El crecimiento logístico: cuando crecer sin límite no es una opción
Explora el modelo de crecimiento logístico con un simulador interactivo de dinámica de sistemas. Ajusta los parámetros y observa cómo la población se comporta frente a los límites del entorno.
Crecer sin parar es imposible
En 1798, Thomas Malthus advirtió que la población humana crecía geométricamente mientras los recursos lo hacían aritméticamente. Su conclusión era sombría: hambrunas, guerras y epidemias eran inevitables. Tenía razón en la premisa pero le faltaba una pieza: los sistemas reales se autorregulan.
El crecimiento exponencial —donde una población se duplica cada cierto tiempo— sólo funciona cuando los recursos son infinitos. En el mundo real, el espacio se agota, la comida escasea, la competencia aumenta. Eventualmente, el sistema encuentra un techo.
La ecuación logística
En 1838, el matemático belga Pierre-François Verhulst propuso una corrección elegante. Su ecuación logística introduce un término de freno que depende de qué tan cerca está la población de la capacidad de carga del entorno:
dP/dt = r · P · (1 − P/K)Donde:
- P es la población actual
- r es la tasa intrínseca de crecimiento
- K es la capacidad de carga (el máximo que el entorno soporta)
El factor (1 − P/K) es lo que hace toda la diferencia. Cuando P es pequeña comparada con K, ese término es cercano a 1 y el crecimiento es casi exponencial. Pero a medida que P se acerca a K, el factor tiende a cero y el crecimiento se frena hasta detenerse.
El resultado es la característica curva S (sigmoide), cuya solución analítica es:
P(t) = K / (1 + ((K − P₀)/P₀) · e^(−rt))Crecimiento lento al inicio, aceleración en el medio, y estabilización al final.
El modelo en acción
El simulador siguiente implementa exactamente esta ecuación como un modelo de dinámica de sistemas. Usa el método de Euler para resolver la ecuación diferencial paso a paso.
Juega con los parámetros y observa cómo cambia el comportamiento:
- Growth Rate: ¿Qué pasa si la tasa de crecimiento es muy alta? ¿Y si es muy baja?
- Carrying Capacity: ¿Cómo cambia la curva si el entorno soporta más o menos individuos?
Qué observar
Al explorar el modelo, hay tres comportamientos clave:
-
La curva S de la población. Comienza con 10 individuos, crece lentamente, luego se acelera, y finalmente se estabiliza cerca de la capacidad de carga. Este patrón aparece en todas partes: adopción de tecnología, propagación de ideas, crecimiento de startups.
-
El pico del crecimiento neto. La tasa de crecimiento no es constante: sube, alcanza un máximo cuando la población está en K/2, y luego baja. Este máximo es el punto de inflexión de la curva S, el momento de mayor dinamismo del sistema.
-
La sensibilidad a los parámetros. Aumentar la tasa de crecimiento no cambia el destino (la población siempre converge a K), pero sí cambia la velocidad con la que llega. La capacidad de carga, en cambio, sí determina el destino final.
Más allá de la biología
El modelo logístico no es sólo para poblaciones biológicas. Describe cualquier proceso de crecimiento que enfrente límites:
- Difusión de innovaciones: una nueva tecnología se adopta lentamente, luego masivamente, y finalmente se satura el mercado.
- Epidemiología: un virus se propaga exponencialmente al inicio, pero se frena cuando quedan menos personas susceptibles.
- Aprendizaje: la curva de aprendizaje tiene forma de S: avances lentos al principio, progreso rápido en el medio, y rendimientos decrecientes al dominar el tema.
La elegancia del modelo logístico está en su simplicidad: con sólo dos parámetros (r y K) captura la esencia de cómo los sistemas reales crecen y se estabilizan.