Dynamische modellen VWO - betavak-nlt.nl · verandert. In deze module maak je kennis met enkele...

Versie 1.4 februari 2012 Werkgroep Dynamische Modellen Gecertificeerde NLT module voor vwo

Dynamische modellen VWO Een lesmodule voor Wiskunde en Natuur, Leven & Technologie Ook geschikt als startmodule voor modelleren bij natuurkunde en/of biologie

2

Colofon

De module Dynamisch Modelleren is bestemd voor de lessen Natuur, Leven en Technologie (NLT). De module is op 11 oktober 2007 gecertificeerd door de Stuurgroep NLT voor gebruik op het vwo in domein B (Fundament van wetenschap en technologie). Het certificeringsnummer van de module is 1102-008-VB. De originele gecertificeerde module is in pdf-formaat downloadbaar via ► http://www.betavak-nlt.nl. Op deze website staat uitgelegd welke aanpassingen docenten aan de module mogen maken, voor gebruik in de les, zonder daardoor de certificering teniet te doen. Deze module is ontwikkeld door Kees Hooyman (auteur, docent Bonifatius College, Utrecht) Elwin Savelsbergh (adviseur, vakgroep Modelleren bètafaculteit

UU) Alice Veldkamp (redacteur) Aangepaste versies van deze module mogen alleen verspreid worden, indien in dit colofon vermeld wordt dat het een aangepaste versie betreft, onder vermelding van de naam van de auteur van de wijzigingen. Versie 1.2 bevat tov versie 1.1 de volgende wijzigingen: toegevoegde figuren: 5.16 blz 110 en 5.39 blz 129 Versie 1.3 is aangepast voor gebruik met Coach ipv Powersim Versie 1.4 een aantal spelfouten en andere kleine verbeterpunten zijn doorgevoerd. Bij het ontwikkelen van de module is dankbaar gebruik gemaakt van het werk van Paul Drijvers en Carel van de Giessen. Voor bronvermeldingen en copyrights: zie docentenhandleiding Materialen die leerlingen nodig hebben bij deze module zijn beschikbaar via het vaklokaal NLT: ►http://www.digischool.nl/nlt Materialen die leerlingen nodig hebben bij deze module zijn beschikbaar via het vaklokaal NLT: ►http://www.vaklokaal-nlt.nl/. Op dit vaklokaal staat ook de meest recente versie van de URL-lijst. © 2010. Versie 1.4 Het auteursrecht op de module berust bij SLO (nationaal expertisecentrum leerplanontwikkeling). SLO is derhalve de rechthebbende zoals bedoeld in de hieronder vermelde creative commons licentie. De auteurs hebben bij de ontwikkeling van de module gebruik gemaakt van materiaal van derden en daarvoor toestemming verkregen. Bij het achterhalen en voldoen van de rechten op teksten, illustraties, enz. is de grootst mogelijke zorgvuldigheid betracht. Mochten er desondanks personen of instanties zijn die rechten menen te kunnen doen gelden op tekstgedeeltes, illustraties, enz. van een module, dan worden zij verzocht zich in verbinding te stellen met SLO.

3

De module is met zorg samengesteld en getest. Landelijk Ontwikkelpunt NLT, Stuurgroep NLT, SLO en auteurs aanvaarden geen enkele aansprakelijkheid voor onjuistheden en/of onvolledigheden in de module. Ook aanvaarden Landelijk Ontwikkelpunt NLT, Stuurgroep NLT, SLO en auteurs geen enkele aansprakelijkheid voor enige schade, voortkomend uit (het gebruik van) deze module. Voor deze module geldt een Creative Commons Naamsvermelding-Niet-commercieel-Gelijk delen 3.0 Nederland Licentie ►http://creativecommons.org/licenses/by-nc-sa/3.0/nl Bij gebruik van de module of delen van de module dient bij de naamsvermelding te worden vermeld:

dat het gaat om een gecertificeerde NLT module;

de licentiehouder, zoals vermeld in dit colofon;

de titel van de module, zoals vermeld in dit colofon;

de instellingen die de module ontwikkeld hebben, zoals vermeld in dit colofon.

Foto voorpagina: La condition Humaine1935, René Magritte

4

Wat gaan we doen? Beste leerlingen, Bij vrijwel al het wetenschappelijk onderzoek wordt gebruik gemaakt van computermodellen. In veel gevallen zijn dat dynamische modellen. Dit zijn modellen waarbij een situatie in de loop van de tijd verandert. In deze module maak je kennis met enkele eenvoudige modellen en leer je om zelf modellen te bouwen. Daarbij komt natuurlijk ook aan bod hoe die modellen werken. Daarbij blijkt de wiskunde een belangrijke rol te spelen. Opbouw van de module Hieronder een kort overzicht van de inhoud van de hoofdstukken.

