Dinamica dei Sistemi 1
Transcript
Dinamica dei Sistemi 1
Dinamica dei Sistemi • • La realtà è vista come un sistema, cioè come un insieme di elementi/parti fra di loro interconnesse. I sistemi che consideremo sono caratterizzati dal fatto che evolvono nel tempo, come effetto di stimoli esterni e della interdipendenza delle loro parti: sono sistemi dinamici. • Nella Dinamica dei Sistemi i modelli non sono intesi usualmente come modelli predittivi, o almeno non è questo il loro principale scopo. Non hanno come obiettivo la previsione accurata di ciò che avverrà nel futuro in un dato sistema, come accade ad esempio per i modelli per le previsioni atmosferiche. • Si propongono invece di essere di aiuto nel prendere decisioni, cioè sono strumenti che servono per individuare linee di azione per risolvere problemi. Il sistema e i suoi confini Confini del Sistema Sistema Realtà esterna Andamenti 14 Crescita 12 10 8 6 4 2 0 0 10 20 30 40 50 60 1 0.9 Decrescita 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 10 20 30 40 50 60 140 120 Oscillazioni 100 80 60 40 20 0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 Passi della modellazione • • • • Individuazione delle variabili chiave ed analisi del loro andamento (si tratta delle variabili, spesso una sola, da cui è partita la presa di coscienza dell’esistenza di un problema) Individuazione degli elementi più rilevanti del sistema in esame e delle variabili che li rappresentano, o comunque ad essi associate. Individuazione delle relazioni fra le diverse variabili, con particolare riferimento a relazioni causali. Individuazione delle principali catene, o anelli, causali. Dinamica dei Sistemi • Livelli o variabili di stato • Flussi • Variabili ausiliarie Un semplice esempio: la dinamica di una popolazione • • • livello: popolazione (numerosità) flussi: numero di nascite e di morti nell’unità di tempo (ad esempio all’anno) variabili ausiliarie: (tasso di nascita e tasso di mortalità) Livelli e Flussi Livello(t + ∆t) = Livello(t)+ (F lussoInput(t) − F lussoOutput(t))∆t Livelli e flussi Nascite Popolazione Morti Popolazione: Natalità: Mortalità: Nascite: Morti: P(t) N M NxP(t) MxP(t) dP (t) = N × P (t) − M × P (t) = (N − M ) × P (t) dt dP (t) − (N − M ) × P (t) = 0 dt −(N −M )t e dP (t) × − (N − M ) × e−(N −M )t × P (t) = 0 dt d (P (t) × e−(N −M )t ) = 0 dt ! o t d (P (s) × e−(N −M )s )ds = 0 ds ! t o d (P (s) × e−(N −M )s )ds = 0 ds P (t) × e−(N −M )t − P (0) = 0 P (t) = P (0) × e(N −M )t 14 N >M 1 N <M 12 10 0.9 0.8 0.7 0.6 8 0.5 6 0.4 0.3 4 0.2 2 0.1 0 0 0 10 20 30 40 50 60 0 10 20 30 40 50 60 Crescita esponenziale 0 1 2 3 4 5 6 7 8 9 10 Crescita lineare Crescita esponenziale (+.02) tasso del 0.02 1.0000 1.0000 1.0200 1.0200 1.0400 1.0404 1.0600 1.0612 1.0800 1.0824 1.1000 1.1041 1.1200 1.1262 1.1400 1.1487 1.1600 1.1717 1.1800 1.1951 1.2000 1.2190 Crescita esponenziale Crescita esponenziale Crescita lineare • Con un tasso di crescita del 2% annuo, si ha un raddoppio ogni 35 anni Discretizzazione: dP (t) − (N − M ) × P (t) = 0 dt P (t + ∆t) − P (t) = (N − M )P (t) ∆t P (t + ∆t) = P (t) + P (t)(N − M )∆t Crescita della popolazione =B4+B4*($C$4-$D$4)/1000 5,000 4,500 4,000 3,500 3,000 2,500 2,000 1,500 1,000 500 0 0 20 40 60 80 100 120 P (t + 1) = P (t) + P (t)(N − M ) = P (t)(1 + N − M ) (∆t = 1) P (t + 0.5) = P (t) + P (t)(N − M )0.5 = P (t)(1 + 0.5(N − M )) P (t + 1) = P (t + 0.5)(1 + 0.5(N − M )) = P (t)(1 + 0.5(N − M )) 2 P (t + 1) P (t + 1) P (t + 0.5) P (t) 0 0.5 1 ∆t = 1 ∆t = 0.5 Crescita limitata Consideriamo la crescita di una popolazione, assumendo che ci siano limiti