Máy tính tăng trưởng quần thể là gì?
Tăng trưởng quần thể là sự biến đổi số lượng cá thể theo thời gian. Trong cách hiểu này, quy mô có thể tăng lên, giảm xuống hoặc giữ nguyên, chứ không chỉ bao gồm sự gia tăng. Diễn biến ấy phụ thuộc vào sinh sản, tử vong, di cư và điều kiện sống. Trong thực tế, các yếu tố này có thể thay đổi; còn trong một mô hình đơn giản, chúng được biểu diễn bằng một số tham số cố định để thuận tiện tính toán.
Máy tính tăng trưởng quần thể là công cụ ước tính quy mô tại các thời điểm dựa trên thông số người dùng cung cấp. Công cụ có hai mô hình: mô hình hàm mũ và mô hình logistic; hàm mũ có thêm chế độ rời rạc (1 + g)^t bên cạnh cách tính liên tục e^(r × t). Hàm mũ mô tả diễn biến không có yếu tố giới hạn nguồn lực trong công thức. Logistic bổ sung sức chứa môi trường để thể hiện tác động của quy mô hiện tại lên tốc độ biến đổi.
Nhu cầu chính mà công cụ giải quyết là trả lời câu hỏi dạng: “Nếu bắt đầu với một số cá thể nhất định và duy trì các điều kiện giả định, sau một khoảng thời gian sẽ có bao nhiêu cá thể?”. Kết quả gồm quy mô cuối kỳ, biến đổi so với ban đầu, một số chỉ số bổ sung, đường biểu diễn và bảng theo thời gian. Dữ liệu bảng còn có thể tải dưới dạng CSV để đối chiếu hoặc trình bày.
Công cụ phù hợp cho người học sinh học và người muốn khảo sát giả định về sinh thái hoặc dân số. Tuy nhiên, nó không tự tìm quy luật từ số liệu quan sát, cũng không tự xác định tốc độ tăng trưởng phù hợp. Kết quả nên được đọc như hệ quả của giả định đã nhập, không phải lời khẳng định chắc chắn về tương lai của một quần thể cụ thể. Xem thêm các công cụ khác trong danh mục Sinh học để giải các bài tập sinh thái và di truyền khác.
Các thuật ngữ cần hiểu khi đọc kết quả tăng trưởng quần thể
Kích thước quần thể N₀ và Nₜ
N₀ là số lượng cá thể tại thời điểm bắt đầu, còn Nₜ là quy mô được mô hình tính tại thời điểm t. Hai đại lượng phải dùng cùng đơn vị, chẳng hạn cá thể hoặc người. Kích thước không đồng nghĩa với mật độ: 1.000 cá thể là quy mô, còn 1.000 cá thể trên mỗi kilômét vuông là mật độ. Vì công thức mô tả diễn biến liên tục, Nₜ có thể mang phần thập phân; đó là giá trị mô hình, không phải khẳng định có một phần cá thể ngoài thực tế.
Tốc độ tăng trưởng nội tại r
R là tham số tăng trưởng liên tục trên một đơn vị thời gian, chẳng hạn 0,1 mỗi năm. Nó không phải số cá thể tăng thêm trong năm đó. Với hàm mũ và quy mô dương, r dương tạo xu hướng tăng, r âm tạo xu hướng giảm. Mục tính tốc độ của công cụ dùng cả sinh, tử, nhập cư và xuất cư để suy ra tốc độ ròng. Cách tính này cần phân biệt với khái niệm tốc độ nội tại của quần thể kín trong kiến thức sinh thái, vốn không tính phần đóng góp của di cư.
Sức chứa môi trường K
K là quy mô cân bằng mà mô hình logistic giả định môi trường có thể duy trì dưới điều kiện cố định. Đại lượng này cùng đơn vị với N₀ và Nₜ, không phải tỷ lệ phần trăm hay lượng tăng mỗi kỳ. K cũng không phải hàng rào kỹ thuật bắt buộc mọi số nhập vào đều thấp hơn nó. Công cụ vẫn tính khi N₀ lớn hơn K; với r dương, trường hợp ấy cho xu hướng đi xuống về K thay vì tăng lên thành đường chữ S.