1. Een eenvoudig model – Kennismaking met modellen en dynamische modellen. Met een eenvoudig model simuleer je met een griepepidemie. Na enkele rondes testen, evalueren en aanpassen blijkt zo’n eenvoudig model een griepepidemie redelijk na te bootsen.

2. Hoe werkt een model? – Hierbij wordt gekeken naar de manier waarop de computer de berekeningen uitvoert en de manier waarop de verschillende variabelen invloed op elkaar hebben.

3. Zelf modellen bouwen – Hier leer je hoe je zelf ingewikkelder modellen bouwen, testen en verbeteren.

4. De wiskunde in een model – Om een model te bouwen is natuurlijk wat wiskunde nodig, maar ook in de resultaten van het model valt veel wiskunde te ontdekken.

5. Toepassingen – Twee belangrijke gebieden waar modellen gebruikt worden zijn allerlei bewegingen (denk aan sport en verkeer) en populatiedynamica (denk aan het voorspellen van bevolkingsgroei of het uitsterven van diersoorten).

Werkwijze tijdens de module Bij een groot gedeelte van de opdrachten in een computer nodig. Daarbij wordt meestal in tweetallen gewerkt. Op sommige plaatsen bestaat de mogelijkheid van differentiatie of keuzeopdrachten. Na hoofdstuk 3 en/of 4 is er een (voortgangs)toets. Hoofdstuk 5 bestaat uit keuzeopdrachten die als een praktische opdracht gebruikt kunnen worden. Leerdoelen Het beschrijven van een realistische/natuurwetenschappelijk verschijnsel met behulp van een rekenen/of computermodel. Daarbij leer je:

1. Problemen te herkennen die opgelost kunnen worden met behulp van een computermodel 2. Verschijnselen te modelleren in termen van toestandsvariabelen, stroomvariabelen,

rekengrootheden en beïnvloedingsrelaties. 3. Modellen te schetsen en te bouwen in de modelleeromgeving Coach. 4. De gekozen modelvariabelen en -relaties in te vullen met waarden en formules 5. Het model door te rekenen en de juiste instellingen (tijdstap) te kiezen om bruikbare

modeluitkomsten te krijgen 6. De uitkomsten te interpreteren en het model te testen door vergelijking met de werkelijkheid.

(Om daarna eventueel het model te verbeteren en verder te gaan bij 2.) 7. De beïnvloedingsrelaties binnen een model te beschrijven als een recursieve betrekking en

daarbij de tijdstap te betrekken. 8. De invloed van modelvariabelen op het resultaat te verklaren aan de hand van de

beïnvloedingsrelaties. 9. De invloed van terugkoppeling op het proces te herkennen en te beschrijven.

5

10. De begrippen helling en oppervlakte te gebruiken om de relatie tussen de grafieken van de toestandsvariabelen en de stroomvariabelen te beschrijven.

11. Met behulp van differentiaalrekening het modelgedrag te verklaren en voorspellen aan de hand van de modelrelaties.

12. De beïnvloedingsrelaties binnen een model te schrijven als een differentiaalvergelijking. 13. Bij een proces van continue en evenredige groei de differentiaalvergelijking te gebruiken om

een exacte oplossing te vinden. 14. Een algemeen model voor bewegingen te gebruiken om verschillende situaties te modelleren.

Ook krijg je zicht op de vele studies en beroepen waarin wordt ‘gemodelleerd’. Meer informatie over modelleren in studie en beroep, kun je vinden op: http://www.cdbeta.uu.nl/vo/modelleren/leerling/vervolgopleiding.php Bij deze module hoort ook digitaal lesmateriaal. Vraag je docent waar deze voor jou ter beschikking staat. Noteer dat hier Voorkennis In deze module wordt de volgende kennis bekend verondersteld:

- Verbanden en formules kunnen interpreteren als evenredigheid (of omgekeerd evenredigheid) en omgekeerd een eenvoudige relatie kunnen beschrijven als een formule

- Basiskennis over kwadratische en exponentiële verbanden. - De afgeleide van een functie bepalen en de betekenis van de afgeleide als

veranderingsgetal.toepassen. - Eenvoudig gebruik van Excel - Keuzeopdrachten mechanica: kracht, versnelling, snelheid, grafieken, (lucht)weerstand. (om

de ontbrekende voorkennis bij te werken: zie bijlage 1) - Bij de keuzeopdrachten populatiedynamica wordt de benodigde voorkennis in de opdracht zelf

beschreven. Voor leerlingen die geen biologie in hun vakkenpakket hebben, is op de laatste bladzijde een verklarende woordenlijst met biologische begrippen opgenomen.

