Diferenças

Aqui você vê as diferenças entre duas revisões dessa página.

Link para esta página de comparações

Ambos lados da revisão anteriorRevisão anterior
Próxima revisão
Revisão anterior
alunos:2012:mawade:exec4 [2012/05/18 18:32] – [Exercício 2] mawadealunos:2012:mawade:exec4 [2024/01/09 18:19] (atual) – edição externa 127.0.0.1
Linha 4: Linha 4:
 ===== Exercício 1 ===== ===== Exercício 1 =====
  
-A solução numérica é uma aproximação da analítica porém não muito exata para valores de $N(t)$ que não estejam próximos de $K$ ou de 0. Ao contrário do que eu esperava intuitivamente, em todas as situações analisadas - mesmo naquelas em que $\Delta t$ foi considerado muito pequeno - a solução numérica desviou um pouco da solução analítica apresentada pelo Gottelli, mas ambas foram muito parecidas. Abaixo, estão os gráficos de algumas trajetórias de populações simuladas junto com a solução analítica. +A solução numérica é uma aproximação da analítica porém não muito exata para valores de $N(t)$ que não estejam próximos de $K$ ou de 0. Ao contrário do que eu esperava intuitivamente, em todas as situações analisadas - mesmo naquelas em que $\Delta t$ foi considerado muito pequeno - a solução numérica desviou um pouco da solução analítica apresentada pelo Gottelli, mas ambas foram muito parecidas. Abaixo, estão os gráficos de algumas trajetórias de populações simuladas junto com a solução analítica.\\ 
 +\\ 
 +{{ :alunos:2012:mawade:sols-numericas.jpg?700 |}} 
 +\\ 
 +\\
  
  
 ===== Exercício 2 ===== ===== Exercício 2 =====
  
-O parametro r afeta um poucoQuanto menormaiores são as oscilações, uma vez que $r$ alto implica na população atingir mais rapidamente um dos estados de equilibrio estável (0 ou $K$)sendo K mais provável (pois $r$ é alto). Porém, o desvio padrão é muito importante. O $\Delta t$ usado também afeta bastante, pois quanto menor for, menor a precisão das estimativas, em comparação com modelos em tempo continuo. Isso pode deixar o gráfico bastante irregular (altas oscilações sem padrão). Trata-se portanto de um outro tipo de variação dado por erros de estimativa numérica.\\+O parametro r afeta em combinação com a variância (ou desvio padrão, se preferir)A variância determina o quão variável o valor de $r$ pode ser em relação ao seu valor médio. Portanto, quanto maior for a razão $\frac{\sigma^2_r}{\hat r}$maior são as oscilações, já que o crescimento da população poderá variar bastante ao longo do tempo durante a fase de transientedesviando consideravelmente tamanho populacional do seu valor esperado deterministicamente. Assim, a populaçao possuirá uma probabilidade de se extinguir, que será tão maior quanto maior for a razão $\frac{\sigma^2_r}{\hat r}$.\\ 
 +\\ 
 +O $\Delta t$ usado também afeta bastante, pois quanto menor for, menor a precisão das estimativas, em comparação com modelos em tempo continuo. Isso pode deixar o gráfico bastante irregular (altas oscilações sem padrão). Trata-se portanto de um outro tipo de variação dado por erros de estimativa numérica.\\
 \\ \\
  
