Modelos Mateméticos Aplicadosa La Medicina

MODELOS MATEMÉTICOS APLICADOSA LA MEDICINA
MODELOS MATEMÁTICOS
APLICADOS A LA MEDICINA
HUMANA
TRABAJO DE INVESTIGACIÓN
CURSO DE MATEMÁTICA
PRESENTA:
ASCOY COLONA, Gabriela Madeline
BENITES ELIAS, Luis Gustavo
HUAMÁN OLAYA, Carlos Enrique
LÓPEZ ORTIZ, Rubén Danilo
PIURA- PERÚ 2016
1
DEDICATORIA:
DEDICAMOS ESTE TRABAJO
DE INVESTIGACIÓN
A NUESTRO PROFESOR
JOSÉ DEL CARMEN SILVA MECHATO
POR SU DEDICACIÓN Y ENSEÑANZA;
Y A TODO AQUEL QUE QUIERA
HACER USO DEL PRESENTE,
A FINES DE AMPLIAR SU CONOCIMIENTO.
2
INDICE:
CAPÍTULO I: INTRODUCCIÓN PAGINA 4

CAPÍTULO II: MARCO TEÓRICO PAGINA 7
CAPÍTULO III: DESARROLLO PAGINA 9
CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES PAGINA 27
CAPÍTULO V: BIBLIOGRAFÍA PAGINA 29
3
CAPÍTULO I: INTRODUCCIÓN
1. OBJETIVOS
1.1. OBJETIVOS GENERALES:
El modelamiento matemático es una de las herramientas que se utilizan hoy en día

para el estudio de problemas en medicina, biología, fisiología, bioquímica,
farmacocinética, entre otras especialidades. Los objetivos primordiales de este
trabajo son describir, explicar y predecir fenómenos y procesos del área de las
Ciencias de la Salud con la aplicación de modelos matemáticos.
.El modelo matemático nos permite representar un problema médico o biológico de

una manera objetiva en que se definen una serie de relaciones matemáticas entre
las mediciones cuantitativas (del problema) y sus propiedades. Los modelos pueden
ir de formas sencillas, hasta estructuras más elaboradas con varios compartimentos.
Los pasos básicos en la formulación de un modelo incluyen la conceptualización,
realización y solución del mismo; cada paso debe ser corroborado, con lo cual se
valida el modelo.
1.2. OBJETIVOS ESPECÍFICOS:

En este trabajo se describen los objetivos y las principales etapas en el proceso de
formulación de un modelo matemático desde la definición del problema
identificando los parámetros y variables de interés, seguido de la elaboración de un
concepto inicial donde se describan gráficamente las variables, órganos o
estructuras, flujos de entrada y de salida. Posteriormente se selecciona la clase de
representación matemática que se va a utilizar, para finalmente escribir las
ecuaciones matemáticas que describen el modelo, anotando las fórmulas básicas de
ecuaciones de balance de masas, para posteriormente desarrollarlas y solucionar el
modelo.
4
Cuando los resultados del modelo concuerdan con los conocimientos que se tienen,
se puede entonces validarlo; en caso contrario se hacen ajustes en diferentes niveles
y se reinicia todo el proceso. El proceso de desarrollo del modelo puede repetirse
varias veces hasta que se cumplan los objetivos del modelo o hasta que se alcance
la mejor aproximación. En este trabajo se describen las ecuaciones generales de
propagación de una epidemia, población de bacterias y Cinética de la fase
exponencial de la curva de crecimiento microbiano.
2. JUSTIFICACIÓN
La relación entre la medicina y las matemáticas ha variado a través del tiempo, y ha