Succes en plezier met deze module, De auteurs

6

INHOUDSOPGAVE

Hoofdstuk 1 Kennismaken met dynamische modellen 1.1 Wat is een dynamisch model? 7 1.2 Model voor een griepepidemie 14 1.3 Het model verbeteren 19 1.4 Griep met een modelleerprogramma 23 1.5 Een realistischer griepmodel 29

Hoofdstuk 2 De toestand en de verandering 2.1 Hoe rekent het model? 34 2.2 Herhaald optellen; rekenen volgens recept 39 2.3 Grafiek van toestand en verandering 44

Hoofdstuk 3 Modellen bouwen in een systeemdynamische modelleertaal

3.1 Waterstromen als voorbeeld 51 3.2 Meer doen met waterstromen 59 3.3 De toestand en de verandering 64

Hoofdstuk 4 De wiskunde in een model

4.1 Tijdstap, helling en oppervlakte 70 4.2 De helling en de afgeleide 76 4.3 Het gedrag voorspellen 81 4.4 Differentiaalvergelijkingen 89 4.5 Differentiaalvergelijkingen oplossen 96

Hoofdstuk 5 Toepassingen van dynamische modellen 5.1 Modelleren in studie en beroep 104 5.2 Een beweging onderzoeken 106 5.3 Een algemeen model voor bewegingen 115 5.4 Keuze-opdrachten bij bewegingen 122 5.5 Bevolkingsgroei in Noordwijkerhout 133 5.6 Biologen en modelleren 139 5.7 De vrije val van de lemming 156

Bijlage I Herhaling van de theorie van bewegingen 159 Bijlage II Verklarende woordenlijst biologische begrippen 161 Bijlage III Overzicht knoppen op de taakbalk Coach 163

7

Hoofdstuk 1 Kennismaken met modellen 1.1 Wat is een dynamisch model?

Wat gaan we doen? Deze module gaat over dynamische modellen. Met name over dynamische modellen waarbij de computer gebruikt wordt om berekeningen aan het model uit te voeren en om met het model voorspellingen te kunnen doen.

In hoofdstuk 1 wordt in drie stapjes een model opgebouwd om een griepepidemie te voorspellen. Het is een voorbeeld van de manier waarop modellen gebouwd, getest en verbeterd worden.

In de eerste paragraaf zijn de centrale vragen:

Wat is een dynamisch model?

Welke gegevens heb je nodig om een model voor een griepepidemie te bouwen?

Inleiding Wetenschappers werken aan vragen zoals:

Zijn hersenen van jongeren geschikt voor planningstaken? Is te voorspellen hoe het nieuwe vogelgriepvirus eruit zal zien? En of deze variant voor mensen gevaarlijk is?

De wetenschap probeert verschijnselen te beschrijven, te verklaren en te voorspellen. Het beschrijven van verschijnselen krijgt vaak de vorm van regels of wetten. Voorbeelden van dergelijke wetten zijn de wetten van Newton voor kracht en beweging. Deze wetten zijn bruikbaar om vrij eenvoudige situaties direct te verklaren. Maar in meer ingewikkelde situaties wordt dat lastiger. Dan gebruikt men modellen als hulpmiddel. Modellen zijn hulpmiddelen om de processen in de wereld om je heen en ook de wereld in jezelf te leren begrijpen.

Figuur 1.1 – Een schaalmodel van een havenmonding.

Schaalmodellen en rekenmodellen Bij de modellen in figuur 1.1 en 1.2 gaat het om schaalmodellen; verkleinde ‘kopieën’ van de werkelijkheid. Met zulke schaalmodellen is het stromingspatroon van het water bij een nieuw aan te leggen havenmonding te voorspellen, of de krachten op een nieuw type vliegtuig. Onderzoek aan zo’n

8

schaalmodel kan leiden tot verbeteringen in het ontwerp. Voor het testen van zo’n verbeterd ontwerp is dan weer een nieuw schaalmodel nodig. In de praktijk worden de schaalmodellen steeds vaker vervangen door rekenmodellen. Het schaalmodel wordt dan als het ware virtueel in de computer gebouwd. Daardoor is zo’n schaalmodel vrij gemakkelijk te wijzigen, en is snel na te gaan welk effect die wijziging heeft. Deze rekenmodellen beschrijven vooral verschijnselen waarbij grootheden in de tijd veranderen en/of elkaar beïnvloeden. In deze rekenmodellen wordt gebruik gemaakt van bekende wetten en van gegevens die in het verleden verzameld zijn. De berekeningen die hiermee worden uitgevoerd zijn vaak ingewikkeld. Bovendien gaat het meestal om een zeer groot aantal berekeningen. Door het gebruik van computers zijn rekenmodellen veel realistischer geworden. Ontwerpers willen computers verbeteren door ze informatie te laten verwerken zoals hersenen dat doen. Hersenmodellen zijn hiervoor helaas nog niet gedetailleerd genoeg.

