Академический Документы
Профессиональный Документы
Культура Документы
V I S IÓN I N V E ST I G A D O R A
STOCHASTIC ANALOG LOTKA-VOLTERRA MODEL
RESUMEN
La biomatemática o biología matemática es el estudio de fenómenos bioló-
gicos mediante herramientas matemáticas de diversa complejidad. Para
modelarlos y analizarlos se usan ecuaciones diferenciales ordinarias, ecua-
ciones diferenciales parciales y/o ecuaciones diferenciales estocásticas. En
este tópico interesa investigar la evolución de las especies y la relación con
su ambiente (depredación, competencia, presencia y calidad del alimento,
simbiosis y mutualismo, etc.), para predecir la evolución futura de los eco-
sistemas, sometidos a ciertas condiciones, e introducir técnicas de control
en estos. En este artículo nos enfocaremos en presentar la versión determi-
nista y estocástica de una variante del modelo Lotka-Volterra depredador-
presa para dos poblaciones, consistente en el sistema de ecuaciones dife-
renciales simultáneas,
1. Licenciado en Matemáticas. Msc. (c) en Matemática Aplicada. Docente, Universidad Distrital Francisco José de Caldas. Coinves-
tigador Grupo SciBas, Universidad Distrital. Correo electrónico: wadiazo@gmail.com / wadiazo@udistrital.edu.co
2. Licenciado en Matemáticas. Especialista en Ingeniería del Software. Msc. (c) en Matemática Aplicada. Director del grupo de
investigación en Ciencias Básicas SciBas, Universidad Distrital. Docente, Universidad Distrital Francisco José de Caldas. Correo
electrónico: hvacca@udistrital.edu.co afonseca@udistrital.edu.co
3. Ingeniero electrónico. Msc. (c) en Bioingeniería. Docente, Universidad Distrital Francisco José de Caldas. Director del grupo de
investigación Integra, Universidad Distrital. Correo electrónico: aldefonseca@yahoo.com / afonseca@udistrital.edu.co
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
17
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
dinámica poblacional, efecto Allee, modelo population dynamics, Allee´s effect, Lotka-
Lotka-Volterra, sistema de ecuaciones di- Volterra model, system of differential equa-
ferenciales, fórmula de Itô, ecuaciones dife- tions, Itô formula, stochastic differential
renciales estocásticas equations
Abstract
The Biomathematics or Mathematics Bio- 1. INTRODUCCIÓN
logy is the study of biological phenomena
using mathematical tools of varying com- La mayor parte de los estudios sobre dinámi-
plexity. For modeling and analyzing are ca poblacional se centran en el desarrollo de
ordinary differential equations, partial di- herramientas que permitan predecir la evo-
fferential equations and / or stochastic di- lución futura de los ecosistemas sometidos a
fferential equations. In this area, interested ciertas condiciones, con el fin de introducir
in investigating the evolution of species and técnicas de control en estos. En tal dinámi-
the relationship with their environment ca, las poblaciones interactúan de múltiples
(predation, competition, presence and qua- formas, teniendo en cuenta que la idea que
lity of food, symbiosis and mutualism, etc.), se persigue es conservar su equilibrio –para
To predict the future evolution of the ecosys- lo cual se controlan las poblaciones alimento
tems under certain conditions, introduce te- y las que se alimentan, y además se evita la
chniques to control them. In this article, we extinción– y al mismo tiempo, mantener las
focus on the present version of a variant the especies en ciertos valores, tolerables por el
model deterministic and stochastic Lotka- ecosistema. En estas condiciones hay tres
Volterra predator-prey, two populations, tipos básicos de interacción:
consisting of the simultaneous differential
equations system, - Si la tasa de crecimiento de una pobla-
ción decrece mientras la tasa de creci-
miento de otra población crece, se habla
de una situación depredador-presa.
where x and y represent the number of prey - Si las tasas de crecimiento de cada po-
and predators, respectively, with A, B, C, D blación aumentan, entonces se habla de
positive constants, which reflect the growing mutualismo o simbiosis.
conditions of species and their interactions.
The study of these issues appears to be of
great importance in areas such as renewa- 2. ESTADO DEL ARTE EN EL MODELO
ble resource management, development of DETERMINISTA LV, [1], [2], [4], [5], [6]
varieties resistant to pesticides, technolo-
gy substitution phenomena, organizational Nos vamos a concentrar en el sistema de-
change or organizational learning. predador-presa, es decir, en la interacción
18
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
al modelo Lotka-Volterra (LV), considerada
como la primera teoría determinista siste-
matizada de la dinámica de poblaciones,
concebida a mediados de la década de 1920.