oscilado entre periodos con vínculos casi inexistentes hasta la actualidad, en que no se
puede concebir la investigación y el ejercicio de la medicina sin un conocimiento de las
matemáticas. Gracias a sus contribuciones se han logrado conocer mejor los factores de
riesgo y el comportamiento de las enfermedades. Los matemáticos han hecho valiosas
aportaciones a la medicina; entre ellos destacan, Karl Friedrich Gauss, Thomas Bayes,
David Cox, Karl Pearson, cuyos apellidos ya forman parte del lenguaje médico que se
usa en la práctica médica cotidiana. La aplicación más visible de las matemáticas es la
bioestadística.
Los médicos y los interesados en las disciplinas biomédicas deberíamos estar mejor
capacitados en el estudio y la práctica de las matemáticas, porque con frecuencia nos
enfrentamos a serias dificultades no sólo para realizar investigación, si no para poder
interpretar adecuadamente la bibliografía médica.
Los números impregnan nuestra vida diaria y son una fuente importante de
información en el ámbito de la salud. La bibliografía médica a menudo nos proporciona
información cuantitativa, que también la utilizan los pacientes para cuestionar diversos
tópicos, como las modificaciones en los cambios en el estilo de vida (por ejemplo,
¿cuánto disminuirá mi riesgo de enfermedad cardiaca si hago ejercicio y sigo la dieta?),
los riesgos y beneficios al tomar sus medicamentos (por ejemplo, la posibilidad de
recuperación, los efectos secundarios) y los riesgos de enfermedad (por ejemplo, ¿cuál
es la probabilidad de que yo tenga cáncer?). Se supone que esa información numérica
5
se entiende y, cuando se utiliza “correctamente”, conduce a mejores decisiones médicas

y comportamientos de salud. En la última década se ha empezado a estudiar el vínculo
existente entre el cuidado de la salud y las habilidades matemáticas.
En éste trabajo de investigación, se hacen algunas reflexiones acerca de la importancia

y las repercusiones que representan las habilidades matemáticas en torno a la
Medicina.
6
CAPÍTULO II: MARCO TEÓRICO
APLICACIÓN DE MODELOS MATEMÁTICOS.- La aplicación de la modelación matemática

consiste en el reemplazo del objeto cognitivo por su imagen matemática (modelo
matemático) la cual, implementada en algoritmos lógico – numéricos en un ordenador,
permite estudiar las cualidades del proceso original. Este método de cognición conjuga
las ventajas de la teoría y del experimento. Al trabajar con el modelo matemático y no
con el objeto cognitivo, en forma relativamente rápida y a bajos costos, se pueden
estudiar y pronosticar sus propiedades de estado (ventaja teórica). Al mismo tiempo
los algoritmos numéricos permiten, apoyándose en la potencia de cálculo de los
ordenadores, verificar las cualidades del objeto cognitivo en una forma no accesible
para los enfoques teóricos (ventaja del experimento). El segundo nacimiento de la
modelación matemática tuvo lugar con la aparición del ordenador en los años 40 –
50 del siglo XX y fue impulsado por los requerimientos, sin precedente, de los
gobiernos de Estados Unidos y de la Unión Soviética (Samarsky y Mikhailov, 1997)
para la creación de escudos de defensa antiaérea contra mísiles nucleares. En este caso
la modelación matemática cumplió con todas las expectativas, explosiones nucleares,
trayectorias de misiles y lanzamiento de satélites fueron realizados con anterioridad en
las entrañas de ordenadores con la ayuda de modelos matemáticos. Este éxito
contribuyó al desarrollo de la modelación matemática hasta sus niveles actuales
posicionándola en el núcleo estructural de la sociedad de la información.
MODELO MATEMATICO.- En nuestra vida cotidiana, muchos fenómenos pueden ser

vistos como relaciones funcionales entre dos variables, donde el comportamiento de
una dependerá del comportamiento de la otra.
Obteniendo el modelo matemático que representa estos fenómenos y relacione las

variables involucradas, se podrán analizar y resolver problemas de interés tecnológico,
como la predicción de los fenómenos o de interés científico como lo es la mera
explicación de estos .Gastos de electricidad, agua, luz y teléfono, costos, producción,
intereses financieros, natalidad, oferta, construcción y muchas otras situaciones
pueden ser representadas por funciones matemáticas. Uno de los aspectos de gran
7
interés y aplicación son los modelos de crecimiento y decrecimiento, utilizados