Tốc độ tức thời dN/dt và mức tăng ΔN
DN/dt biểu thị tốc độ biến đổi tại đúng một thời điểm, có đơn vị cá thể trên thời gian. ΔN trong bảng là chênh lệch số lượng giữa mốc hiện tại và mốc liền trước, có đơn vị cá thể. Hai cột không thể thay thế cho nhau, kể cả khi các mốc cách nhau một năm. Có thể hình dung một đại lượng giống tốc độ xe tại thời điểm đang nhìn, còn đại lượng kia giống quãng đường đã đi trong một khoảng thời gian.
Thời gian gấp đôi và thời gian giảm nửa
Thời gian gấp đôi là khoảng thời gian để quy mô tăng thành hai lần; thời gian giảm nửa là khoảng thời gian để quy mô còn một nửa. Với hàm mũ, N₀ dương và r không đổi, các công thức tương ứng là ln(2)/r khi r dương và ln(2)/|r| khi r âm. Chúng có cùng đơn vị thời gian với r. Ở hàm mũ, công cụ hiển thị thời gian gấp đôi hoặc giảm một nửa tính từ r; ở logistic, thẻ thời gian chuyển thành thời gian đạt K/2 và không nên mặc nhiên coi đó là thời gian gấp đôi.
Cần nhập những gì và đọc các kết quả ra sao?
Chuẩn bị thông số và thống nhất đơn vị
Trước khi tính, cần xác định đối tượng đang đếm và một đơn vị thời gian nhất quán. Nếu r được hiểu theo năm thì t cũng phải tính bằng năm. Công cụ không tự chuyển đổi giờ sang ngày hoặc số thế hệ sang năm.
| Thông số | Ý nghĩa và cách chuẩn bị |
|---|---|
| N₀ | Quy mô ban đầu, cùng đơn vị cá thể với kết quả và K. |
| r | Tham số liên tục mỗi thời kỳ (hoặc tỷ lệ rời rạc g ở chế độ rời rạc); có thể dương, âm hoặc bằng 0. |
| Cách biểu diễn r | Chọn hệ số hoặc phần trăm; 0,15 dạng hệ số tương ứng 15 dạng phần trăm. |
| t | Khoảng thời gian; phải là số nguyên từ 1 đến 500; số không nguyên hoặc ngoài khoảng sẽ báo lỗi thay vì tự làm tròn. |
| K | Sức chứa môi trường, chỉ tham gia mô hình logistic. |
| Các tỷ lệ phụ | Sinh, tử, nhập cư, xuất cư phải cùng kỳ và nhập dạng hệ số. |
Bảng bắt đầu ở mốc 0, nên t = 500 tạo 501 mốc trong file CSV; bảng hiển thị trên trang rút gọn theo bước khi số mốc vượt 51 nhưng luôn giữ mốc cuối. Để có kết quả có ý nghĩa, nên chuẩn bị đầy đủ thông số: ô trống, số âm ở N₀ hay số không nguyên ở t đều báo lỗi kèm tên trường và ẩn kết quả cũ thay vì tự thay thế lặng.
Đọc thẻ kết quả, biểu đồ và bảng
Thẻ chính cho biết Nₜ cuối kỳ, chênh lệch tổng Nₜ − N₀ và phần trăm thay đổi so với ban đầu. Ngược lại, ΔN ở từng hàng chỉ so với mốc ngay trước đó. Khi N₀ bằng 0, phần trăm biến đổi hiển thị dấu gạch ngang vì không có mẫu số để chia; không nên hiểu đây là phép chia tỷ lệ thông thường.
Ở hàm mũ liên tục, thẻ phụ cho tốc độ tức thời cuối kỳ; ở chế độ rời rạc, thẻ này chuyển thành mức tăng kỳ cuối ΔN. Ở logistic, hai thẻ phụ chuyển thành thời gian đạt K/2 và tốc độ cực đại rK/4 tại K/2 khi r dương. Biểu đồ giúp quan sát xu hướng, còn bảng cung cấp giá trị từng mốc. Các đường K và K/2 của logistic là đường tham chiếu, không phải hai chuỗi số lượng quan sát.