Natuurwetenschappelijk model Een model in de natuurwetenschap is een hulpmiddel bij het beschrijven, verklaren en voorspellen van natuurverschijnselen.

1 Ga bij elk van de onderstaande modellen na of het een wetenschappelijk model is.

.

I. Model werking lichaam van Galenus II. Model baby Triceratops (2007)

(129-199 na Chr )

III. Model ideale vrouw (2006). IV. Model DNA –molecuul (1954)

De robot reageert op 1000 commando’s

Figuur 1.2 – Een schaalmodel van een vliegtuig in een windtunnel.

9

Dynamische modellen En dan nu de weersverwachting voor morgen, overwegend zonnig…..’’ Bij het maken van voorspellingen voor de toekomst wordt vaak gebruik gemaakt van dynamische modellen. Het woord dynamisch geeft aan dat het gaat om veranderingsprocessen. Bij een dergelijk proces hebben meer factoren invloed op de veranderingen in de bestaande situatie. Die factoren zijn bovendien vaak zelf niet constant.

Neerslagradar Een vrij eenvoudig voorbeeld van het maken van een voorspelling met behulp van een model, is de neerslagradar. Deze is op internet te vinden op www.buienradar.nl.

Figuur 1.3 – Beelden van de buienradar van 10.25, 10.55 en 12.45 uur

2 De beelden laten eerst de neerslag van het afgelopen uur zien, met een tijdstap van 5 minuten. Daarna verschijnt een prognose van de neerslag voor het komende anderhalf uur met een tijdstap van 15 minuten. a. Bekijk de beelden van de neerslagradar op internet. Welk verschil zie je

tussen de beelden van de metingen en de beelden van de prognose?

De buien in de prognose veranderen niet meer van vorm, ze bewegen alleen nog over het scherm. b. Welk gegeven gebruikt de computer om de prognose op te stellen?

In figuur 1.4 wordt de weerssituatie beschreven door verschillende variabelen zoals de temperatuur en de windsnelheid op verschillende plaatsen. c. Noem twee andere variabelen die de beginsituatie bepalen.

De weerssituatie kan veranderen door bijvoorbeeld aanvoer van warme of koude lucht. d. Noem twee andere factoren die invloed kunnen hebben op de verandering

van de weerssituatie.

De huidige computers kunnen het weer voor zeven dagen voorspellen, maar door de vele variabelen zit er altijd een onnauwkeurigheid in de voorspelling.

Figuur 1.4 – De weerssituatie wordt beschreven door verschillende variabelen.

10

Dynamische modellen Een dynamisch model beschrijft hoe een bepaalde situatie verandert in de loop van de tijd. Het model wordt vaak gebruikt om te voorspellen hoe de variabelen die de situatie beschrijven in de loop van de tijd veranderen. Op allerlei terreinen wordt gebruik gemaakt van dynamische modellen en computersimulaties. Een nadeel van computermodellen is, net als bij alle andere modellen, dat het nooit een exacte weergave van de situatie is. De plaatjes uit de computer lijken heel nauwkeurig, maar schijn bedriegt …….

De jaarlijkse griepgolf: een dynamisch model in praktijk Afgelopen winter werd in een gerespecteerd tijdschrift het volgende advies gegeven:

‘Alle docenten met een mondkapje voor de klas bij dreiging van een griepepidemie!’

Helpt zo’n maatregel effectief tegen verspreiding? Hoe verloopt een epidemie eigenlijk? Welke factoren spelen een rol? Dynamische modellen worden gebruikt om dit soort vragen te beantwoorden. De overheid gebruikt ze om te voorspellen hoe de jaarlijkse griepgolf verloopt. Jaarlijks overlijden er in Nederland namelijk 500 – 1000 mensen aan het griepvirus. De overheid wil in een vroeg stadium weten hoe ernstig de situatie kan worden, zodat er nog maatregelen genomen kunnen worden. Opdracht: bouw een griepmodel In dit hoofdstuk ontwikkel je een computermodel dat een realistische voorspelling doet voor het verloop van een griepgolf. Na een oriëntatie op het verschijnsel ‘griep’ wordt een zeer eenvoudig model gebouwd. Het model wordt steeds getest en verbeterd totdat een realistisch model ontstaat.

3 Welke vragen wil je beantwoord hebben voordat je een model van griep kunt bouwen? Noteer een aantal vragen.

Oriëntatie op de ziekte griep en het griepvirus Je model is een vereenvoudigde beschrijving van de werkelijkheid, die je kunt gebruiken voor het maken van een voorspelling. Het bouwen van een computermodel begint dan ook meestal met een oriëntatie op het verschijnsel, in dit geval ‘griep’. Markeer in de teksten op de volgende pagina de informatie die je nodig hebt voor je model.