frecuentemente en los ámbitos de la economía, demografía, medicina, farmacología,
microbiología, epidemiología, radiactividad, etc.
Tanto en el análisis de estos fenómenos como su cálculo requieren claridad sobre

algunos conceptos básicos de la teoría de las funciones que lo representan y modelan,
más allá de conocer solo las variables involucradas y sus valores numéricos.
Un modelo matemático se define como una descripción desde el punto de vista de las
matemáticas de un hecho o fenómeno del mundo real, desde el tamaño de la población,
hasta fenómenos físicos como la velocidad, aceleración o densidad. El objetivo del
modelo matemático es entender ampliamente el fenómeno y tal vez predecir su
comportamiento en el futuro.
El proceso para elaborar un modelo matemático es el siguiente:
Encontrar un problema del mundo real
Formular un modelo matemático acerca del problema, identificando variables

(dependientes e independientes) y estableciendo hipótesis lo suficientemente simples
para tratarse de manera matemática.
Aplicar los conocimientos matemáticos que se posee para llegar a conclusiones

matemáticas.
Comparar los datos obtenidos como predicciones con datos reales. Si los datos son
diferentes, se reinicia el proceso.
Es importante mencionar que un modelo matemático no es completamente exacto con

problemas de la vida real, de hecho, se trata de una idealización.
Hay una gran cantidad de funciones que representan relaciones observadas en el
mundo real; las cuales. Se analizarán en los párrafos siguientes, tanto algebraicamente
como gráficamente.
8
CAPÍTULO III: DESARROLLO
Propagación de epidemia
Un estudio realizado durante una epidemia que se propagó entre los habitantes de un
departamento de nuestro país mostró que el número de habitantes afectados, en t días
después de iniciado el brote, respondió a una expresión del tipo:
N y A constantes, A>1, donde N era el número total de habitantes
a) Se puede demostrar que la máxima velocidad de propagación de la enfermedad ocurrió

cuando se infectó la mitad de la población.
b) Bosqueja la función n(t) para t ≥0 , y la función velocidad de propagación V.
Solución:
Siendo: n: números de habitantes infectados.
N: Número total de habitantes del departamento.
A y K: Constantes, 𝐴 > 1, 𝐾 > 0 , se cumple:
Para el inciso a) La velocidad de propagación de la enfermedad es:
Luego la deriva de la función inicial será:
Debemos probar ahora que esta función 𝑣 tiene un máximo en el intervalo [0, ∞]
9
Calculando
Operando y agrupando términos
Para que finalmente nos quede

Anulando la siguiente expresión:
Con esto hemos encontrado un punto crítico.

Debemos clasificarlo para lo cual estudiaremos el signo de la función derivada
Analizando:
El punto crítico es entonces un máximo.
10
Busquemos el número de habitantes afectados en ese instante, es decir
Hemos encontrado entonces que el momento de máxima velocidad de

propagación de la enfermedad es aquel que infecta a la mitad de habitantes.
Para la parte b) debemos calcular
La función derivada
Su simple observación te permite concluir que es positiva para todo valor de t,

por lo que la función n(t) será creciente.
La derivada segunda de la función n(t) como ya hemos visto cuyo signo lo da la
fig. (1). El punto crítico hallado en la parte interior es entonces punto de inflexión
de la función n(t), siendo la concavidad de la función:
 Positiva en el intervalo
 Negativa

 La fig.(2) muestra el grafico de la función n(t)
11
 La fig.(3) nos muestra la gráfica de la función 𝑣
12
Población de bacterias
La población P de una colonia de bacterias con espacio y alimentos ilimitados, varía con el
K.t
tiempo de acuerdo a la expresión: P(t)= C. e con C y K constantes, t en horas y K en 1 /
hora.
a) Si en el instante inicial t = 0 la población era de 1000 bacterias y al cabo de
1 hora la misma se duplicó, determina los valores de C y K.
b) Graficar la función P, halla la velocidad v de crecimiento de la población en función de t