Hiểu độ chính xác hiển thị và CSV
Thẻ chính làm tròn quy mô và chênh lệch tổng đến số nguyên. Bảng giữ một chữ số thập phân cho quy mô, ΔN và hai chữ số cho tốc độ; các số 0 tận cùng có thể được lược bỏ. CSV gồm bốn cột: thời gian, quy mô, mức tăng thêm và tốc độ tức thời (ở chế độ rời rạc, cột thứ tư là hệ số nhân Nₜ/N₀); ba cột đại lượng giữ hai chữ số thập phân.
Tệp có dấu hỗ trợ đọc tiếng Việt, nhưng cách phần mềm bảng tính nhận dấu phân cách vẫn tùy môi trường. Khác biệt phần thập phân giữa các nơi hiển thị không tự động cho thấy phép tính sai.
Công thức và quy tắc tính tăng trưởng quần thể
Hàm mũ: tăng trưởng theo một tham số r cố định
Công thức hàm mũ được triển khai là Nₜ = N₀ × exp(r × t). Trong đó, exp(x) là hàm mũ cơ số e, với e xấp xỉ 2,71828. Tốc độ tức thời tại mốc đang xét bằng dN/dt = r × Nₜ. Vì tốc độ tỷ lệ với quy mô hiện tại, r dương khiến lượng tăng tuyệt đối thường lớn dần, dù bản thân tham số r không thay đổi.
Ngoài cách liên tục, công cụ còn có chế độ rời rạc Nₜ = N₀ × (1 + g)^t, trong đó g là tỷ lệ tăng sau mỗi kỳ; thời gian gấp đôi khi ấy là ln(2)/ln(1 + g). Chế độ này dùng cho bài toán tăng theo từng kỳ, khác với tham số liên tục r. Cần đọc đúng ý nghĩa của phần trăm trong ô r. Nhập 15 ở chế độ phần trăm đưa tham số 0,15 vào công thức liên tục. Sau một kỳ, hệ số nhân là exp(0,15), nên tỷ lệ tăng là exp(0,15) − 1, xấp xỉ 16,18%, không phải đúng 15%. Đây là khác biệt giữa tham số liên tục và tỷ lệ tăng rời rạc quan sát sau một kỳ.
Logistic: tốc độ chịu ảnh hưởng của sức chứa
Với N₀ dương, công cụ tính Nₜ = K / [1 + ((K − N₀)/N₀) × exp(−r × t)]. Tốc độ tức thời tương ứng là dN/dt = r × Nₜ × (1 − Nₜ/K). Thành phần 1 − Nₜ/K làm tốc độ thay đổi theo vị trí của quy mô so với sức chứa.
Trong tình huống thông thường r dương và 0 < Nₜ < K, thành phần này nhỏ dần khi Nₜ tiến gần K, khiến tăng trưởng chậm lại. Nếu N₀ bằng 0, công cụ có nhánh xử lý riêng giữ Nₜ bằng 0, tránh phép chia cho 0 trong công thức.
Ở cả hai mô hình, giá trị được tính trực tiếp tại từng mốc nguyên. Công cụ không lấy quy mô đã làm tròn trên hàng trước để tính tiếp hàng sau. ΔN được xác định sau đó bằng hiệu giữa hai quy mô liên tiếp; riêng mốc 0 có ΔN bằng 0.
Tính r và các chỉ số bổ sung
Mục tính tốc độ dùng quy tắc r = (tỷ lệ sinh + tỷ lệ nhập cư) − (tỷ lệ tử + tỷ lệ xuất cư). Các thành phần phải cùng dạng hệ số và cùng đơn vị thời gian. Chẳng hạn 0,20; 0,01; 0,05; 0,02 mỗi năm theo thứ tự sinh, nhập, tử, xuất cho r = 0,14 mỗi năm. Mở mục này sẽ tính lại tốc độ từ các giá trị đang có.
Ở hàm mũ, chỉ số thời gian được tính bằng ln(2)/r nếu r dương, hoặc ln(2)/|r| nếu r âm; r bằng 0 cho thông báo không đổi. Trong logistic với r dương, tốc độ theo quy mô đạt cực đại tại N = K/2, với giá trị rK/4. Đây là điều kiện toán học của mô hình, không bảo đảm quần thể trong khoảng thời gian đang xem đã đi qua mức đó.