(2)
El sistema predador-presa es una conse-
cuencia de la Ley del Balance, que se puede R1 y R2 son los ritmos de predadores y
resumir en la siguiente expresión: presas, respectivamente, y reflejan el
crecimiento o decrecimiento de las po-
Velocidad Neta Cambio Población = blaciones en función de sus signos, si
Velocidad Incremento - Velocidad Decre- son constantes. Elecciones diferentes
mento para estos ritmos determinan dife-
rentes tipos de modelos. A su vez, x e
= nacimientos-muertes + migración y representan el número de presas y
predadores, respectivamente. A, B, C
En general, en los sistemas predador-presa, y D son constantes positivas. Los cua-
la población oscila en el tiempo; es decir, las tro términos tienen el siguiente signi-
hipótesis de modelación implican: ficado:
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
19
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
dadores aumenta como consecuencia de es- o cosecha. Esto se refleja en unos términos
V I S IÓN E L E C T R ÓN I C A
2.1.4. DE COOPERACIÓN
Donde el modelo de crecimiento de las pre-
sas viene definido por la expresión logística Es un LV donde dos especies pueden coope-
Ax(1-Kx), siendo K la constante de decreci- rar de manera simbiótica, en vez de relacio-
miento que recoge las limitaciones de cre- narse con modelo predador-presa. Se puede
cimiento que imponen los recursos del eco- expresar como:
sistema.
20
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
miento intrínseco.
Dos especies interaccionan compitiendo por
el mismo recurso en el ecosistema: En las poblaciones interactuantes se puede
reducir ampliamente la depredación debido
a una mejor habilidad de las presas para
evitarla, cuando su tamaño es suficiente-
mente grande; pero a bajas densidades de
población, puede haber una baja efectividad
de vigilancia anti-depredador, lo que refleja
un efecto Allee.
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
21
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
convencional By, proporcional a la abundan- Para estos datos se tienen varios puntos de
V I S IÓN E L E C T R ÓN I C A
Donde,
Aquí a = 3, b = n, = s = 1, k = 6.79211, m =
4.07697, q = 4.05116, r = 4.02708. Figura 2. Gráficas paramétricas
22
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
En la figura 3 se muestran las respectivas Para todos los tiempos 0<t1 <t2 < … <tn , las
V I S IÓN I N V E ST I G A D O R A
curvas solución para cada par de condicio- variables aleatorias W(t1), W(t2)-W(t1) , … ,
nes iniciales. Las curvas punteadas corres- W(tn)-W(tn-1) , son independientes (propiedad
ponden a y(t). Las gráficas nos dicen que con de incrementos independientes).
el tiempo se garantiza la existencia de las
especies. En particular, se tiene
, son independientes.
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
23
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
ESTOCÁSTICAS (EDES)
Pese a estos problemas, se puede escribir la
igualdad Una ecuación diferencial no es más que una
regla que especifica el cambio de una varia-
(13) ble dependiente en función de una variable
independiente, en términos de la función
de manera coherente, en el contexto de los y sus derivadas. Una ecuación diferencial
llamados procesos estocásticos generaliza- ordinaria puede entenderse como la forma
dos cuya teoría cae dentro de la teoría de degenerada de una ecuación diferencial es-
distribuciones aleatorias. Desde el punto tocástica en ausencia de aleatoriedad.
de vista matemático, el ruido blanco es una
idealización de la situación real, en la que Dada una expresión de la forma:
el espectro de una señal no es en general
constante. Esto se traduce en que los valo-
res que toma en un instante de tiempo (14)
dependen, en cierta medida, de los que toma )
para t≠s. Aunque plantee cierta indefinición
matemática, los ruidos blancos facilitan los donde F es un campo vectorial
cálculos.
(i)
(15)
(ii)
y su versión integral es:
(iv)
(16)
(17)
24
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
ción se encuentra en, por ejemplo, [10] o
dX = Fdt + GdW [13].
Para cada 1 dN
N dt
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
25
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
(24).
