Si M= 10, S= 0.5 y B= 1, luego la poblacién permanecerd estable en 10 individuos no importa
cuan lejos hagamos la proyeccién en el futuro (ejemplo: 10= (10 x 0.5) + (10 x 1 x 0.5).
También su probabilidad de extincién ser cero (fig. 7.b1). Ya que los pardmetros del modelo
no varian, este es denominado modelo deterministico y siempre provera una simple y
discreta prediccién. Ya que los pardmetros de la poblacién no son fijos (mas bien son
dindmicos), este tipo de prediccién no es muy iitil. Entonces necesitamos introducir elementos
de variacién al modelo para hacerlo estocéstico y asi hacer una evaluacién poblacional mas
realista a futuro
Primero afiadimos un clemento de estocasticidad demogrifica. Mas que multiplicar la
poblacién entera por el valor de supervivencia, podemos examinar el destino de cada
individuo en la poblacién. En cada paso 0 periodo de tiempo y para cada individuo, podemos
generar un numero aleatorio (un mimero aleatorio “uniforme”, de 0 a 1 en la cual cada valor
entre 0y I tiene la misma probabilidad de ser muestreado) y se puede comparar este con el
valor de supervivencia de 0.5. Si el mimero aleatorio es > al valor de supervivencia, el
individuo sobrevive. Si este es < 0.5, el individuo muere, Bajo estas condiciones 5 individuos
de un inicial nimero 10 sobreviviran en la mayoria de los casos, pero frecuentemente 6 6 4
sobreviviran, algunas veces 7 6 3, ocasionalmente 8 6 2, raramente 96 1 y muy raramente 10
60
Luego, se hacen 500 proyecciones separadas de la poblacién sobre un periodo de 10 afios (los
10 primeros afios son mostrados en la figura 7.b2). Cuando afiadimos este elemento de
estocasticidad, cada proyeccién de la poblacién es diferente. Después de 500 proyecciones,
podemos observar las frecuencias de los tamafios poblacionales a 10 afios (Fig. 7.b3) y
determinar que la probabilidad de extincién en la poblacién es de casi 3%. En otras palabras,
25 de las 500 proyecciones hechas caen en cero por 10 afios.
Afladiremos ahora una segunda fuente de estocasticidad demogréfica en esta pequefia
poblacién: género. Se pueden utilizar otra vez los niimeros aleatorios para determinar que
individuos son hembras y cudles son machos. Asumiremos una proporcidn de sexo de 1.1. Si
un ntimero aleatorio uniforme (de 0 a 1) es > 0.5 entonces el individuo nacido es hembra; de
otra forma seré macho. Similarmente, podriamos asumir que sélo las hembras producen
descendencia y que lo hacen sélo si hay machos vivos disponibles. Esta adicién de género
como proceso estocéstico inerementa la probabilidad de extincién de la poblacién en el afio 10
en 15%,(Fig. 7.64).
Finalmente, podriamos considerar un evento catastrofico que ocurre en un promedio de cada
10 afios (probabilidad anual de 0.1) lo cual declina la reproduccién cuando ocurre (esto es, B=
0). Los niimeros aleatorios uniformes pueden ser usados aqui: si un nimero aleatorio
uniforme en un afo en particular es < 0.1, entonces la catdstrofe ocurre; de otra forma, sera
un aio normal y la reproduccién permanece inalterada. La combinacién de fuerzas
demogrificas estocdsticas y las reducciones catastréficas ocasionales de la reproduccién
incrementa la probabilidad de extincién de la poblacién en el afio 10 en 35% (Fig, 7.5b).
Continuando con el ejemplo, podriamos afiadir otros pardmetros al modelo y desarrollar un
modelo més realista de una poblacién en particular. La manipulacién de los valores de esos
parametros podrian permitir un examen de como las diferentes actividades de manejo
podrian afectar la persistencia de la poblacién. A través de tales manipulaciones, podriamos
identificar los parametros que influencian el crecimiento poblacional, Este proceso es
denominado anilisis de sensitividad y es util para orientar el manejo y los esfuerzos de
investigacin y para desarrollar politicas mas efectivas de conservacién (Lindenmayer et al.
1993).