Nên chọn tăng trưởng hàm mũ hay logistic?
So sánh giả định và dạng đường cong
Hai mô hình khác nhau chủ yếu ở cách biểu diễn tác động của nguồn lực, không phải ở mức độ “đúng” cố định cho mọi bài toán. Hàm mũ chỉ cần N₀, r và t; logistic cần thêm K. Nếu chưa có cơ sở xác định sức chứa, việc tự chọn một K tùy ý có thể làm kết quả trông thuyết phục hơn nhưng không làm giả định đáng tin hơn.
| Tiêu chí | Hàm mũ | Logistic |
|---|---|---|
| Nguồn lực | Không có giới hạn nguồn lực trong công thức. | Có tác động của sức chứa K cố định. |
| Diễn biến điển hình | Đường tăng chữ J khi r dương. | Có thể tạo đường tăng chữ S khi điều kiện phù hợp. |
| Khi quy mô lớn | Tốc độ tăng tuyệt đối tiếp tục lớn lên nếu r dương. | Tốc độ giảm về 0 khi tiến gần K từ phía dưới với r dương. |
Không phải mọi kết quả đều có hình chữ J hoặc chữ S quen thuộc. Hàm mũ với r âm cho đường giảm. Logistic bắt đầu trên K/2 không thể hiện đầy đủ đoạn tăng tốc ban đầu; bắt đầu trên K với r dương lại cho đường đi xuống. Khoảng thời gian ngắn cũng có thể chỉ cho thấy một đoạn nhỏ của đường cong.
Chọn theo dữ liệu và câu hỏi cần trả lời
Hãy chọn hàm mũ khi muốn khảo sát một giai đoạn giả định chưa chịu giới hạn đáng kể. Chọn logistic khi câu hỏi thực sự liên quan đến tác động của một sức chứa xác định. Tên gọi “Logistic (chữ S)” trên giao diện không chứng minh logistic luôn phù hợp với quần thể ngoài tự nhiên.
Cũng cần phân biệt hai chế độ này với công thức rời rạc N₀ × (1 + g)t. Công thức rời rạc dùng tỷ lệ tăng g sau mỗi kỳ, còn công cụ dùng r liên tục. Đây là kiến thức nền để chọn đúng cách diễn giải, không phải một chế độ thứ ba có trong công cụ.
Ví dụ tính quần thể tăng, bị giới hạn và suy giảm
Quần thể tăng theo hàm mũ
Giả sử bắt đầu với 100 cá thể, chọn hàm mũ, r = 0,1 mỗi năm và xét 10 năm. Trong ví dụ này, một thời kỳ được quy ước là một năm, còn r giữ nguyên trong toàn bộ khoảng khảo sát.
Thay vào công thức cho N₁₀ = 100 × exp(1) ≈ 271,828 cá thể. Theo quy tắc trình bày, thẻ chính sẽ làm tròn thành 272 cá thể; chênh lệch tổng khoảng 171,828 cá thể được hiển thị thành +172, tương đương +171,8%. Bảng cuối kỳ giữ quy mô 271,8.
Tốc độ tại năm thứ 10 bằng 0,1 × 271,828 ≈ 27,183 cá thể/năm. Đây là tốc độ tại mốc cuối, không phải lượng tăng cố định cho mọi năm. Thời gian gấp đôi khoảng 6,93 năm. Các số này được suy từ công thức trong mã, không phải số đo thực tế hay kết quả kiểm thử trình duyệt.
Quần thể tăng dưới sức chứa môi trường
Giả sử quần thể cũng bắt đầu với 100 cá thể, nhưng chọn logistic với K = 1.000 cá thể, r = 0,2 mỗi năm và thời gian 10 năm. Hệ số (K − N₀)/N₀ bằng 9, nên N₁₀ = 1.000 / [1 + 9 × exp(−2)] ≈ 450,853 cá thể.
Thẻ chính làm tròn thành 451 cá thể, biến đổi +351 và +350,9%; bảng giữ quy mô cuối 450,9. Trên biểu đồ, kết quả này nằm dưới đường K/2 = 500 cá thể và dưới đường sức chứa 1.000 cá thể.