-N0 afeta por estocasticidade demográfica ja que se a população é muito pequena, ela pode ir a 0 mais facilmente. Isso porque havendo estocasticidade, haverão períodos em que as taxas de crescimento são negativos, isto é, a população perde mais por mortalidade do que ganha por nascimentos. Se N0 é muito pequeno períodos sucessivos de taxa de crescimento negativa levam rapidamente a população à extinção. Mas tudo depende do desvio padrão (quanto maior, maior será a chance de extinção). No modelo determinístico, a população tem dois caminhos: Ou cresce até a capacidade de suporte do sistema ou decresce até se extinguir. Isso ocorrerá se r > 0 ou r < 0, respectivamente. Se r = 0, a população estabiliza em N0. Portanto, extinções são possíveis apenas em modelos estocásticos e serão mais ou menos prováveis dependendo da combinação dos parâmetros do modelo ($\hat r$, $ \sigma_r$ e $N0$).+N0 não afeta a amplitude de oscilação, porém afeta a probabilidade de extinção da população por estocasticidade demográfica. Se a população é muito pequena, ela pode ir a 0 mais facilmente. Isso porque havendo estocasticidade, haverão períodos em que as taxas de crescimento são negativas, isto é, a população perde mais por mortalidade do que ganha por nascimentos. Se N0 é muito pequenoperíodos sucessivos de taxa de crescimento negativa levam rapidamente a população à extinção. Mas tudo depende da variância, pois quanto maior, maior será a chance de extinção. No modelo determinístico, a população tem três caminhos: Ou cresce até a capacidade de suporte do sistema ou decresce até se extinguir. Isso ocorrerá se r > 0 ou r < 0, respectivamente. Se r = 0, a população estabiliza em N0.\\ 
 +\\ 
 +Portanto, extinções são possíveis apenas em modelos estocásticos e serão mais ou menos prováveis dependendo da combinação dos parâmetros do modelo ($\hat r$, $ \sigma^2_r$ e $N0$).\\ 
 +\\ 
 +\\ 
 +{{ :alunos:2012:mawade:log-estoc_1.jpg?500 |fig.1}} 
 +\\ 
 +**Figura 1** - Exemplo de aumento da oscilação dependendo da razão $\frac{\sigma_r}{\hat r}$. Dez simulações para cada valor de $\frac{\sigma^2_r}{\hat r}$ (0.2 em vermelho e 20 em preto). y = $N(t)$.\\ 
 +\\ 
 +\\ 
 +{{ :alunos:2012:mawade:log-estoc_2.jpg?500 |fig.2}} 
 +\\ 
 +**Figura 2** - Gráfico mostrando a possibilidade de extinção de uma população com crescimento logístico estocástico. A linha tracejada indica $N(t) = 1$. Em termos práticos, se o tamanho populacional estiver abaixo desta linha, a população estará extinta. Dez simulações para cada combinação de valores dos parâmetros. y = $N(t)$.\\ 
 +\\ 
 +===== Exercício 3 ======
  
 +Nesses valores a dinâmica das populações seguem comportamentos diferentes. No primeiro caso ($r \tau <0.36$), a população cresce até atingir a capacidade de suporte, sem a ocorrência de oscilacões (fig.1). No segundo caso ($0.36 < r \tau < 1.57$), ocorrem oscilações amortecidas que convergem após algum tempo para $N(t) = K$. Ou seja, a amplitude de cada ciclo vai reduzindo até atingir $K$ (fig.2). Já no último caso ($r \tau > 1.57$), a população nunca estabiliza em $K$, mas fica oscilando ao redor deste valor (fig.3). Neste caso, quanto maior o valor de $r \tau $, maior será a amplitude das oscilações, podendo implicar em extinção da população se essa amplitude for muito grande (fig.4). \\
  
 +\\
  
-===== Exercício ====== +{{ :alunos:2012:mawade:log-retardo1.jpg?500 |fig.1}}\\ 
-===== Exercício 3 =====+$$Fig. 1$$ 
 + 
 +{{ :alunos:2012:mawade:log-retardo2.jpg?500 |fig.2}}\\ 
 +$$Fig. 2$$ 
 + 
 +{{ :alunos:2012:mawade:log-retardo3.jpg?500 |fig.3}}\\ 
 +$$ Fig.3$$ 
 + 
 +{{ :alunos:2012:mawade:log-retardo4.jpg?500 |fig.4}}\\ 
 +$$ Fig.4$$ 
 + 
 +Essas relações se devem ao fato de que quando $r \tau$ é pequeno, significa que a taxa de crescimento é muito grande ou o tempo intrínseco de crescimento da população ($\frac{1}{r}$) é muito pequeno relativo ao tempo de retardo. Então a população atinge logo o ponto de estabilidade K, fazendo com que mesmo que a resposta seja atrasada, o tamanho da população não seja afetada. Isso porque é bastante provável que a população já se encontre próxima de K, independentemente do tempo de atraso. Já se $r \tau$ é muito grande, isso implica que o atraso é muito grande em relação à taxa de crescimento. Então, a população responderá ao seu tamanho em um tempo em que seu tamanho era bem diferente do atual. Isso leva a sucessivas ultrapassagens e quedas em relação a $K$, que tenderão a ser constantes ao redor de $K$. No caso intermediário, ocorre uma combinação em que o atraso vai sendo assimilado e a população em algum momento chega em $K$, de onde não sai.\\ 
 +\\ 
 +\\ 
 +----- 
 +===== ===== 
 + 
 +{{:alunos:2012:mawade:logistico.r| Códigos}} em R para os exercícios.
  
  
alunos/2012/mawade/exec4.1337365942.txt.gz · Última modificação: 2024/01/09 18:19 (edição externa)
www.chimeric.de Creative Commons License Valid CSS Driven by DokuWiki do yourself a favour and use a real browser - get firefox!! Recent changes RSS feed Valid XHTML 1.0