(25)
son como en la ecuación determinista. En la
26
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
es un movimiento browniano bidimensio-
nal, y las funciones son conti- En general, es difícil resolver las EDEs.
nuamente lipschitzianas. Para aproximarlas se usan generalizacio-
nes de los métodos modelados para EDOs.
Considerando ruidos aleatorios de tipo mul- El que se usa en el presente artículo es el
tiplicativo, con las funciones coeficientes esquema de Euler-Maruyama.
, donde los
sigma son números que representan la in-
tensidad de la perturbación aleatoria, en el 3.3.1. MÉTODO DE EULER- MARUYAMA
intervalo [0,1], el sistema de EDEs (26) pue- [9],[11],[13],[14],[21]
de escribirse en forma matricial así:
Suponiendo que se tiene una EDE (19), en
forma integral dada en (16).
(28)
Si se quisiera discretizar (16) en j subinter-
donde es el cam- valos:
po de vectores en el plano con funciones co-
ordenadas:
(30)
. Si se conside-
(29) ra la partición
con , para i=1,2,…,n.
donde:
La aproximación para la integral sería:
(32)
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
27
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
(33). ; para
n=0,…,N-1. Las variables aleatorias Wn
Este análisis puede extenderse también a se consiguen con variables aleatorias inde-
integrales estocásticas. En este caso para las pendientes distribuidas en forma normal
integrales de la ecuación (30), si se supone
p en N(0,1). Para la realización de las simu-
una partición uniforme en la que laciones se utiliza la función randn, que ge-
y se usa la aproximación anterior, la ecua- nera variables normalmente distribuidas en
ción (30) se reescribe como: N(0,1): dw=sqrt(dt)*randn(1,n).
28
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
tema); y f2=s*[1-ya/(n*xa)]*ya; como Q(x,y)
(es decir, el drifft de la segunda ecuación).
3.4.2. SIMULACIONES
Figura 3 Figura 6
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
29
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
ñado en Matlab®, con s1 = s2 = 0, bajo las cia que permitiera comprender los modelos.
V I S IÓN E L E C T R ÓN I C A
30
VISIONpauta.indd 30
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
V I S IÓN I N V E ST I G A D O R A
co, es posible que desaparezcan las regiones lling the Allee Effect: Are the Different
de autorregulación del sistema, lo cual indu- Mathematical Forms Proposed equi-
ce la extinción de ambas especies. valents?”, Proceedings of Internatio-
nal Symposium on Mathematical and
Si σ1 = σ2, las simulaciones realizadas con Computational Biology, E-papers. Río
Matlab® muestran las órbitas del sistema. de Janeiro: Servicos Editoriais, 2007.
Es posible predecir, entre otras cosas, mo-
dificando parámetros del sistema, bajo qué [5] E. González-Olivares et al., “Metasta-
condiciones iniciales el sistema en el largo ble Dynamics by Considering Strong
plazo converge hacia un estado de equili- and Weak Allee Effect on Prey in Ro-
brio de coexistencia puntual o periódica de senzweig-McArthur Predator-Prey
ambas poblaciones, o si está encaminado Model” [submitted to Mathematical
inevitablemente a la desaparición de una o Biosciences, 2006].
ambas especies.
[6] D. Hadjiavgousti et al., “Allee Effect in
Los resultados simulados, en todo caso, son a Prey-Predator System Department
obtenidos de manera computacional y de- of Physics”, University of Thessaloni-
ben estar sujetos a análisis teórico, lo que se ki, 54124, Greece, Consultado en www.
convierte en una perspectiva de aplicación sciencedirect.com, 2006.
matemática.
[7] I. Karatzas et al., Brownian Motion
REFERENCIAS and Stochastic Calculus. Springer-
Verlag, 1988.
[1] A. El-Nahhas, Analytic Approxima- [8] A. Maiti et al., “Deterministic and Sto-
tions for Volterra Population Equation, chastic Analysis of a Ratio-Dependent
Helwan, Egypt: Department of Mathe- Predator-Prey System with Delay”,
matics, Helwan Faculty of Science, Pa- Nonlinear Analysis: Modelling and
kistan Academic Science, 2007. Control, India, vol. 12, no. 3, pp. 383-
98, 2007.