Với các giả định trên, tốc độ cực đại theo quy mô là rK/4 = 50 cá thể/năm tại N = 500. Quần thể ở năm thứ 10 chưa đạt mức đó. Với các giả định trên, thời gian đạt K/2 là ln(9)/0,2 ≈ 10,99 năm, tức quần thể ở năm thứ 10 vẫn chưa tới điểm uốn; con số này không phải thời gian để quần thể thực sự tăng từ 100 lên 200 cá thể.
Quần thể suy giảm theo thời gian
Kịch bản suy thoái có sẵn dùng hàm mũ với 1.000 cá thể ban đầu, r = −0,08 và 25 thời kỳ. Nếu quy ước một thời kỳ là một năm, phép tính trở thành N₂₅ = 1.000 × exp(−2) ≈ 135,335 cá thể sau 25 năm.
Thẻ chính làm tròn thành 135 cá thể; chênh lệch tổng khoảng −864,665 được làm tròn thành −865, tương ứng giảm khoảng 86,5%. Thời gian giảm một nửa theo hàm mũ là ln(2)/0,08 ≈ 8,66 năm.
Cách hiểu phù hợp là quần thể suy giảm theo một tỷ lệ liên tục cố định trong giả định. Không nên dùng kết quả này để khẳng định ngoài thực địa còn chính xác 135 cá thể. Tương tự, phần lẻ không mô tả một phần sinh vật tồn tại; nó phản ánh bản chất liên tục của mô hình đang dùng.
Ứng dụng trong học tập, sinh thái và dân số
Minh họa kiến thức sinh học bằng dữ liệu
Trong học tập, công cụ giúp nối công thức với diễn biến qua thời gian. Người học có thể quan sát vì sao cùng một r dương nhưng hàm mũ cho lượng tăng tuyệt đối lớn dần, còn logistic chậm lại khi tiến gần K. Đặt cột ΔN cạnh cột dN/dt cũng giúp phân biệt biến đổi trong một khoảng với tốc độ tại một thời điểm. Khi khảo sát vi khuẩn, thời gian thế hệ là tham số then chốt — bạn có thể tính bằng máy tính thời gian thế hệ vi sinh vật.
Một cách khảo sát hữu ích là thay đổi riêng một tham số qua nhiều lần tính, giữ các thông số khác không đổi. Đổi N₀ để xem ảnh hưởng của điểm xuất phát; đổi r để xem tốc độ diễn biến; đổi K trong logistic để xem vai trò của sức chứa. Đây là cách so sánh do người dùng thực hiện giữa các lần tính, không phải chức năng chạy đồng thời nhiều kịch bản.
CSV có thể dùng để đối chiếu các lần tính hoặc trình bày bài tập bằng phần mềm bảng tính. Khi ghi lại kết quả, nên kèm mô hình, đơn vị và giả định để bảng số không bị tách khỏi bối cảnh.
Khảo sát giả định cho vi khuẩn, động vật và dân số
Với nuôi cấy vi khuẩn, hàm mũ có thể minh họa một giai đoạn tăng trưởng phù hợp trong điều kiện giả định. Tuy nhiên, kịch bản vi khuẩn có sẵn không phải bộ thông số chuẩn cho E. Coli. Muốn áp dụng cho một môi trường nuôi cụ thể cần thông tin thực nghiệm về điều kiện và giai đoạn đang xét.
Trong sinh thái động vật, logistic giúp đặt câu hỏi về tác động của sức chứa cố định. Nó không tự mô phỏng đầy đủ cạnh tranh giữa loài, dịch bệnh hay mùa vụ. Với tăng trưởng quần thể người, công cụ cho phép khảo sát tỷ lệ ròng giả định có tính di cư, nhưng không phân tích cơ cấu tuổi hoặc sự thay đổi hành vi sinh sản. Vì vậy, kết quả không thay thế dự báo dân số chính thức. Nếu cần tính tần số alen trong quần thể ở trạng thái cân bằng, bạn có thể dùng máy tính cân bằng quần thể Hardy-Weinberg.
