Ir al contenido principal

Curva logística

Cuando se trata de modelizar la evolución de una población, tenemos que tener en cuenta algunas condiciones específicas en las que debemos apoyarnos.

El país X no puede tener una población inferior a un millón de habitantes, porque esto conduciría a graves riesgos para el país. Su población tampoco puede exceder la cifra de treinta millones, pues sus recursos no permitirían esas dimensiones.

La velocidad de crecimiento de la población siempre es positiva. Su aceleración es positiva hasta alcanzar un cierto valor k y negativa a partir de él.

Las condiciones anteriores permiten establecer dos asíntotas, una derivada positiva y una derivada segunda que cambia de signo y una ecuación diferencial. Su resolución conduce a una curva del tipo P0 + [M/(1 + Ne-kt)] que se conoce con el nombre de curva logística.

Una forma habitual de estimar la curva logística es el procedimiento de interpolación diseñado por Vershult, basado en la determinación previa de la asíntota inferior y en información sobre el número de habitantes en tres periodos de tiempo equidistantes.

Veamos cómo podemos aplicar este método para obtener la curva logística de la población del país X. Imaginemos que disponemos de datos de la población correspondientes a tres años censales:

Año Población
(en millones)
1990 2,5
2000 3,5
2010 5

Sabemos que el límite inferior de la población del país X es 1 millón, por lo que P0 = 1. Haremos una reasignación de tiempos t = 0, 1, 2 y un cambio de origen de modo que el eje X sea la asíntota inferior:

t zt = Pt – P0
0 1,5
1 2,5
2 4

Así, sustituyendo en la ecuación de la curva expresada como:

1/zt = (1 + Ne-tk)/M

los valores de las tres observaciones, se tiene un sistema de tres ecuaciones, cuya resolución conduce a la siguiente curva logística del país X:

Pt = 1 + 17,5/(1 + 10,667e-0,5754t)

El modelo logístico es útil cuando las condiciones del fenómeno se mantienen o son estables en el tiempo. Por ejemplo, si hay un avance en la medicina preventiva, un cambio en los tamaños medios de las familias... será necesario realizar una revisión.


Comentarios

Entradas populares de este blog

Ojivas

Recibe el nombre de ojiva un gráfico que, mediante el trazado de una línea, muestra las frecuencias acumuladas de la serie. Si representa frecuencias absolutas acumuladas se llama simplemente ojiva, y si representa los porcentajes de las frecuencias relativas acumuladas se llama ojiva porcentual. Para representar una ojiva, se marcan en el eje de abscisas los valores de la variable y en el eje de ordenadas las frecuencias acumuladas. Se utiliza para representar series atemporales de frecuencia. Ejemplo Vamos a representar una ojiva de la serie correspondiente a los complementos salariales (dietas, desplazamientos...) expresados en euros de los 130 empleados y empleadas de una empresa, que aparecen reflejados en la siguiente tabla. Complementos N.º de empleados [50-60) 16 [60-70) 20 [70-80) 32 [80-90) 28 [90-100) 20 [100-110) 10 [110-120) 4 130

Polígonos de frecuencias

Un polígono de frecuencias es un gráfico que se obtiene a partir de un histograma, uniendo los puntos medios de los techos, o bases superiores, de los rectángulos. Se acostumbra a prolongar el polígono hasta puntos de frecuencia cero. Un polígono de frecuencia permite ver con gran claridad las variaciones de la frecuencia de una clase a otra. Son muy útiles cuando se pretende comparar dos o más distribuciones, ya que, así como es difícil representar dos o más histogramas en un mismo gráfico, resulta muy sencillo hacerlo con dos o más polígonos de frecuencias. La suma de las áreas de los rectángulos de un histograma de amplitud constante, es igual al área limitada por el polígono de frecuencias y el eje X. Ejemplo Vamos a construir a partir del histograma explicado en la entrada anterior , su correspondiente polígono de frecuencias. Ejemplo de polígono de frecuencias Interpretación de un polígono de frecuencias El polígono de frecuencias resume, en una sola lín

Ejemplo de tabla de frecuencia para una variable cuantitativa continua

Cuando el estudio se refiere a una variable cuantitativa continua, como el peso, la talla, velocidad, etc., o cuando tratándose de una variable cuantitativa discreta, el número de observaciones es muy grande y la cantidad de valores diferentes que toma la variable también, se recurre a agrupar los datos en intervalos. Cada uno de estos intervalos recibe el nombre de clase. Por ejemplo: En un estudio realizado sobre la estatura de cuarenta alumnos de un curso (variable cuantitativa continua, puesto que entre dos estaturas distintas puede haber un alumno que tenga una estatura intermedia), se han obtenido los siguientes resultados en metros: 1,55 1,66 1,69 1,63 1,64  1,67 1,63 1,56 1,62 1,68 1,68 1,62 1,66 1,62 1,69  1,56 1,57 1,60 1,65 1,64 1,67 1,69 1,63 1,64 1,60  1,62 1,63 1,71 1,62 1,72 1,61 1,61 1,64 1,60 1,70  1,76 1,65 1,65 1,68 1,66 Para su estudio, se procede a la agrupación de los datos en intervalos o clases. Primero se observa cuáles son los valores