y determina el instante de mínima velocidad.
c) Calcula la población al cabo de 2 horas y la velocidad de crecimiento en ese instante.
d) Demuestra que el modelo matemático adoptado para el estudio del problema consistió en
suponer que la velocidad de crecimiento de la población en un instante fue proporcional al
número de bacterias en ese instante.
Solución:
K.t
La población de bacterias varía con el tiempo según la expresión: P(t)= C. e con C y K
constantes, t en horas y K en 1 / hora.
0
Parte a)
Parte b) sustituyendo los valores hallados:
Para bosquejar la función, calculamos
13
El grafico de P es como el indicado en la figura. Se trata de una función exponencial
De la inspección del grafico o de la expresión de la derivada primera se puede concluir que la

mínima velocidad de crecimiento de la colonia ocurre en t=0 y vale:
Parte c)
Parte d)
Es decir que la velocidad de crecimiento de la colonia de bacterias es proporcional a la

cantidad de ellas en cada instante, siendo K la constante de proporcionalidad
El modelo matemático anterior dado para estudiar la variación de la población medial P ha

supuesto que la misma esta expresada por. P(t )  5.e 0.0278t ,
14
Con P en miles de millones de personas y t en años 0.
En este modelos se han considerado constantes la tasa de natalidad (nacimientos por

año) y de mortalidad (defunciones por año).
Tomando t = 0 en el año 1987.
a) Bosquejo de la función P de t para t  0 P(t )  5.e 0.0278t P en miles de millones, t

en años.
Como se trata de una simple función exponencial para la cual: P (0) = 5

lim P(t )   
t  
dP
 5(0.0278)e 0.0278t = 0.139e 0.0278t > 0 t  0
dt
d 2P
2
 0.139(0.0278)e 0.0278t  0.00361e 0.0278t > 0 t  0
dt
El bosquejo de la gráfica es el siguiente
P(t)
0 t
b) Calculo de la variación instantánea de la población en el año 1987.
Tomando a t = 0 en el año 1987, la tasa de variación instantánea de la población fue

de:
15
dP
 5(0.0278)e 0.0278t = 0.139e 0.0278t
dt
dP
  0.139e 0.0278( 0) = 0.139 miles de millones /año
dt t 0
= 139 millones /año
c) Calculo de la población prevista para el año 2005 y la tasa de variación instantánea en

este año.
En el año 2005 corresponde a t = 18; por lo que tendremos.
P(18)  5.e 0.0278(18)  8.247 miles de millones = 8247 millones.
La tasa de variación de la población será:
dP
 0.139e 0.0278(18)  229 millones/ año
dt t 0
d) En qué tiempo duplicaría la población existente en 1987 y cuando alcanzaría los

15,000 millones.
La población en 1987: P (0) = 5000 millones. La población se duplicara, es decir será

de 10 0000 millones en un tiempo t0 tal que:
16
10  5.e 0.0278t0
Ln2
De aquí, t0   25 años.
0.0278
La duplicación ocurriría en el año 2012.
La población alcanzaría los 15 000 millones en el tiempo t1 , tal que:
15  5.e 0.0278t0
 t1 
Ln3
 39.5 Años.
0.0278
e) ¿Crees adaptado a la realidad esta aplicación matemática?
A finales del año 2002 la población mundial fue del orden de 6000 millones.
De acuerdo a este modelo, como el año 2002 corresponde a t = 16 lo que daría para la
población un valor de P (16)  7800 millones.
Estos valores permiten afirmar que el modelo no es suficientemente ajustado a la realidad

debiéndose corregir mediante la introducción de parámetros que tengan en cuenta factores
que no fueran ponderados a él.
17
Nota:
De las expresiones:
P(t )  5.e 0.0278t y

dP
 5(0.0278)e 0.0278t ,
dt
dP
Se deduce fácilmente que  0.0278).P(t )
dt
La velocidad de crecimiento fue tomada entonces como proporcional a la población P en esta

aplicación, siendo 0.0278 la constante de proporcionalidad.
Si P (t ) es el tamaño de una población al tiempo t, el modelo de crecimiento exponencial comienza