Giới hạn và những trường hợp cần diễn giải thận trọng
Giả định mô hình không thay thế dữ liệu thực tế
Trong một lần tính, r và K được giữ cố định. Công cụ không nhận chuỗi quan sát để hiệu chỉnh tham số, không ước lượng khoảng tin cậy và không đưa biến động ngẫu nhiên vào kết quả. Đường biểu diễn trơn không có nghĩa tương lai đã được xác định chắc chắn; nó chỉ thể hiện công thức với các giả định đã chọn.
Ngoài tự nhiên, nguồn thức ăn, thời tiết, di cư và khả năng sinh sản có thể thay đổi. Khoảng khảo sát càng dài, giả định cố định càng cần được cân nhắc. Công cụ cũng không đủ để kết luận về lưu trữ, theo dõi hay truyền dữ liệu của toàn bộ website.
Các chỉ số và trường hợp biên dễ bị hiểu sai
Thời gian gấp đôi hoặc giảm nửa hiển thị không phải công thức đạt ngưỡng tổng quát cho logistic. Nếu bắt đầu dưới K với r dương mà mục tiêu gấp đôi vượt K, quần thể theo mô hình không thể đạt mục tiêu ấy. Tương tự, nhận định tốc độ tăng cực đại tại K/2 cần r dương; khi r âm, không nên gọi rK/4 là mức tăng dương cực đại.
Một số tổ hợp bất thường, đặc biệt r âm đi cùng N₀ lớn hơn K, có thể dẫn đến mẫu số bằng 0 hoặc quy mô âm. R hoặc quy mô quá lớn cũng có thể gây tràn số. Thông báo vượt giới hạn hiển thị hay biểu đồ không còn hợp lý trong các trường hợp này không phải bằng chứng về hiện tượng sinh thái.
Cuối cùng, kết quả làm tròn bằng 0 không chứng minh quần thể đã tuyệt chủng. Mô hình liên tục và cách hiển thị số không mô tả trực tiếp từng sự kiện sinh, tử của các cá thể riêng lẻ.
Câu hỏi thường gặp
Vì sao nhập r = 15% nhưng quần thể không tăng đúng 15% sau một kỳ?
Vì công cụ hiểu 15% là cách biểu diễn tham số tăng trưởng liên tục r = 0,15, không phải tỷ lệ tăng rời rạc sau một kỳ. Với hàm mũ, quy mô được nhân với exp(0,15), nên mức tăng khoảng 16,18%. Nếu bài toán ban đầu nói rõ “mỗi năm tăng đúng 15% so với năm trước”, cần phân biệt dữ kiện ấy với r liên tục. Trong logistic, mức thay đổi còn chịu ảnh hưởng của quy mô so với K, nên càng không thể đọc r thành phần trăm tăng thực tế cố định.
Các ô tỷ lệ sinh, tử, nhập cư và xuất cư có nhập trực tiếp phần trăm được không?
Không nên nhập trực tiếp số 20 để chỉ 20% trong các ô phụ này; cần nhập dạng hệ số 0,20. Bộ chọn hệ số hoặc phần trăm áp dụng cho ô r, không tạo lựa chọn phần trăm riêng cho từng thành phần. Bốn tỷ lệ cũng phải cùng kỳ, chẳng hạn đều tính mỗi năm. Khi thay đổi một tỷ lệ trong mục tính tốc độ, tốc độ được tính lại từ các số đang có, vì vậy giá trị tốc độ nhập trước đó có thể thay đổi theo hiệu ròng của sinh, tử và di cư.
Vì sao thẻ logistic không hiển thị thời gian gấp đôi?
Vì thời gian gấp đôi ln(2)/r chỉ đúng cho hàm mũ, trong khi tốc độ logistic còn chứa thành phần phụ thuộc N/K nên thẻ logistic hiển thị thời gian đạt K/2 thay cho thời gian gấp đôi. Thời gian đạt hai lần quy mô ban đầu còn liên quan N₀ và K; đặc biệt, nếu bắt đầu dưới sức chứa với r dương và hai lần N₀ vượt K, mục tiêu gấp đôi không đạt được trong mô hình.
Nhập N₀ lớn hơn K có phải luôn là dữ liệu sai không?