Fig 1.6 Elektronenmicroscopische foto griepvirus. Daarnaast een model van het griepvirus

Figuur 1.5 - Kamagurka,

De Volkskrant 1 juni 2006

11

Van griepgolf tot epidemie Elk jaar komt de griep in grotere of kleinere golven, treft sommigen wel en anderen niet. Gemiddeld krijgt ongeveer 10% van de mensen jaarlijks griep. In Nederland wordt het verloop van de griep de laatste jaren bijgehouden via internet. Op de website www.degrotegriepmeting.nl vind je gegevens over de griep in Nederland. De onderstaande grafiek laat zien hoe de griepgolf uit het seizoen 2004-2005 verliep. Het hoogste punt in de grafiek noemt men de ‘piek’ .

Figuur 1.7 – De griepgolf van het seizoen 2004-2005 ‘ Hij heeft een griepje’. Het klinkt onschuldig. Griep kan levensgevaarlijk zijn. Een variant van het griepvirus heeft in het begin van de vorige eeuw 30- 40 miljoen slachtoffers geëist. Meer slachtoffers dan in WOI. Er wordt gesproken van een epidemie wanneer het aantal gevallen van griep in een bepaald gebied gedurende een bepaalde periode veel hoger is dan gebruikelijk. Voor Nederland is dat bij een aantal van meer dan 6 per 10.000 inwoners. Buiten een griepepidemie hebben er gemiddeld 3 op de 10.000 mensen griep in Nederland. Een pandemie, zoals de Spaanse griep van 1918-1920, is niets meer dan een epidemie die zich afspeelt in een groot gebied. Maar wat is groot? Enkele landen samen? Een heel werelddeel? Meer werelddelen? Pandemie is dus een wat vage term voor een fikse epidemie.

Mogelijke maatregelen Er zijn antivirale middelen op doktersrecept te krijgen. Ze worden maar weinig gebruikt. Het werkt vaak maar bij één type griepvirus. Met welke typen virus je besmet bent, is met het blote oog niet te zien. Dit laten onderzoeken duurt te lang. De middelen moeten namelijk binnen 24-48 uur na de eerste ziekteverschijnselen ingenomen worden. Alleen dan verkorten ze de ziekte met (gemiddeld) 1 dag. Sommige mensen, bijvoorbeeld ouderen, krijgen jaarlijks een oproep voor de ‘griepprik’. Dit is een vaccin dat ingespoten wordt. Het werkt na ongeveer 10 dagen. Kortom, voorkomen is beter dan genezen!

4 De overheid wil in een vroeg stadium een voorspelling hebben van het verloop van een griepepidemie. a. Geef twee redenen waarom de overheid bijtijds een voorspelling wil hebben.

200 40 60 80 100 120 dag

piek op 10 februari 2005 2,6% heeft de griep

Figuur 1.8 - Tijdens de GroteGriepMeting wordt via internet bijgehouden hoeveel procent van de deelnemers verkouden is of de griep heeft.

12

Een voorspelling van het verloop van een griepepidemie zal verschillende gegevens opleveren. b. Noem twee gegevens waarin de overheid geïnteresseerd zal zijn.

Griepgegevens verzamelen De overheid kan pas een voorspelling laten maken als er voldoende gegevens zijn verzameld over de situatie aan het begin van het griepseizoen. Die griepgegevens komen uit verschillende landen en gaan over vragen zoals:

I. Welke type griepvirussen zijn er gesignaleerd? II. Hoe snel verandert het virus?

(Oftewel hoe snel veranderen de antigenen?) III. Hoe besmettelijk zijn de virussen? IV. Welk deel van de bevolking is het meest vatbaar voor de ziekte? V. Op welke plaatsen is het virus gesignaleerd?

VI. Hoeveel personen zijn er met het virus besmet? VII. Hoe groot is de kans dat een persoon die ziek is, overlijdt aan de griep?

5 Bij het begin van een griepgolf worden verschillende gegevens over de

bevolking verzameld. a. Welke van de bovenstaande griepgegevens hebben betrekking op de

beginsituatie van de bevolking? Noteer de nummers.

Bij de beginsituatie horen ook enkele eigenschappen van het virus, die tijdens de griepepidemie meestal niet veranderen. b. Welke van de bovenstaande griepgegevens hebben betrekking op de

beginsituatie met betrekking tot het virus? Noteer de nummers.

Grafiek van een griepgolf Het model moet voorspellen hoe snel het aantal zieken verandert. Het aantal zieke personen verandert in de loop van de tijd. In figuur 1.9 zie je de griepgolf van het seizoen 2004-2005. Kenmerkend voor een griepgolf is dat de grafiek eerst langzaam en daarna steeds sneller stijgt.

Figuur 1.9 - Bij een griepepidemie neemt het aantal zieken steeds sneller toe.