[2] O.P. Aguirre, Estudio de un modelo
estocástico depredador-presa con efec- [9] F. Marín, Notas de clase. Procesos es-
to Allee. Valparaíso, España: Univer- tocásticos II. Medellín: EAFIT, 2009.
sidad Técnica Federico Santa María,
2008. [10] B. Øksendal, Stochastic. Diferential
Equations An Introduction with Appli-
[3] D.J. Higham, “An Algorithmic Intro- cations, Fifth Edition. New York: Co-
duction to Numerical Simulation of rrected Printing Springer-Verlag Hei-
Stochastic Differential Equations”, delberg, 2000.
consultado en diciembre de 2009 en
http://www.im.pwr.wroc.pl/misiorek/ [11] E. Raffo et al., “Aplicaciones computa-
dhigham.pdf cionales de las ecuaciones diferenciales
estocásticas”, consultado en diciembre
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
31
WILMAR DIAZ O. - HAROLD VACCA G. - ALDEMAR FONSECA V.
[12] Shu-Rong Zhou et al., The Stability of [21] G. Maruyama, “Continuous Markov
Predator–Prey Systems Subject to the Processes and Stochastic Equations”.
Allee Effects. China: Lanzhou Univer- Rend. Circ. Mat., Palermo, vol. 4, no. 2,
sity, available online, 2004. 1955.
[22] G. Milstein, “Approximate integration
[13] S. Asmussen et al., Stochastic Simu- of Stochastic Differential Equations”.
lation: Algorithms and Analysis. New Theory Probab. Appl., no. 19, 1974.
York: Springer Verlag, 2007 [versión
en PDF]. [23] H. C. Ottinger. Stochastic Processes in
[14] U. Picchini, “SDE Toolbox: Simulation Polymeric Uids. Tools and examples
and Estimation of Stochastic Differen- for developing simulation algorithms
tial Equations with Matlab”, consul- Berlín: Springer-Verlag, 1996.
tado en: http://sdetoolbox.sourceforge.
net, 2009. [24] M.J.D. Powell, “A FORTRAN Su-
broutine for Solving Systems of Non-
[15] G. Van Voorn et al., “Heteroclinic linear Algebraic Equations”, en Nume-
Orbits Indicate Overexploitation in rical Methods for Nonlinear Algebraic
Predator-Prey Systems with a Strong Equations (Proc. Conf., Univ. Essex,
Allee Effect”, available online, 2007. Colchester, 1969). London: Gordon and
Breach, 1970.
[16] G. Wang et al., “The Competitive Dy-
namics of Populations Subject to an [25] T. Ryden y M. Wiktorsson, “On the
Allee Effect”, consultado en www.else- Simulation of Iterative Ito Integrals”,
vier.com:locate:ecolmodel, 1999. Stochastic Proceses and their Applica-
tions 91, 2001.
[17] E. Buckwar et al., Multi-step Methods
for SDEs and their Applications to Pro- [26] L. Shampine et al., “The MATLAB
blems with Small Noise”, tech. rep., ODE suite”. SIAM J. Sci. Comput., no.
Humboldt-Universitat zu Berlin, 2004. 18, 1997.
[20] G. Marsaglia y W.W. Tsang, “The Zig- [29] C. Brassil, “Mean Time to Extinction
gurat Method for Generating Random of a Metapopulation with an Allee
32
ANALOGO ESTOCASTICO DEL MODELO LOTKA-VOLTERRA
Effect”. Ecological Modelling, no. 143, Sez. B Artic. Ric. Mat, vol. 5, no. 8, pp.
V I S IÓN I N V E ST I G A D O R A
pp. 9-16, 2001, consultado en http:// 789-804, 2002.
hpsrv10.uco.es/windows/filemgr/down-
load/stella/articulos/Brasil%202001. [32] R. Rudnicki, “Long-Time Behavior of a
pdf Stochastic Prey-Predator Model”. Sto-
chastic Processes and their Applica-
[30] G.Q. CAI et al., “Stochastic Analysis of tions, no.108, pp. 93-107, 2003.
Predator-Prey Type Ecosystems”. Eco-
logical Complexity, no., 4, pp. 242-49, [33] R. Rudnicki et al., “Influence of Sto-
2007. chastic Perturbation on Predator-Prey
Systems”. Mathematical Biosciences,
[31] H. Y. Fujita et al., “The Stochastic vol. 206, no. 1, pp. 108-19, 2007.
Equation of Predator-Prey Population
Dynamics”. Boll. Unione Mat. Ital.
Revista Visión Electrónica Año 4. No. 2 pp. 17-33 Julio - Diciembre de 2010
33