Không nhất thiết. Nó có thể biểu diễn giả định quần thể ban đầu đang cao hơn mức môi trường duy trì lâu dài. Công cụ không bắt buộc N₀ phải thấp hơn hoặc bằng K. Với logistic và r dương, quy mô khi ấy đi xuống về K, nên việc đường cong giảm không tự động cho thấy nhập nhầm dấu r. Tuy nhiên, cần có lý do sinh thái cho giả định này; một số kết hợp khác, như r âm cùng N₀ lớn hơn K, có thể cho kết quả ngoài ý nghĩa số cá thể.
Vì sao số trên thẻ kết quả, trong bảng và trong CSV khác nhau ở phần thập phân?
Nguyên nhân thông thường là các nơi dùng mức làm tròn khác nhau. Thẻ chính ưu tiên số nguyên; bảng trình bày quy mô và mức tăng với một chữ số thập phân; CSV giữ hai chữ số cho các đại lượng. Phép tính từng mốc không dựa vào số đã làm tròn trên màn hình. Vì vậy, nếu cộng các ΔN đang nhìn thấy, tổng có thể lệch nhẹ so với chênh lệch tổng được hiển thị. Sai khác nhỏ do trình bày cần được phân biệt với sai đơn vị hoặc nhập nhầm thông số.
Có thể dùng kịch bản mẫu để dự báo chính xác E. Coli hoặc dân số người không?
Không. Kịch bản mẫu cung cấp bộ thông số minh họa, không có căn cứ coi đó là dữ liệu thực nghiệm phù hợp cho mọi chủng E. Coli hoặc mọi cộng đồng dân cư. Vi khuẩn phụ thuộc điều kiện nuôi và giai đoạn sinh trưởng; dân số người còn liên quan tuổi, sinh sản, tử vong và di cư thay đổi theo thời gian. Công cụ hữu ích để hỏi “nếu các tham số này giữ nguyên thì sao”, nhưng muốn dự báo đáng tin cần dữ liệu phù hợp và đánh giá mô hình ngoài những gì bộ mẫu cung cấp.
Vì sao chọn 500 thời kỳ lại nhận được 501 mốc dữ liệu?
Vì bảng tính cả thời điểm ban đầu t = 0, rồi mới đến các mốc 1, 2 và tiếp tục đến 500. Như vậy có 500 khoảng thời gian nhưng 501 thời điểm được ghi nhận. Hàng đầu tiên giúp kiểm tra quy mô xuất phát và có ΔN bằng 0 vì chưa có khoảng trước đó để so sánh. Giới hạn 500 áp dụng cho số thời kỳ cuối cùng trong phép tính, không có nghĩa bỏ mốc ban đầu để chỉ giữ đúng 500 hàng dữ liệu. Mọi phép tính trên đều chạy miễn phí ngay trên công cụ online, không cần cài đặt thêm.
Tài liệu tham khảo
- Logistic function — Wikipedia. Đường cong chữ S với sức chứa L là giới hạn trên; đạo hàm f(1 − f) tương ứng dN/dt = rN(1 − N/K); tốc độ tăng cực đại tại điểm giữa K/2.
- Doubling time — Wikipedia. Thời gian gấp đôi của tăng trưởng hàm mũ được tính bằng ln(2) chia cho tốc độ tăng trưởng; khái niệm đối ngẫu với thời gian giảm một nửa khi tốc độ âm.
- Exponential Solution — Biology LibreTexts (Lehman, Loberg và Clark, Quantitative Ecology). Mô hình hàm mũ N(t) = N₀e^(rt) và thời gian gấp đôi τ = ln(2)/r, không phụ thuộc quy mô ban đầu.
- Mã nguồn Máy Tính Tăng Trưởng Quần Thể (population-growth-v2) trên congcuviet.com. Đối chiếu hành vi đã triển khai: công thức hàm mũ liên tục và rời rạc (1 + g)^t, logistic với nhánh N₀ = 0, thời gian là số nguyên 1–500, bảng tính cả mốc 0, thẻ chính làm tròn số nguyên, bảng giữ một chữ số thập phân, CSV bốn cột giữ hai chữ số thập phân và có ký tự BOM; thẻ tốc độ cực đại rK/4 chỉ hiển thị khi r dương, chế độ rời rạc hiển thị mức tăng kỳ cuối ΔN thay cho dN/dt.