dP
cuando suponiendo que  kP(t ) , con k>0.
dt
dP
En este modelo, la tasa específica o relativa de crecimiento, definida por:  kP(t )
dt
Es difícil encontrar casos reales de un crecimiento exponencial durante largos periodos, porque en
cierto momento los recursos limitados del ambiente ejercerán restricciones sobre el crecimiento
demográfico. Así, cabe esperar que la ecuación disminuya a medida que P aumenta de tamaño.
Cinética de la fase exponencial de la curva de crecimiento microbiano
La curva del crecimiento microbiano representa la evolución del número de número de

células viables presente en un cultivo microbiano líquido a lo largo del tiempo de estudio.
Se estudia el número de células viables por mililitro de un cultivo de volumen limitado y
con una cantidad de nutrientes limitada, como por ejemplo un medio de cultivo líquido
en un matraz que ha sido inoculado con una cantidad inicial de microorganismos o
inóculo.
18
En la curva de crecimiento se diferencias cuatro fases, la fase de retraso (a veces llamada

fase de latencia), la fase de crecimiento exponencial o logarítmico, la fase estacionaria y la
fase de muerte celular.
De las cuatro fases de la curva de crecimiento, habitualmente la fase de crecimiento

exponencial o logarítmico es la que presenta mayor interés por ser la fase en la que el
incremento del número de microorganismos es máximo. Durante esta fase el tiempo de
generación (g) de los microorganismos (el tiempo que la población de microorganismo
necesita para duplicar su número) se mantiene contante.
Esta parte se centrará en estudiar la cinética de la fase de crecimiento exponencial, y se

hará hincapié en algunos parámetros que son explicados de formas dispares en distintas
fuentes.
El crecimiento exponencial: representación gráfica

Procederemos a realizar diversos cálculos a partir de un ejemplo muy sencillo: un
cultivo bacteriano en fase de crecimiento exponencial (sin fase de retraso) en el que el
número de células inicial del cultivo es de 1 bacteria viable por mililitro. Este cultivo
duplicará el número de células cada hora durante un periodo de estudio de 10 horas.
Por tanto, a lo largo del experimento tendríamos el número de células indicadas en
la siguiente tabla y representada en la gráfica:
Tiempo ((h) Números de

células
0 1
1 2
2 4
3 8
4 16
5 32
6 64
7 128
8 256
9 512
10 1024
19
Estudiar la cinética del crecimiento en una gráfica como la mostrada más arriba es
complicado porque la relación entre el tiempo y el número de células no es lineal. En
estadística, las relaciones que no son lineales son a menudo modificadas mediante la
aplicación de logaritmos a los valores de la abscisas (valores x) o a los valores de las
ordenadas (valores y). En el caso de las curvas de crecimiento microbiano se suelen
aplicar logaritmos a los valores de concentración de los microorganismos en el cultivo.
Esto permite que en la fase de crecimiento exponencial la relación entre las abscisas y
ordenadas sea lineal.
Para realizar la transformación indicada de la gráfica podríamos aplicar tres tipos

de logaritmos:
o logaritmos de base 10,
o logaritmos naturales (de base e; e=2,718282)
o logaritmos de base 2.
A continuación mostramos las relaciones lineales entre el tiempo y el número de células
cuando se ha aplicado los tres logaritmos indicados:
20
Tal y como se aprecia en las tres gráficas, la aplicación de los tres tipos de logaritmos
permite que la relación entre las abscisas (tiempo) y las ordenadas (logaritmos del
número de células) pase a ser lineal. Si bien los datos de partida son los mismos, la
pendiente de las gráficas son diferentes: la pendiente es mayor cuanto menor es la base del
logaritmo (base 10, base e, o base 2).
Las tres representaciones gráficas pueden ser utilizadas para el cálculo de la cinética de la
fase exponencial de crecimiento, pero usar uno u otro tiene importantes implicaciones sobre
algunos parámetros relacionados con esta fase de la curva de crecimiento.
El crecimiento exponencial: la pendiente de la gráfica

