Les poblacions es poden modelitzar de manera intensiva, estudiant només el nombre de membres de cada espècie o extensiva, considerant de manera explícita la seva distribució a l'espai.
Els següents models són intensius i independents de la densitat (les probabilitats no depenen del nombre d'individus).
Creixement geomètric: modelitzem el temps de manera discreta i el resultat és una eq. de recurrència.
Paràmetres: probabilitat de que un animal es reprodueixi i
probabilitat de que un animal mori, en el transcurs d'un interval
de temps donat ( i adimensionals!).
Creixement exponencial: modelitzem el temps de manera contínua i el resultat és una eq. diferencial.
Paràmetres: probabilitat de que un animal es reprodueixi i
probabilitat de que un animal mori, per unitat
de temps ( i tenen dimensions !).
Dividim el temps en intervals. Les equacions de recurrència ens permeten calcular la població en els instants que separen els intervals.
Exemple: Equació logística.
Els següents conceptes són importants:
Els dos models són equivalents si la relació entre el factor i la
taxa de creixement és
El creixement zero correspon a ().
El model queda caracteritzat completament trobant la taxa de creixement i el nombre inicial d'individus.
El logaritme del nombre d'individus creix linealment amb el temps
Això ens permet trobar i ( i ) fent una regressió lineal d'aquestes dues magnituds.
Podem extendre el model considerant que el paràmetre () varia amb el temps, o que la espècie està dividida en poblacions separades, cadascuna amb la seva ().
Un dels motius pels quals les poblacions varien és la successió de
períodes més i menys favorables. Estudiarem aquest fenòmen amb el
següent model
Si la mitja geomètrica
Fins ara hem suposat que en nombre de nous neixements era . Això tan sols és veritat per valors grans de .
Per poblacions petites utilitzarem el següent model
Podem utilitzar altres probabilitats, per variar l'importància de les fluctuacions.
Fins ara hem utilitzat models on les probabilitats de neixement i mort eren independents del nombre d'individus.
El següent pas és considerar que hi ha una dependència lineal.
Model logístic discret:
Model logístic continu:
Es freqüent veure el model logístic expressat així
També podem normalitzar el model logístic continu
Els models logístics depenen de 3 paràmetres: , i (, i ).
El model continu i el discret no són equivalents. El primer sempre tendeix a un valor estable. El segon pot tendir a un òrbita o, fins i tot, al comportament caòtic.
No obstant, a vegades són vàlides les següents equivalències:
El model continu no sempre és més realista que el discret. Quan la reproducció te lloc en un interval de temps relativament petit, el model discret pot ser més realista.
Un autòmata cel.lular consisteix en un conjunt de caselles (cel.lules) cadascuna de les quals pot tenir un nombre finit d'estats diferents. A més, totes les caselles es governen per les mateixes lleis.
Un autòmata cel.lular evoluciona per torns. L'estat d'una casella en el següent torn depén de la seva història i de l'estat dels seus veins més propers.
Es caracteritzen per
Un autòmata cel.lular és un model extensiu ja que es té en compte la distribució a l'espai.
Exemple: el joc de la vida