Академический Документы
Профессиональный Документы
Культура Документы
MODELOS Y TASAS
MODELOS
La ciencia construye modelos o teorías para explicar fenómenos. Los fenómenos son observados y se
establecen relaciones, causas y explicaciones. Las observaciones se realizan sobre la evolución de
magnitudes (características) con el tiempo (o con otras características) y tomando en consideración sus
posibles causas (factores).
• Física – fenómeno del movimiento de los cuerpos (características – espacios recorridos en relación a los
tiempos invertidos en recorrerlos)
• Biología – fenómeno del crecimiento (característica – talla, o peso, en relación al tiempo)
ESTRUCTURA DE UN MODELO
Suposiciones básicas
• simplifican la realidad
• deben ser simples y «tratables» matemáticamente
• no pueden ser contradictorias
• no se demuestran
• se establecen sobre características
• Las suposiciones básicas, normalmente, se refieren a la evolución de las características y se establecen sobre las tasas
de variación de esas características.
Relaciones (propiedades)
se deducen de las suposiciones básicas, o de relaciones deducidas anteriormente mediante leyes de la lógica
(matemática). Las propiedades también llamadas:
«resultados» o «conclusiones» del modelo
Verificación
•los resultados del modelo deben ser coherentes (concordar) con la realidad.
la verificación implica observación (práctica):
muestreo, métodos estadísticos,...
Perfeccionamiento
• si los resultados no concuerdan con la realidad se deben modificar las suposiciones básicas.
• si la concordancia es aproximada se debe valorar si la aproximación es suficiente o no.
• la modificación de las suposiciones básicas puede consistir simplemente en «ampliar el ámbito» de la
realidad que sirvió de base para las suposiciones, para adaptarlas a la nueva realidad sobre la cual se
pretende aplicar el modelo.
Ventajas
• es más sencillo analizar las propiedades del modelo que la realidad
• resultados útiles en la práctica
• posibilidad de analizar situaciones o escenarios diferentes
• destacar lo esencial de los fenómenos y sus causas
• posibilidad de perfeccionamiento
TIPOS DE MODELOS MÁS USADOS EN LA EVALUACIÓN PESQUERA
Modelos de Producción
Los modelos de producción, también llamados modelos de Producción General, modelos Globales, modelos
Sintéticos o incluso modelos del tipo Lotka-Volterra. Estos modelos consideran el stock en su globalidad, en
particular la abundancia total (en peso o en número) y estudian su evolución, los efectos del esfuerzo de pesca,
etc. No consideran la estructura de edades o de tamaños del stock.
Modelos Estructurales
Estos modelos consideran la estructura de edades del stock y la evolución de esa estructura con el tiempo.
Pero, principalmente, se basan en que el stock, en un período determinado de tiempo, esta formado por
individuos de diferentes cohortes, y por lo tanto de diferentes edades y tamaños. De este modo, permiten
análisis y previsiones de lo que le puede acontecer al stock y a las capturas, basándose en la evolución de las
diferentes cohortes que lo componen.
En este manual no se seguirá el camino histórico de la construcción de los modelos. Se ha considerado más
conveniente discutir en primer lugar los Modelos Estructurales y posteriormente analizar los Modelos de
Producción.
3. Si en un punto x cumple:
tia(y) > 0 entonces y es creciente en ese punto
tia(y) < 0 entonces y es decreciente
tia(y) = 0 entonces y es estacionaria en ese punto (máximo o mínimo)
6. Si las causas A y B provocan aisladamente variaciones en y entonces las causas A y B simultáneamente provocaran una variación
en y tal que:
7. Si la aceleración en el punto x es positiva entonces la tia(y) es creciente y si aquella aceleración es negativa la tia(y) será
decreciente
TASA MEDIA RELATIVA – tmr(y)
Se considera y una función de x y el intervalo (xi, xi+1)
Sean:
Dxi = xi+1- xi = tamaño del intervalo
yi = valor de y cuando x = xi
yi+1 = valor de y cuando x = xi+1
xi* = cierto punto del intervalo (xi, xi+1)
yi* = valor de y cuando x = xi*
xi* puede ser xi, xi+1, , etc.
La tasa media de y relativa a yi* será:
TASA INSTANTANEA RELATIVA – tir(y)
Sea y una función de x
La tasa instantánea relativa de y en el punto x = xi es
Propiedades
1. Dada la tir(y), el cálculo de la función y se obtiene por integración, siendo y = f(x) + Constante, donde f(x) = Primitiva
de tir(y) y Constante es la constante de integración.
Si se adopta la condición inicial x*, y*, donde y* es el valor de y correspondiente a x = x*, tenemos, eliminando la
Constante, y = y*+ f(x) - f(x*)
2. Si en un punto x se da:
tir(y) > 0 entonces y es creciente en ese punto
tir(y) < 0 entonces y es decreciente
tir(y) = 0 entonces y es estacionario en ese punto (máximo o mínimo)
6. Si las causas A y B provocan aisladamente variaciones en y entonces las causas A y B simultáneamente provocaran
una variación en y tal que; tir(y)total = tir(y)causa A + tir(y)causa B
MODELO LINEAL SIMPLE
Sea y = f(x)
Suposición básica del modelo
Propiedades
1. Expresión general
2. Valor, yi+1 al final del intervalo, Dxi
3. Variación, Dyi, en el intervalo, Dxi
4. Valor central, ycentrali en el intervalo, Dxi
5. Valor acumulado, ycumi en el intervalo, Dx
o de la Propiedad 1
6. Valor medio en el intervalo, Dxi
MODELO EXPONENCIAL
Sea
Suposición básica del modelo
tir(y) = Constante = c en el intervalo
Condición inicial: x* = xi Þ y* = yi
Propiedades
Considerando que tir(y) = tia(lny) se puede decir que el modelo exponencial de y contra x es equivalente al
modelo lineal de lny contra x. Así, sus propiedades más importantes pueden deducirse tomando antilogaritmos
a las propiedades del modelo lineal de lny contra x.