13

6 De grafiek van een griepgolf heeft een karakteristieke vorm; zie fig.1.9. a. Beschrijf en verklaar de vorm van de grafiek. Gebruik de begrippen

besmettingen en zieken.

Voor een voorspelling berekent het computermodel hoe de situatie verandert. b. Welke van de griepgegevens hebben invloed op de snelheid waarmee het

aantal zieke personen verandert?

Tijdstap Bij een computermodel hoort ook een tijdstap. Dat is vaak de periode waarover de computer de verandering moet berekenen, uitgaande van de beginsituatie en het tempo van verandering. De computer berekent telkens opnieuw hoe de situatie zal zijn één tijdstap later. De tijdstap wordt door de bouwers van het model zo gekozen dat het past bij het onderwerp.

7 Bij een dynamisch model van een griepepidemie is een tijdstap van een maand niet handig omdat er binnen één tijdstap erg veel kan veranderen in de situatie. Een tijdstap van een seconde of een minuut zou het model erg nauwkeurig maken, maar daar kleeft een ander nadeel aan. a. Welk nadeel kleeft er aan een te kleine tijdstap in je griepmodel?

b. En welk nadeel aan een te grote?

c. Welke tijdstap is voor je griepmodel een logische keuze? Licht kort toe.

Leerdoelen

Wat heb je nu geleerd? Na deze paragraaf moet je een antwoord kunnen geven op de volgende vragen:

Wat is een dynamisch model?

Welke twee soorten gegevens heb je nodig om een dynamisch model te bouwen?

14

Kennismaken met modellen 1.2 Een model voor een griepepidemie

Wat gaan we doen? Met enkele gegevens over de griep kan een eerste model voor het verloop van de epidemie gebouwd worden. Dit eenvoudige model laat ook zien op welke manier het rekenwerk in een model loopt.


Hoe kan een eenvoudig model voor de griep gebouwd worden?

Op welke manier rekent het model?

Een simpel griepmodel Het bouwen van een model begint meestal met een zeer simpel model dat het basisprincipe weergeeft. Dat model wordt vervolgens net zolang verbeterd totdat de resultaten van het model redelijk overeen komen met de werkelijke resultaten uit het verleden. Dat biedt overigens nog niet de garantie dat het model goede voorspellingen voor de toekomst kan maken. Bij griep kan het basisprincipe als volgt beschreven worden: je bent gezond, je wordt ziek, je wordt beter en dan ben je, voor korte of langere termijn, immuun voor de ziekte. Dat proces is hieronder in beeld gebracht met behulp van een zogenaamd stroomschema.

Figuur 1.10 – Een simpel griepmodel De aantallen in de mandjes stellen de gezonde, zieke en immune mensen voor. De beginsituatie gaat uit van 990 gezonde mensen en 10 zieke mensen. Er is nog niemand immuun.

beginsituatie

gezond

990

ziek

10

immuun

0

gezond

980

ziek

18

immuun

2

gezond

ziek immuun

gezond

ziek immuun

na 1 dag

na 2 dagen

na 3 dagen

elke dag worden 10 mensen ziek elke dag geneest 20% van de zieken

15

Veranderingen Een dynamisch model wordt beschreven door de veranderingen vanuit de beginsituatie. De pijlen in het schema geven deze veranderingen aan. In deze situatie beginnen we met een heel simpele aanname: - elke dag worden er 10 mensen ziek - van de zieke mensen geneest elke dag 20%

8 Met dit simpele griepmodel valt de situatie op de volgende dagen uit te rekenen. Voor de situatie na 1 dag is het stroomschema deels ingevuld. a. Leg uit dat er na één dag 18 personen ziek zijn.

b. Lees af hoeveel personen na één dag immuun zijn.

c. Bereken voor de situatie na 2 en 3 dagen het aantal personen dat gezond, ziek of immuun is. Reken door met de niet afgeronde getallen. Noteer de afgeronde getallen in het schema (figuur 1.10).

Het verloop van een griepgolf berekenen De berekeningen bij het simpele model voor griep kunnen vrij eenvoudig gedaan worden door een programma als Excel.

Figuur 1.11. Let op: Excel geeft de afgeronde getallen weer, maar rekent door met de niet afgeronde getallen.

9 Bij de kolommen gezond, ziek en immuun zijn op dag 0 de aantallen voor de

beginsituatie ingevuld. De aantallen op de volgende dagen worden berekend met behulp van formules. a. Open het Excel-bestand Simpel griepmodel.

b. Welke inhoud (formule) staat er in cel B6, gezond op dag 1?

Vul de formule in: B6 =

c. Leg uit dat je de formule voor gezond op dag 1 ook kunt lezen als:

gezond(1) = gezond(0) - besmetting

De inhoud van elke cel is zichtbaar in de formulebalk.

