EXPLORACIÓN DE LA MODELIZACIÓN CON
DATOS Y ECUACIONES DIFERENCIALES
UTILIZANDO R / JOHN ZOBITZ
CAPITULO 1
PRESENTADO POR:
LAURA TATIANA
RODRIGUEZ GARCIA
Capitulo 1: Modelos con
ecuaciones diferenciales 1
1.1 Tasas de cambio en el 1.2 Modelización en contexto: la
mundo: nace un modelo propagación de una enfermedad
1.3 Soluciones modelo 1.4 ¿Qué modelo es el mejor?
1.5 Empezar por aquí 1.6 Ejercicios
1.1 Tasas de cambio en el
mundo: nace un modelo
Este libro se centra en la comprensión de las tasas de cambio y su aplicación para modelar fenómenos del
mundo real con contextos de las ciencias naturales.
Además, este libro hace hincapié en el uso de ecuaciones con datos, desarrollando tanto la competencia
como la confianza para construir y evaluar un modelo matemático con datos. Tal vez estos énfasis sean
diferentes de cuando usted analizaba tasas de cambio en un curso de cálculoo; considere los siguientes tipos
de preguntas:
- Si y = xe-x
¿cuál es la función derivada f (x)?
- ¿Cuál es la ecuación de la recta tangente a y = x3 - x en a = 1?
- ¿Cuál es la gráfica de sen(x) creciente?
- Si sueltas una pelota desde lo alto de un rascacielos a 500 metros de altura, ¿cuál es su velocidad cuando
cae al suelo?
del suelo, ¿cuál es su velocidad cuando impacta contra el suelo?
- ¿Cuál es la mayor superficie que se puede encerrar en un gallinero con 100
pies de valla, con un lado a lo largo de una pared?
Las tres primeras preguntas no parecen estar relacionadas con el mundo real en su formulación pero
las dos últimas sí tienen algún contexto de situaciones del mundo real. El contexto dado puede revelar
supuestos subyacentes o principios físicos, que son el punto de partida para construir un modelo
matemático.
Para el problema del gallinero, quizá el siguiente paso sea utilizar la geometría (rectángulo) con los 30
metros de valla para desarrollar una función para el área superficie.
Tal vez el contexto incluya datos de observación y varias hipótesis diferentes (tal vez quizá
contradictorias) sobre el contexto en cuestión. Por ejemplo, ¿cómo afecta el aire a la velocidad de la
pelota? ¿Un gallinero circular maximizaría más la superficie que uno rectangular? En ambos casos,
¿qué modelo es el mejor para aproximar cualquier dato observacional? La respuesta corta es
depende. Para entender por qué, veamos otro problema en su contexto.
1.2 Modelización en contexto: la
propagación de una enfermedad
Consideremos los datos de la Figura 1.1, que proceden de un brote de ébola1 en Sierra Leona en 2014. (Datos
facilitados por Matthes (2021).) El eje vertical de la Figura 1.1 representa las infecciones por ébola a lo largo
de 2 años desde el seguimiento inicial en marzo de 2014.
La construcción de un modelo a partir de la dinámica de la enfermedad es parte del campo de las
matemáticas epidemiología.2 Aquí nos enfocamos en la propagación de persona a persona o
población de Ébola. Otros tipos de modelos podrían enfocarse en la respuesta inmune dentro de un
una sola persona, tal vez con el objetivo de diseñar tipos efectivos de tratamientos para reducir la
gravedad de la infección. Cómo construimos un modelo matemático para este brote depende en gran
medida de las suposiciones que subyacen a la biológica dinámica de transmisión de enfermedades
(que llamaremos tasa de infección). Tres de las suposiciones posibles para la tasa de infección son
las siguientes:
1. La tasa de infección es proporcional al número de personas infectadas.
2. La tasa de infección es proporcional al número de personas no infectadas.
3. La tasa de infección es proporcional a la cantidad de personas infectadas que vienen
en contacto con los no infectados.