El siguiente parámetro que podemos calcular en una recta como las indicadas en el
apartado anterior es su pendiente. La pendiente es el ratio entre el incremento de y el
incremento de x de la curva. La pendiente nos permitirá relacionar el tiempo (t) con el
número de microorganismos en la muestra.
21
Dado que tenemos tres gráficas diferentes, calcularemos tres valores de pendiente diferentes
Una vez hemos calculado la pendiente, podemos relacionar los valores de x e y a través
de una ecuación lineal del tipo y = ax + b. En nuestro ejemplo concreto las variables de
la ecuación lineal serán los siguientes:
y log10, ln o log2 del número de células (en función de la

gráfica).
a es la pendiente (que a su vez depende de la gráfica).
x es el tiempo (t).
b es igual a cero en nuestros ejemplos, pues las tres gráficas pasan por el punto (0,0)
Consecuentemente obtendremos las siguientes relaciones lineales para nuestras gráficas:
El crecimiento exponencial: relación entre la pendiente y el tiempo de generación (g)

Como se ha indicado anteriormente, el tiempo de generación (g) de la fase
exponencial de crecimiento es constante durante toda la fase, y también lo es la
pendiente. Estos dos parámetros están estrechamente relacionados. El problema
22
radica en que la pendiente depende de la gráfica que hayamos representado, mientras

que el tiempo de generación (el tiempo que tarda la población en duplicarse) es un valor
que no cambia con la representación gráfica.
Por tanto, la relación entre tiempo de generación y la pendiente de la curva

dependerá de la representación gráfica que hayamos generado. En el siguiente cuadro y
para cada una de las gráficas se han relacionado la pendiente y el valor g:
Por tanto, la pendiente de la gráfica y el tiempo de generación están

estrechamente relacionados, pero la ecuación que relaciona ambos parámetros depende de
la representación gráfica.
¿Qué son las variables k, v y µ de la fase exponencial de crecimiento?

Las abreviaturas k, v y µ corresponden a variables de la fase exponencial de crecimiento
que se relacionan a través de ecuaciones muy simples con el tiempo de generación (g).
Tanto la denominación correspondiente a estas abreviaturas como su relación con g varían
de una referencia bibliográfica a otra. En la siguiente tabla se indican los nombres dados a
k, v y µ y su relación con g en distintas fuentes.
23
24
Si comparamos la relación entre los parámetros k, v y µ y el tiempo de generación (g)

con las ecuaciones del apartado anterior en el que relacionábamos la pendiente de la curva
con g, podemos apreciar que k, v y µ corresponden a las pendientes de al menos una de
las representaciones gráficas de la fase de crecimiento exponencial: v y µ son equivalentes
a la pendiente de la gráfica logarítmica de base 2, y k puede ser asociada a cualquiera
de las gráficas, dependiendo de la referencia bibliográfica.
Para describir la relación entre el tiempo y el número de células en la fase
exponencial de crecimiento, ¿qué formulas y parámetros debemos usar?
A estas alturas es evidente que el número de células y el tiempo de generación (g) de la
fase de crecimiento exponencial pueden ser fácilmente relacionados entre sí, y que la
pendiente de la gráfica es esencial para definir la relación lineal existente entre ambos
parámetros.
Por otra parte, es cuestionable la necesidad de definir los parámetros k, v y µ (que
equivalen a las pendientes de la representaciones gráficas que nos atañe) para describir
la relación lineal entre g y número de células, en lugar de decir simplemente que son la
pendiente de la fase exponencial. Pero es evidente que k, v y µ son parámetros descritos
en la literatura.
En la tabla de más abajo se indican las ecuaciones básicas que definen la cinética
de la fase exponencial de crecimiento en cada tipo de representación. Se ha sustituido la
pendiente de las ecuaciones anteriores por k, v o µ.
De los tres conjunto de ecuaciones, ¿cuál debo usar en mi caso concreto?

