La calculadora del teorema del valor marginal da el tiempo óptimo de permanencia en un parche, la mejor tasa de ganancia a largo plazo y el coste de quedarse demasiado o de marcharse demasiado pronto para un forrajeador que se desplaza entre parches, a partir de la ganancia máxima, del tiempo para obtener la mitad y del tiempo de desplazamiento.
Cómo se hace el cálculo
- Introduce la ganancia máxima G y el tiempo para obtener la mitad h.
- Introduce el tiempo de desplazamiento entre parches y un tiempo de permanencia con el que comparar.
- Consulta el tiempo óptimo, la mejor tasa y la pérdida.
Ejemplo
Con una ganancia de parche de 100 kJ, un tiempo de media ganancia de 5 min y un tiempo de desplazamiento de 10 min, el forrajeador debe marcharse tras 7,071 min, tomando el 58,6 % de la ganancia del parche, es decir, 58,579 kJ. La mejor tasa es de 3,4315 kJ/min, igual a la tasa instantánea al marcharse, 3,4315 kJ/min. Quedarse 15 min da 3,0000 kJ/min, es decir, el 87,4 % de la mejor tasa.
Por qué es útil
La calculadora ayuda a estudiantes e investigadores de ecología del comportamiento, ornitólogos, naturalistas y a todos los que estudian la detención óptima en tareas de búsqueda como la recolección de bayas, los puntos de pesca o el pastoreo, y quieren comprobar cuánto tiempo quedarse en una fuente antes de volver a marcharse.
Conviene saber
La fórmula utiliza una curva de ganancia de la forma G·t / (t + h), donde la ganancia sube rápido y luego se ralentiza. Otras curvas dan otros tiempos óptimos, así que elige el modelo según el parche. Los tiempos están en minutos y las ganancias en kilojulios, pero sirven todas las unidades si se utilizan de forma coherente. El teorema supone parches idénticos, ningún riesgo y un forrajeador con conocimiento perfecto. Los animales reales utilizan indicios ruidosos y suelen quedarse algo más de lo previsto.
Herramientas relacionadas
La calculadora de respuesta funcional de Holling modela el consumo según la densidad, la de Michaelis-Menten tiene la misma forma saturante, la del crecimiento logístico modela una población y la de Lotka-Volterra modela presas y depredadores.