A stochastic population model with hierarchic size-structure

Resumen Técnico: Un Modelo de Población Estocástico con Estructura de Tamaño Jerárquica

Planteamiento del Problema
El artículo aborda la relación entre las formulaciones deterministas y estocásticas de los modelos de poblaciones con estructura de tamaño jerárquica. En tales sistemas, el acceso de un individuo a los recursos (y, por tanto, su tasa de crecimiento) está determinado por la presencia de individuos más grandes. Si bien los modelos deterministas para estas poblaciones, a menudo formulados como ecuaciones diferenciales parciales (PDE) o ecuaciones de retardo, están bien estudiados, su justificación como aproximaciones de procesos estocásticos subyacentes basados en individuos sigue siendo una cuestión teórica crítica. Específicamente, los autores investigan si la tasa de natalidad estacionaria de una ecuación de renovación determinista puede recuperarse como el límite de gran población de la tasa de natalidad cuasi-estacionaria de un modelo estocástico basado en individuos. Un desafío clave es que los sistemas estocásticos con un estado absorbente (extinción) no poseen una verdadera distribución estacionaria; en su lugar, se caracterizan por una distribución cuasi-estacionaria (QSD) condicionada a la no extinción.

Metodología
Los autores desarrollan dos modelos paralelos basados en los mismos supuestos biológicos:

1. Modelo Determinista: Una ecuación de renovación para la tasa de natalidad de la población $b(t)$ por unidad de área. El modelo asume que los individuos nacen con un tamaño mínimo $x_m$, crecen a una tasa $g$ dependiente de la densidad de individuos más grandes, tienen una fertilidad dependiente del tamaño $\beta(x)$ y una tasa de mortalidad constante $\mu$. La tasa de crecimiento depende de la integral de la densidad de población de los individuos más grandes que el individuo focal.
2. Modelo Estocástico: Un proceso basado en individuos definido sobre un área finita $A$. El estado se representa mediante la historia de los eventos de nacimiento. Los individuos nacen con un tamaño $x_m$ y crecen según una tasa determinada por el número de individuos más grandes actualmente presentes (lo cual, debido al tamaño de nacimiento común y al crecimiento positivo, es equivalente al número de individuos de mayor edad). Los eventos de nacimiento y muerte ocurren como procesos de Poisson con tasas que dependen del estado actual de la población.

Para comparar estos modelos, los autores:

• Derivan una aproximación heurística $\bar{B}(A)$ para la tasa de natalidad cuasi-estacionaria del modelo estocástico. Esto se logra asumiendo que, en el régimen cuasi-estacionario, los eventos de nacimiento pasados siguen un proceso de Poisson con tasa $\bar{B}(A)$. Esto permite el cálculo del tamaño esperado de un individuo a una edad dada, condicionado al número de individuos mayores presentes al nacer.
• Formulan una ecuación de consistencia para $\bar{B}(A)$ requiriendo que el número esperado de descendientes por individuo sea igual a uno (la condición para un equilibrio no trivial).
• Analizan el límite de la razón $\bar{B}(A)/A$ a medida que el parámetro de área $A \to \infty$.
• Utilizan simulaciones numéricas para comparar las predicciones teóricas de ambos modelos frente a realizaciones estocásticas, examinando específicamente la relación tamaño-edad esperada y la distribución de los tamaños individuales.

Contribuciones Clave y Resultados

1. Derivación de la Tasa Cuasi-Estacionaria Estocástica: Los autores derivan una ecuación de consistencia explícita (Ecuación 19) para la tasa de natalidad cuasi-estacionaria aproximada $\bar{B}(A)$. Demuestran que si el número básico de reproducción $R_0 > 1$, esta ecuación tiene una solución positiva única, siempre que la función de crecimiento $g$ sea decreciente y la función de fertilidad $\beta$ sea lineal ($\beta(x) = \beta_0 x$).
2. Teorema de Convergencia: El resultado teórico central (Teorema 2) establece que la tasa de natalidad estacionaria $\bar{b}$ de la ecuación de renovación determinista es el límite de la tasa de natalidad cuasi-estacionaria escalada del modelo estocástico:
   $$\lim_{A \to \infty} \frac{\bar{B}(A)}{A} = \bar{b}$$
   Esto confirma que el modelo determinista es una aproximación mecánica válida del sistema estocástico en el límite de gran población.
3. Validación Numérica: Las simulaciones demuestran que para valores moderados del parámetro de área $A$ (por ejemplo, $A=1$), el modelo determinista proporciona una aproximación sorprendentemente precisa del comportamiento del sistema estocástico, particularmente cuando el parámetro de competencia $z_0$ es grande (lo que indica efectos no lineales más débiles).
4. Análisis de Discrepancias: El artículo identifica que el modelo determinista tiende a subestimar la tasa de natalidad cuasi-estacionaria del modelo estocástico, particularmente cuando la competencia es fuerte (pequeño $z_0$). Los autores atribuyen esto a la alta volatilidad de la tasa de natalidad de la población en el modelo estocástico, impulsada por el comportamiento estocástico de los pocos individuos en la cima de la jerarquía (los más grandes/viejos), cuya dinámica no puede promediarse incluso a medida que la población total crece.

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en vincular rigurosamente las descripciones determinista y estocástica de las poblaciones con estructura jerárquica. Al reformular la dinámica en términos de historias de eventos de nacimiento, los autores simplifican el espacio de estados, permitiendo que la tasa de natalidad cuasi-estacionaria sea tratada como un valor escalar en lugar de un elemento de un espacio de dimensión infinita. Esta simplificación facilita la prueba del resultado de convergencia.

Los autores señalan modestamente que su derivación de la tasa cuasi-estacionaria se basa en un supuesto heurístico (que los eventos de nacimiento pasados siguen un proceso de Poisson) y que no se proporciona una prueba rigurosa de la convergencia de la verdadera tasa cuasi-estacionaria hacia esta aproximación. Sin embargo, argumentan que la evidencia numérica respalda la validez de esta aproximación, especialmente a medida que $A$ aumenta. Además, el trabajo destaca que la equivalencia entre los modelos determinista y estocástico es más robusta cuando la no linealidad del sistema se suaviza (gran $z_0$) o cuando la población está cerca del umbral de extinción, donde la dinámica está dominada por individuos únicos. El artículo concluye que, si bien la formulación de la historia de nacimiento es poderosa para modelos donde el tamaño es estrictamente una función de la edad, las generalizaciones que involucren competencia dependiente del tamaño o tamaños de nacimiento variables requerirían variables de estado más complejas más allá de la historia de nacimiento.