO AMBIENTE ESTÁTICO M. Angélica Maulén-Yañez (1) y Eduardo González-Olivares (2)   Instituto de Estadística, Pontificia Universidad Católica de Valparaíso. (2)Grupo de Ecología Matemática, Instituto de Matemática, Pontificia Universidad Católica de Valparaíso.

cástico que toma valores en N , considerando las variables aleatoria En lo que sigue (X t ) ³ será un proceso esto - cástico que toma valores en N , considerando las variables aleatoria 3.- Xt: nº de individuos vivos en el instante t  es decir Xt: tamaño de la población en el instante t ,  Si la población es de tamaño n en el instante t, se dirá que está en el estado n en el instante t. IP(Xt=n) denotará a P(n,t). and

Función generadora de Probabilidad § Función generadora de Probabilidad Si t X es una variable aleatoria tal que A = Rec ( ) N Í , la función generadora de probabilidad (p.g.f. ) de es la función G : IR ® IR con ( s ) = E( i.e . ) = n p å = 1 IP ¥ A Î se denotará por G( ,t)

Propiedades 1. t X G (1) = E(1) =1 ) ( j t X G 2. (0) = j! t X p ( ) å ¥ = 1 ) , ( n t nP 3. G’ (1) = = E(X) Xt s t G ¶ ) , ( ) , ( 1 t n P ns å ¥ = - 4. = 2 ) , ( s t G ¶ ) , ( 2 1 t n P s å ¥ = - 5. = t s G ¶ ) , ( å ¥ = 1 n s 6. = P ’(n,t)

un sistema ecológico con dinámica estocástica , Dos variables aleatorias discretas tienen la misma función de distribución si y sólo si poseen la misma función generadora de probabilidad § Procesos de Nacimiento y Muerte En un sistema ecológico con dinámica estocástica , en el cual se desea conocer el tamaño de la población, el conocimiento de un estado en particular en un tiempo dado no puede predecir sus estados en cualquier tiempo futuro. (X t ) ³ es un proceso de nacimiento y muerte si verifica lo siguiente :

donde

Nacimiento y muerte occurren en forma independiente. son llamadas tasa de nacimiento y muerte respectivamente cuando la población está en el estado n, Un proceso de nacimiento y muerte es un proceso de nacimiento puro si verifica lo siguiente :

Si es un proceso de nacimiento y muerte con tasas de   Teorema 1 Si es un proceso de nacimiento y muerte con tasas de nacimiento y muerte y respectivamente entonces  

Corolario 2 Si es un proceso de nacimiento puro con tasa de nacimiento entonces

Considera una población en un estado en el cual la tasa de sálida y de Modelo 1 Considera una población en un estado en el cual la tasa de sálida y de entrada al estado son iguales, es decir = 0. Así Llamada ecuación de balance o estado de equilibrio. En esta situación se demuestra usando un método de iteración que para cualquier estado n = Cn donde Cn =

Modelo 2 La población que se considera está solamente sometida a un proceso de nacimiento puro con tasa de crecimiento, , constante por unidad de tiempo, independiente del estado de la población. Este modelo no es muy factible de usar en poblaciones biológicas si lo es por ejemplo en teoría de colas . Al sustituir en la ecuación dada del Corolario 2 se obtiene

Asumiedo X0 =0 , la condición inicial y para cualquier n. Multiplicando la primera ecuación por , sumando de 1 to y agregando el caso =0 se obtiene   P’(n,t) = - + = - + Por lo tanto = -

Que corresponde a la ecuación en derivadas parciales = i.e. ln(G(s,t)) = Para determinar el valor de c se usan las condiciones iniciales y que G(s,t) = cuando t=0 , se obtiene G(s,0) =1. Así ec = 1, i.e. c=0. Por lo tanto G(s,t) = exp( ). La cual corresponde al p.g.f. de una distribución Poisson con media , i.e. Xt ~ P( ).

Se considera una población con el número de nacimientos proporcional a Modelo 3 Se considera una población con el número de nacimientos proporcional a su tamaño y cada organismo con una tasa fija de reproducción, . La tasa de nacimiento es . Esta situación es más realista que la anterior, pero es bioiológicamente simple. Las ecuaciones obtenidas a partir del corolario 2 son   Asumiendo las condiciones iniciales , y para n >1 . y

De forma similar al modelo previo se obtiene = Que es una ecuación lineal en derivadas parciales de primer orden , su solución es   G(s,t) = la que corresponde a la p.g.f. de la distribución Geométrica, i.e. Xt ~ G( ).

En este modelo se analizará una población sometida a un proceso con una tasa de nacimiento que decrece cuando el tamaño de la población crece. Se asume un tamaño de la población máximo, llamado capacidad de soporte, se denotará por K. Limites de espacio o restricciones de comida pueden causar este escenario. si n K y para n > K   Al sustituir en la ecuación del Corolario 2 queda para 1 n K y Asumiendo la condición inicial y para n 1 y .

En forma similar al modelo previo se obtiene   = - K(1– s)G(s,t) + ( 1– s) que corresponde a una ecuación diferencial en derivadas parciales lineal de primer orden. La solución es G(s,t) = . Por lo tanto donde es una variable aleatoria con distribución binomial con parámetros K-1 y , i.e. ~ b(K-1, ) . Si se asume que el tamaño inicial de la población es is m entonces G(s,t) = con donde es una variable aleatoria con distribución b(K-1, ).

Este último modelo , considera que cualquier organismo podría normalmente reproducirse con la misma tasa, , pero sujeto a la capacidad de soporte, K. Bajo estas condiciones la tasa de crecimiento de la población es presentada como un producto donde un factor es la tasa de nacimiento de la población, considerada como proporcional a su tamaño y el otro factor es una proporción de organismo que autoregula o amortigua esta conducta de acuerdo al tamaño de la Población sujeta a la limitación de la capacidad de soporte. Sólo sa presentan dos casos de procesos biológicos bajo estas condiciones, para los cuales

Para el primero se interpreta que cuando el tamaño de la población, n, crece, la tasa de nacimiento por individuo decrece. Cuando n es pequeño con respecto a K , la tasa de nacimiento, , es cercana a n . Cuando n es grande con respecto a K, la tasa de nacimiento se aproxima a 0. En el segundo caso se interpreta como un modelo simple de epidemia, en el cual la enfermedad es contagiosa, y existen K individuos en total. de los cuales , es la proporción de susceptible. También se asume assume que un individuo infectado permanece infectado. Así existen sólo dos estados posibles, infectado y suceptible, el individuo puede ir del estado susceptible al infeccioso, pero no volver. Se asumen mezclas homogéneas entre susceptible al infeccioso. Resumiendo

n : numero de infectados K : total de la población, : tasa de of infeción cuando hay n individuos infectados n : numero de infectados K : total de la población, : proporción de susceptibles Se puede interpretar que cuando n es pequeño, la tasa de infeción es grande, ya que existen muchos susceptibles en contacto con los infecciosos . Cuando el número de infectados crece el número de susceptibles baja, el numero de posibles nuevos casos y así es más pequeña. Al substituir en la ecuación del Corolario 2 se tiene

No ha sido posible encontrar la solución. para 1 n K y .   Asumiendo las condiciones iniciales , y para cualquier n 1, en forma similar al modelo anterior se obtiene = + La cual es una ecuación diferencial lineal en derivadas parciales de segundo ordenr. No ha sido posible encontrar la solución. En este trabajo se deja propuesta.