alle risorse utilizzabili. Dinamiche di crescita (1) x0 popolazione al tempo 0 λ0 massimo tasso di crescita (nel caso di risorse illimitate) λ(x) tasso di crescita in funzione della popolazione m massima popolazione sostenibile, date le risorse Dinamiche di crescita (2) m−x λ(x) = λ0 m λ(x) λ0 m x Dinamiche di crescita (3) dx m−x = xλ(x) = xλ0 dt m x0 eλ0 t x(t) = 1 + xm0 (eλ0 t − 1) Logistica Dinamiche di crescita (4) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t Tasso di mortalità Popolazione Crescita Decrescita Lambda0 Tasso di mortalità Lambda Disponibilità Risorse Risorse totali Dinamiche di crescita (5) + + + + Popolazione Crescita Crescita + + - Popolazione + - + Lambda Lambda + <Decrescita> <Decrescita> Disponibilità Risorse + - Disponibilità Risorse <Lambda0> <Lambda0> <Risorse totali> <Risorse totali> Dinamiche di crescita (6) Condizioni di equilibrio x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t m−x λ0 =µ m λ0 m − λ0 x = µm x λ0 = λ0 − µ m x∗ = m λ0 − µ λ0 Valore di equilibrio della popolazione Dinamiche di crescita (7) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t µ = 0.2 0.5 − 0.2 x = 1000 = 600 0.5 ∗ λ0 = 0.5 Crescita popolazioni 1,500 1,200 900 600 300 0 0 5 Lambda0 = 0.5 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione Dinamiche di crescita (8) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t µ = 0.2 x∗ = 1000 λ0 = 1 1 − 0.2 = 800 1 Crescita popolazioni 1,500 1,200 900 600 300 0 0 5 Lambda0 = 1 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione Dinamiche di crescita (9) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t µ = 0.2 x∗ = 1000 λ0 = 2 Crescita popolazioni 1,500 1,200 900 600 300 0 0 5 Lambda0 = 2 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione 2 − 0.2 = 900 2 Dinamiche di crescita (10) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t µ = 0.2 3 − 0.2 x = 1000 = 933.33 3 ∗ λ0 = 3 Crescita popolazioni 1,500 1,200 900 600 300 0 0 5 Lambda0 = 3 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione Dinamiche di crescita (11) x(t + ∆t) = x(t) + [λ(t)x(t) − µx(t)] ∆t Crescita popolazioni 1,500 1,125 750 375 0 0 5 Lambda0 = 0.5 Lambda0 = 1 Lambda0 = 2 Lambda0 = 3 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione popolazione popolazione popolazione Dinamiche di crescita (12) Per i valori 2 e 3, abbiamo usato un valore di ∆t pari a 0.25. Se avessimo usato il valore 1 avremmo avuto andamenti caotici del tipo di quello riportato sotto: Crescita popolazioni µ = 0.2 λ0 = 3 ∆t = 1 1,500 1,200 900 600 300 0 0 5 Lambda0 = 3 10 15 20 25 30 Time (Month) 35 40 45 50 popolazione Diffusione di tecnologie • • • Consideriamo il processo attraverso cui una nuova tecnologia si diffonde. Abbiamo una popolazione di partenza, potenzialmente disponibile ad adottare la tecnologia, ed alcuni individui (gli innovatori) che la hanno già adottata. Possiamo assumere che l’adozione avvenga con un processo di ‘contagio’. Quando un adottatore potenziale incontra un individuo che ha già adottato, allora viene a conoscenza della tecnologia e dei suoi vantaggi, e con una certa probabilità decide anche lui di adottarla. Il modello Potenziali adottanti Adottanti Nuovi adottanti + + + Tasso Incontri c Populazione totale N - + Probabilità di adozione i Numero iniziale di adottanti Andamento delle adozioni della nuova tecnologia 1,000 750 500 250 0 0 12 24 Adottanti : Current 36 48 60 72 Time (Day) 84 96 108 120 People Un’altro modello di crescita di una popolazione Popolazione totale Tasso di invecchiamento Tasso di crescita Giovani Nascite Fertilità Adulti Crescita