En principio la decisión es personal, pero podría ser matizada: las ecuaciones y los
parámetros estudiados (k, v o µ) deberán adecuarse a la representación gráfica utilizada.
25
Por lógica, si representamos la curva de crecimiento microbiano utilizando logaritmos

de base
10 (lo más habitual) deberíamos utilizar ecuaciones en las que k corresponda a la
pendiente de la fase de crecimiento exponencial de dicha representación gráfica. De ese
modo estaremos usando un parámetro que podemos “ver” en la gráfica, lo cual es
deseable.
Por tanto, cuando la representación gráfica es logarítmica de base 10, usaremos las
siguientes ecuaciones:
Donde k es la constante de la velocidad.
26
CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES
Conclusiones
Einstein dijo: “el principio creativo reside en las matemáticas”
En conclusión, desde tiempos memorables la matemática viene siendo el pilar esencial, el

arquetipo de las ciencias exactas que permite un mejor entendimiento de todo tipo de
fenómenos que se experimentan en la vida cotidiana, pudiéndose aplicar a cualquiera de las
áreas de estudio que nos puede ofrecer la medicina.
Una de sus características más resaltantes es su gran expresividad respecto a una insuficiencia
de exactitud que existe en el lenguaje puramente lingüístico.
Cabe resaltar lo que ya se explicó al inicio, este trabajo se basa en modelos matemáticos
aplicados a la medicina, los cuales son una idealización de la verdadera problemática. Por ende
todo lo anterior es una simplificación del mundo real en dos variables ya que sería muy
complicado analizar un problema haciendo uso de todas las variables que toman participación
de este, por eso debido a su complejidad se hace uso de estos modelos.
No es correcto preguntarse si un modelo matemático sirve para algo o no. Lo correcto sería
resolver un problema haciendo uso de alguno, haciendo uso quizás de algunos que hayan
permanecidos puros hasta hoy. Por eso como usted ha podido apreciar en este trabajo hemos
tratado darle el uso adecuado a estos modelos a fin de cumplir con los objetivos planteados en
este trabajo.
Definimos la problemática en función de dos variables estableciendo una relación directa entre
ambas, planteando la función que pudiera expresar de manera más precisa las situaciones, y
mediante el uso de algoritmos matemáticos (derivación) hemos logrado hallar las incógnitas y
predecir cómo se desarrollaran cada uno de los problemas propuestos.
27
Recomendaciones
Uno de los defectos de estos modelos matemáticos es que aún no son capaces de tener una
exactitud del cien por ciento, y es debido a la reducción de variables.
Lo que se necesitaría hacer es tomar en cuenta todas las variables que podrían ocasionar alguna
variación en el tema abordado, claro que al hacer esto aumentaría la complejidad del problema
y dificultaría mucho su análisis, requiriendo del uso de algoritmos mucho más avanzados, pero
llegando a obtener resultados mucho más precisos.
Se podrían también tomar todas las variables en conjuntos reducidos y así analizarlas, y luego
se hace una comparación entre todos los pequeños conjuntos formados, esto lo haría menos
tedioso.
Pero la primordial es hacer que estos modelos se asemejen en lo mayor posible a la realidad.
28
CAPÍTULO V: BIBLIOGRAFÍA
 http://imbiomed.com.mx/1/1/articulos.php?method=showDetail&id_articulo
=10287&id_seccion=12&id_ejemplar=1038&id_revista=2
 http://www.levante-emv.com/ciencia-salud/2008/09/08/importancia-
matematicas-medicina/492262.html
 http://innovacionensalud.com/aplicaciones-de-la-matematica-en-la-medicina-
doctopolis/
 http://www.mat.ucm.es/imi/documents/ActasMatematicasCienciasDeLaSalud
.pdf
 http://www.medigraphic.com/pdfs/medintmex/mim-2012/mim123l.pdf
 http://aprenderlyx.com/analisis-y-ejemplos-de-recomendaciones-del-
proyecto-de-investigacion/
 http://www.monografias.com/trabajos7/mafu/mafu.shtml
29

Modelos Mateméticos Aplicadosa La Medicina

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelos Mateméticos Aplicadosa La Medicina

Transféré par

Droits d'auteur :