16

d. Kopieer de inhoud van gezond op dag 3 naar beneden, naar de andere cellen van de kolom. Gebruik de vulgreep (zie fig. 1.12) of de combinatie Ctrl-C en Ctrl-V. Het model bevat 50 dagen.

De inhoud van elke cel wordt berekend uit de vorige situatie. In de wiskunde wordt zoiets een recursieve betrekking genoemd. e. Noteer de formule voor het aantal gezonde personen op dag n+1 als een

recursieve betrekking

gezond(n+1) =

10 De variabele immuun heeft beginwaarde 0. De variabele neemt toe doordat zieke personen genezen en daarna immuun zijn geworden. a. Welke inhoud staat er in cel D6, voor immuun op dag 1?

D6 = D5 +

b. Schrijf deze formule op dezelfde manier als hierboven:

immuun(1) = immuun(0) + . . . .

c. Kopieer op dezelfde manier de inhoud van ziek op dag 3 naar beneden, naar de andere cellen van de kolom, zie fig.1.12.

d. Kopieer op dezelfde manier de inhoud van immuun op dag 3 naar beneden, naar de andere cellen van de kolom, zie fig.1.12.

Ook hier is sprake van een recursieve betrekking. e. Vul aan:

immuun(n+1) = immuun(n) + . . . .

11 Het aantal zieke personen groeit door besmetting van gezonde personen, maar neemt af door genezing. a. Welke inhoud staat er in cel C6, voor ziek op dag 1?

C6 = C5 +

b. Schrijf deze formule op dezelfde manier als hierboven:

ziek(1) = ziek (0) + . . . .

Ook hier is sprake van een recursieve betrekking. c. Vul aan:

ziek (n+1) =

Fig.1.12 – Met de ‘vulgreep’ kun je een formule snel naar beneden kopiëren. Klik hiervoor de cel aan, pak de rechterhoek vast en sleep deze naar beneden.

17

Werken met het Excel-model 12 Met Excel is het eenvoudig om een grafiek van de resultaten te maken.

Figuur 1.13 – Selecteer de cellen voor de grafiek. Selecteer met de muis alle cellen (A4 t/m D55) waarmee je een grafiek wilt maken. a. Kies onder Invoegen voor Grafiek.

b. Selecteer bij Grafiektype Spreiding.

c. Kies steeds voor Volgende en tot slot Voltooien tot de grafiek op het scherm staat.

d. Bij welke variabele is de grafiek een rechte lijn (vanaf het begin)?

e. Waardoor loopt de grafiek van ziek vanaf een bepaald moment horizontaal? Wat is er dan aan de hand?

f. Waardoor loopt de grafiek van immuun in het begin niet recht?

13 Met het model in Excel kan worden onderzocht wat er verandert als er sprake is van een meer besmettelijke griep of een griep waarbij mensen langer ziek zijn. a. Verander het aantal besmettingen per dag in 20. Wat zie je nu veranderen

aan de tabel en aan de drie grafieken?

b. Verander vervolgens het genezingspercentage in 10%. Welke grafiek verandert niet als het genezingspercentage verandert?

c. Opnieuw zie je dat het aantal zieken na verloop van tijd constant wordt. Bij welk aantal zieken is dit? Licht je antwoord met een berekening toe.

Figuur 1.14 – Kies een spreidingsgrafiek met als subtype een vloeiende lijn door de punten.

18

Model testen en evalueren 14 Hoe realistisch is je griepmodel? Modellen worden getoetst aan de

werkelijkheid. We wachten niet op de volgende griep, maar gebruiken de grafiek van het seizoen 2004-2005; zie figuur 1.15.

Figuur 1.15 – Griepepidemie in Nederland, seizoen 2004-2005. Als je deze grafiek vergelijkt met de grafiek ‘zieken’ in jouw model dan zijn er twee opvallende verschillen te zien. a. Noem deze twee verschillen.

b. Geef een biologische verklaring voor de (bijna) exponentiële stijging in figuur 1.15.

c. Na het hoogtepunt van de griepepidemie is een daling zichtbaar (figuur 1.15). Geef twee biologische oorzaken van deze daling.

De voorspelling van je model is niet realistisch genoeg. Het model is te simpel. Om het model te verbeteren, kunnen een aantal variabelen preciezer beschreven worden.

d. Noem 2 variabelen die je preciezer zou beschrijven om je model betrouwbaarder te krijgen.

Leerdoelen


Hoe kan een eenvoudig model voor de griep gebouwd worden?

Wat is een recursieve betrekking?

Op welke manier berekent een model de toestand in de nieuwe situatie?