Vecchi Invecchiamento Donne adulte Morti Mortalità Frazione Femmine Ipotesi • • • • • Giovani: da 0 a 16 anni Adulti: da 17 a 42 Vecchi: da 42 in poi, con una età media della popolazione di 72 anni Le morti avvengono solo fra la popolazione vecchia Il numero di nati è determinato dal numero di donne adulte e dal tasso di fertilità Il numero di giovani che ogni anno diventano adulti è pari ad 1/16 dei giovani presenti. Si tratta di una semplificazione accettabile se la popolazione non varia velocemente. Crescita(t) = Giovani(t) x Tasso_di_crescita Tasso_di_crescita = 1/16 Invecchiamento(t) = Adulti(t) x Tasso_di_invecchiamento Tasso_di_invecchiamento = 1/25 Morti(t) = Vecchi(t) x Mortalità Mortalità = 1/30 2 figli per donna adulta 200 170 140 110 80 0 Giovani Adulti Vecchi 5 10 15 20 25 30 35 40 45 50 55 Time (Month) 60 65 70 75 80 85 90 95 100 3 figli per donna adulta 600 450 300 150 0 0 Giovani Adulti Vecchi 5 10 15 20 25 30 35 40 45 50 55 Time (Month) 60 65 70 75 80 85 90 95 100 4 Figli per donna adulta 2,000 1,500 1,000 500 0 0 Giovani Adulti Vecchi 5 10 15 20 25 30 35 40 45 50 55 Time (Month) 60 65 70 75 80 85 90 95 100 5 Figli per donna adulta 4,000 3,000 2,000 1,000 0 0 Giovani Adulti Vecchi 5 10 15 20 25 30 35 40 45 50 55 Time (Month) 60 65 70 75 80 85 90 95 100 Ciclo positivo Ciclo negativo Tasso di crescita Crescita + + + Giovani Vecchi Adulti + - Morti Invecchiamento Mortalità Tasso di invecchiamento + Nascite + Donne adulte Fertilità Frazione Femmine Nel modello abbiamo assunto che le morti avvengano solamente fra la popolazione vecchia. Si tratta di una ipotesi semplificativa. In realtà c’è un tasso di mortalità non nullo anche tra i giovani e gli adulti. Si modifichi il modello inserendo un tasso di mortalità di valore 0.02 per i giovani e di valore 0.03 per gli adulti. Si ripetano poi gli esperimenti in questa nuova situazione. Il modello Preda-Predatore Il modello Preda-Predatore è stato sviluppato dal matematico italiano Vito Volterra (1860-1940) per studiare un fenomeno che era stato evidenziato dallo zoologo Umberto D'Ancona. Analizzando le statistiche relative alla pesca nel nord dell'Adriatico, D’Ancona aveva osservato che durante gli ultimi anni della prima guerra mondiale e negli anni immediatamente seguenti si era verificato un sostanziale aumento della percentuale dei predatori (Selaci) pescati. L’unica circostanza che appariva collegabile a questo incremento era la diminuzione dell'attività di pesca causata dalle attività belliche. Le variabili di livello P rede(t + ∆t) = P rede(t) + (N ascite P rede(t) − M orti P rede(t))∆t P redatori(t + ∆t) = P redatori(t)+ (N ascite P redatori(t) − M orti P redatori(t))∆t Prede Morti Prede Nascite Prede Predatori Nascite Predatori Morti Predatori Le variabili di flusso N ascite P rede(t) = A · P rede(t) M orti P rede(t) = P rede Catturate(t) + P rede P escate(t) M orti P redatori(t) = C · P redatori(t) + P redatori P escati(t) N ascite P redatori(t) = D · Incontri P rede P redatori(t) Le variabili ausiliarie P rede Catturate(t) = B · Incontri P rede P redatori(t) Incontri P rede P redatori(t) = P rede(t) · P redatori(t) P rede P escate(t) = ε · P rede(t) P redatori P escati(t) = ε · P redatori(t) Il modello completo A Prede Morti Prede Nascite Prede Prede Catturate B Incontri Prede Predatori Prede Pescate epsilon D Predatori Pescati Predatori Nascite Predatori Morti Predatori C Andamento delle popolazioni 400,000 600 300,000 450 200,000 300 100,000 150 0 0 0 100 Prede : Predatori1RK Predatori : Predatori1RK 200 300 400 500 600 Time (Week) 700 800 900 1000