Formats disponibles

MODELOS MATEMÉTICOS APLICADOSA LA MEDICINA

PIURA- PERÚ 2016

CAPÍTULO I: INTRODUCCIÓN PAGINA 4

1.1. OBJETIVOS GENERALES:

El modelamiento matemático es una de las herramientas que se utilizan hoy en día

.El modelo matemático nos permite representar un problema médico o biológico de

1.2. OBJETIVOS ESPECÍFICOS:

La relación entre la medicina y las matemáticas ha variado a través del tiempo, y ha

se entiende y, cuando se utiliza “correctamente”, conduce a mejores decisiones médicas

En éste trabajo de investigación, se hacen algunas reflexiones acerca de la importancia

CAPÍTULO II: MARCO TEÓRICO

APLICACIÓN DE MODELOS MATEMÁTICOS.- La aplicación de la modelación matemática

MODELO MATEMATICO.- En nuestra vida cotidiana, muchos fenómenos pueden ser

Obteniendo el modelo matemático que representa estos fenómenos y relacione las

interés y aplicación son los modelos de crecimiento y decrecimiento, utilizados

Tanto en el análisis de estos fenómenos como su cálculo requieren claridad sobre

El proceso para elaborar un modelo matemático es el siguiente:

Encontrar un problema del mundo real

Formular un modelo matemático acerca del problema, identificando variables

Aplicar los conocimientos matemáticos que se posee para llegar a conclusiones

Es importante mencionar que un modelo matemático no es completamente exacto con

CAPÍTULO III: DESARROLLO

N y A constantes, A>1, donde N era el número total de habitantes

a) Se puede demostrar que la máxima velocidad de propagación de la enfermedad ocurrió

b) Bosqueja la función n(t) para t ≥0 , y la función velocidad de propagación V.

Siendo: n: números de habitantes infectados.

N: Número total de habitantes del departamento.

A y K: Constantes, 𝐴 > 1, 𝐾 > 0 , se cumple:

Para el inciso a) La velocidad de propagación de la enfermedad es:

Luego la deriva de la función inicial será:

Operando y agrupando términos

Para que finalmente nos quede

Con esto hemos encontrado un punto crítico.

El punto crítico es entonces un máximo.

Busquemos el número de habitantes afectados en ese instante, es decir

Hemos encontrado entonces que el momento de máxima velocidad de

Para la parte b) debemos calcular

Su simple observación te permite concluir que es positiva para todo valor de t,

 La fig.(3) nos muestra la gráfica de la función 𝑣

a) Si en el instante inicial t = 0 la población era de 1000 bacterias y al cabo de

1 hora la misma se duplicó, determina los valores de C y K.

b) Graficar la función P, halla la velocidad v de crecimiento de la población en función de t

c) Calcula la población al cabo de 2 horas y la velocidad de crecimiento en ese instante.

Parte b) sustituyendo los valores hallados:

Para bosquejar la función, calculamos

El grafico de P es como el indicado en la figura. Se trata de una función exponencial

De la inspección del grafico o de la expresión de la derivada primera se puede concluir que la

Es decir que la velocidad de crecimiento de la colonia de bacterias es proporcional a la

El modelo matemático anterior dado para estudiar la variación de la población medial P ha

Con P en miles de millones de personas y t en años 0.

En este modelos se han considerado constantes la tasa de natalidad (nacimientos por

Tomando t = 0 en el año 1987.

a) Bosquejo de la función P de t para t  0 P(t )  5.e 0.0278t P en miles de millones, t

Como se trata de una simple función exponencial para la cual: P (0) = 5

El bosquejo de la gráfica es el siguiente

Tomando a t = 0 en el año 1987, la tasa de variación instantánea de la población fue

= 139 millones /año

c) Calculo de la población prevista para el año 2005 y la tasa de variación instantánea en

En el año 2005 corresponde a t = 18; por lo que tendremos.

P(18)  5.e 0.0278(18)  8.247 miles de millones = 8247 millones.

La tasa de variación de la población será:

d) En qué tiempo duplicaría la población existente en 1987 y cuando alcanzaría los