Mathematical modeling of the Ecuadorian population using delay differential equations and its validation with 2022 Census data

Population modeling with EDR and Census 2022

Autores

  • Lic. Jefferson Agustín Macías Bravo Universidad Técnica de Manabí
  • Ambrosio Tineo Moya Universidad Técnica de Manabí
  • Maribel Pérez Pirela, PhD. Universidad Técnica de Manabí

DOI:

https://doi.org/10.37117/s.v27i2.1212

Palavras-chave:

Población; Ecuaciones Diferenciales con Retardo; Modelamiento Matemático; Censo Ecuador 2022; Transición Demográfica; Google Colab; Python.

Resumo

El estudio presenta la aplicación y evaluación de un modelo matemático de crecimiento poblacional con retardo temporal para describir la dinámica de la población ecuatoriana entre 2001 y 2022. Se utilizó un modelo de ecuación diferencial con retardo (EDR) basado en la formulación dP(t)/dt  = r P(t-τ), donde r es la tasa intrínseca de crecimiento y τ es el retardo. La tasa r se estimó a partir de los datos censales obtenidos del Instituto Nacional de Estadísticas y Censos (INEC)  de 2001 y 2010 (r ≈ 0,0224 año⁻¹). El modelo se resolvió numéricamente mediante un método de diferencias finitas implementado en Python (Google Colab) para el periodo 2001-2022. La población simulada para 2010 mostró un error relativo del 1,54% respecto al censo. Sin embargo, la proyección para 2022 con 18.658.915 habitantes presentó un error relativo del 10,15% frente al dato real del Censo 2022 con 16.938.986 habitantes, indicando una sobreestimación. Este resultado se discute en el contexto de la nueva realidad demográfica ecuatoriana, caracterizada por un crecimiento poblacional desacelerado y envejecimiento, revelada por el INEC. Se concluye que, aunque el modelo captura la tendencia histórica, su capacidad predictiva a largo plazo es limitada sin actualizar los parámetros o incorporar dinámicas demográficas cambiantes.

Downloads

Não há dados estatísticos.

Referências

Bacaër, N. (2011). A Short History of Mathematical Population Dynamics. London: Springer. doi:https://doi.org/10.1007/978-0-85729-115-8

Brauer, F., & Castillo Chavez, C. (2012). Mathematical Models in Population Biology and Epidemiology. New York: Springer. doi:https://doi.org/10.1007/978-1-4614-1686-9?spm=a2ty_o01.29997173.0.0.3beec9215Xg3qL

Gopalsamy, K. (1992). Stability and Oscillations in Delay Differential Equations of Population Dynamics. Springer Science & Business Media. Obtenido de https://books.google.com.ec/books/about/Stability_and_Oscillations_in_Delay_Diff.html?id=BXbK_T_PSdwC&redir_esc=y

Instituto Nacional de Estadística y Censos. (2013). Censos de población y vivienda. Obtenido de https://www.ecuadorencifras.gob.ec/documentos/inec37/censos.html

Instituto Nacional de Estadística y Censos. (2023). Ecuador creció en 2.5 millones de personas entre 2010 y 2022. Obtenido de https://www.censoecuador.gob.ec/ecuador-crecio-en-2-5-millones-de-personas-entre-2010-y-2022/

Instituto Nacional de Estadísticas y Censos . (11 de julio de 2024). Desafíos y oportunidades para el Ecuador ante el envejecimiento poblacional: INEC destaca datos claves en el Día Mundial de la Población. Obtenido de Censo Ecuado: https://www.censoecuador.gob.ec/

Keyfitz, N. (1977). Applied Mathematical Demography. New York: Springer. doi:https://doi.org/10.1007/978-1-4757-1879-9

Lee, R. D., & Tuljapurkar, S. (1994). Stochastic Population Forecasts for the United States: Beyond High, Medium, and Low. Journal of the American Statistical Association, 89(428), 1175–1189. doi:https://doi.org/10.2307/2290980

Lotka, A. J. (1939). Théorie analytique des associations biologiques (Vol. II). Hermann et cie. Recuperado el 15 de junio de 2025, de https://books.google.com.ec/books?id=iTetsdX3Le4C

Millman, K., & Perez, F. (2014). Developing Open-Source Scientific Practice. Implementing Reproducible Research, 149-183. doi:http://dx.doi.org/10.1201/9781315373461-6

Murray , J. D. (2002). Mathematical Biology. New York: Springer. doi:https://doi.org/10.1007/b98868

Perez, F., & Granger, B. E. (2007). IPython: A System for Interactive Scientific Computing. Computing in Science & Engineering, 9(3), 21 - 29. doi:https://doi.org/10.1109/MCSE.2007.53

Preston, S., Heuveline, P., & Guillot, M. (2000). Demography: Measuring and Modeling Population Processes. Wiley. Obtenido de https://books.google.com.ec/books/about/Demography.html?id=xlv2H6LpNAwC&redir_esc=y

Shampine, L. F., & Thompson, S. (2001). Solving DDEs in Matlab. Applied Numerical Mathematics, 37(4), 441-458. doi:https://doi.org/10.1016/S0168-9274(00)00055-6

Smith, H. L. (2011). An Introduction to Delay Differential Equations with Applications to the Life Sciences. New York: Springer. doi:10.1007/978-1-4419-7646-8.

Publicado

2025-12-31

Como Citar

Macías Bravo, L. J. A., Tineo Moya, A. ., & Pérez Pirela, PhD., M. (2025). Mathematical modeling of the Ecuadorian population using delay differential equations and its validation with 2022 Census data: Population modeling with EDR and Census 2022. Sinapse, 27(2). https://doi.org/10.37117/s.v27i2.1212