Sean x(t) ; y(t) las poblaciones de conejos (presas) y linces (depredadores) respectivamente. La razon de cambio
de las presas x´ (t) es proporcional en cada momento al numero de ellas, (a1x(t)), menos la probabilidad de
contacto entre los conejos y los linces, (a2x(t)y(t)). Es decir,
De manera similar, en ausencia de presas la población de linces disminuye a una tasa proporcional al numero de
ellos, (-b1y(t)), y al incluir los conejos su población aumenta proporcional a la posibilidad de contacto entre las
presas y los depredadores (b2x(t)y(t)). Combinando estos factores
Capturas de linces y conejos en 1895 - 1925
Análisis numérico del modelo
La siguiente tabla muestra el índice de capturas de linces y conejos elaborada por la compañía Hudson Bay
entre los años 1900 y 1920.
Para poder aplicar el modelo presa-depredador a los datos de la Tabla, es necesario conocer a1; a2; b1; b2;
x(0); y(0). Empezamos tomando como valores iniciales x(0) = 30 e y(0) = 4. Para encontrar el resto de los
parámetros debemos tener en cuenta los valores medios.
Si elegimos los datos comprendidos entre dos valores máximos (o mínimos) y obtenemos su media,
podemos estimar . Por ejemplo, en el caso de los conejos consideraremos la población
comprendida entre los años 1903 y 1913.
De esta manera.
Ahora necesitamos otras dos ecuaciones para poder estimar todos los coeficientes.
Para ello razonamos de la siguiente manera: cuando la población de depredadores sea muy baja, es de
esperar que las presas estén creciendo de manera exponencial.
A partir de esta hipótesis calcularemos . En efecto, en la Tabla observamos que una población baja de
linces, y al mismo tiempo un crecimiento rápido de los conejos, corresponde al año 1910. Para estos años los
datos son x(t) = 27:1 en 1910 y x(t + 1) = 40:3 en 1911. Si sustituimos en la formula del crecimiento exponencial
, se obtiene.
En el otro caso, una población muy baja de conejos que implica un ritmo elevado en el descenso de la
población de linces, se da en el año 1905. Sean y(0) = 41:7 ; y(1) = 19, si sustituimos en
Ojiva de madurez
EVOLUCIÓN EN NÚMERO DE UNA COHORTE, EN UN INTERVALO DE TIEMPO
Sea el intervalo (ti, ti+1) de tamaño Ti = ti+1 - ti de la evolución de una cohorte en el tiempo y Nt el número de
supervivientes de la cohorte en el instante t del intervalo Ti.
La información existente sugiere que las tasas medias de variación porcentual de Nt pueden considerarse
aproximadamente constantes, i.e., tmr (Nt) » constante.
Suposición básica
Evolución de Ni en el intervalo T
El modelo de la evolución de Nt, en el intervalo Ti, es un modelo exponencial (porque tir(Nt) es constante).
Este modelo tiene las siguientes propiedades:
CAPTURA EN NÚMERO EN UN INTERVALO DE TIEMPO
Las causas de muerte debidas a la pesca se distinguirán de las restantes causas de muerte de los individuos de la cohorte.
Estas últimas se agruparan en una única causa llamada mortalidad natural. Así, a partir de las propiedades del modelo
exponencial
Considerando el intervalo Ti y suponiendo que, en ese intervalo, las tasas instantáneas de mortalidad debidas a causas
naturales y a la pesca son constantes y iguales a Mi y a Fi, respectivamente, será
Zi = Fi + Mi
De modo semejante será el número de individuos muertos a causa de la pesca, o sea, la Captura, Ci, en
número y, por tanto,
Nótese que también, será el número de individuos muertos debido a causas naturales.
La tasa de explotación, Ei, durante el intervalo Ti fue definida por Beverton y Holt (1956) como:
Para definir un modelo para el crecimiento en peso individual, Wt, hay varias alternativas:
ALTERNATIVA 1:
ALTERNATIVA 2:
D) Se define un modelo directamente para Wt y Lt.
ALTERNATIVA 1
A) Modelo para el crecimiento individual en talla
Los modelos para ser usados en biología pesquera serán válidos para la fase explotable del recurso. El más conocido es el
Modelo de von Bertalanffy (1938). Las observaciones existentes sugieren que hay una talla asintótica, i.e., que hay una
talla a la cual tiende la talla individual.
t – edad
Lt – talla media individual a la edad t
L¥– talla asintótica
tr – inicio de la fase explotable
Así, Lt presenta una evolución donde se puede verificar que:
La tia(Lt) no es constante (porque el crecimiento no es lineal)
La tir(Lt) no es constante (porque el crecimiento no es exponencial)
Se observa, no obstante, que la variación de la magnitud (L¥- Lt) (a la que se podría llamar «lo que falta por crecer»),
presenta una tasa relativa constante y podrá ser descrita por un modelo exponencial. Así, se puede adoptar la:
B) Relación Talla-Peso
Es común utilizar la función potencia para relacionar el peso individual con la talla total (o cualquier otra). Así:
Donde la connstante a es llamada factor de condición o índice ponderal y la constante b constante de morfismo. Esta
relación puede justificarse aceptando que, grosso modo, «el porcentaje de crecimiento en peso» es proporcional «al
porcentaje de crecimiento en talla» (de otro modo el individuo devendría «desproporcionado») y, por tanto,
adoptando la suposición básica
Bt = Nt. Wt