19

Kennismaken met modellen 1.3 Het model verbeteren

Wat gaan we doen? Het eerste model is te eenvoudig om een griepgolf na te bootsen. In deze paragraaf wordt het model aangepast door de formules waarmee de veranderingen berekend worden te verbeteren.

In deze paragraaf is de centrale vraag:

Hoe kun je de formules in een model verbeteren?

Genezingsfactor Om het simpele model te verbeteren kijken we als eerste naar de genezing, de stroomvariabele die bepaalt hoe snel het aantal zieke personen afneemt.

15 Het genezingsproces in het model bepaalt hoe snel zieke mensen weer beter worden. In het model is de aanname gemaakt dat elke dag 20% van de zieke mensen geneest en dus immuun geworden is. De genezingsfactor is het deel dat een dag later genezen is . a. Hoe groot is de genezingsfactor? Noteer het antwoord als een decimaal

getal.

b. Hoe lang is iemand dan gemiddeld ziek?

c. Vind je dit een realistische aanname? Gebruik indien nodig de informatie van de website www.griep.nl.

Wat is griep? Griep is een acute infectie van de bovenste luchtwegen (neus, keel, longen) en wordt veroorzaakt door het influenza virus. Griep is waarschijnlijk de meest onderschatte ziekte die er is. Ieder jaar krijgt 5 tot 10% van de Nederlandse bevolking griep; dit zijn dus 1 tot 1,5 miljoen mensen. Het griepvirus ondergaat regelmatig mutaties, veranderingen. De antistoffen die het lichaam het ene jaar aanmaakt tegen het griepvirus, herkennen niet automatisch het virus van het jaar daarop. Hierdoor kan het griepvirus ons afweersysteem steeds opnieuw verrassen en kun je elk jaar opnieuw griep krijgen. Tijd tussen besmetting en begin griepklachten Na het binnenkrijgen van het griepvirus duurt het gewoonlijk 2 – 3 dagen voordat je ziek wordt,. Dit wordt de incubatietijd genoemd. Ondertussen kun je wel, zonder dat je het weet, weer andere mensen besmetten. Volwassenen zijn besmettelijk

vanaf twee dagen voordat de symptomen zich openbaren tot 5 dagen daarna. Hoe lang duurt de griep? Bij griep zijn gezonde mensen al gauw een week ziek. De koorts (38-40 °C) is binnen één dag na het begin van de klachten het hoogst en duurt 1 tot 5 dagen. Als je griep hebt, wil je het liefst gewoon in bed blijven. Griep is zeer besmettelijk Via de lucht, maar ook via direct contact (zoenen, hand geven) of indirect contact (via een deurkruk of telefoon bijvoorbeeld) kun je het griepvirus oplopen. Het inademen van maar drie griepvirussen is al genoeg om zelf besmet te raken. Bijvoorbeeld: Als een vliegtuig met één grieppatiënt 3 uur aan de grond staat met een kapot ventilatiesysteem, dan krijgt 72% van de passagiers in de daaropvolgende dagen griep. Informatie van de site www.griep.nl

Fig.1.16

20

Een beter formule voor besmetting De volgende variabele die we bekijken is ‘ besmetting’ . In het eerste model worden elke dag 10 mensen besmet. Het is niet erg realistisch dat het aantal besmettingen constant is. Een meer realistische aanname is dat elke zieke voor nieuwe besmettingen zorgt. Als er meer zieke mensen zijn, zullen er ook meer mensen besmet worden. De besmettingsfactor geeft weer hoeveel nieuwe besmettingen er per dag en per zieke plaatsvinden (gemiddeld).

16 De recursieve betrekkingen voor de variabel gezond in het model wordt dan:

gezond(n+1) = gezond(n) – ziek(n)×besmettingsfactor

.

Figuur 1.17 – Gedeelte Excel-bestand a. Open het Excel-bestand Verbeterd Griepmodel

b. Noteer in de cellen C6 en D6 de formules voor ziek en immuun op dag 1 in de tabel met behulp van deze recursieve betrekking (de besmettingsfactor $F$5, de genezingsfactor is $F$6). Noteer de formules hieronder.

C6 = D6 =

c. Kopieer de formules voor gezond, ziek en immuun naar de cellen eronder tot dag 100.

17 In dit model spelen de besmettingsfactor en de genezingsfactor een vergelijkbare rol. Met Excel kan de invloed van deze factoren op de epidemie onderzocht worden. De onderstaande grafiek is gemaakt met een besmettingsfactor van 0,25 en een genezingsfactor van 0,20.

Verbeterd Griepmodel

-6000

-4000

-2000

0

2000

4000

6000

0 20 40 60 80 100

tijd in dagen

per

sonen

zie

k, g

ezond o

f im

muun gezond

ziek

immuun

Bekijk de grafiek met de aantallen voor gezond, ziek en immuun. Het model ‘explodeert’, de lijnen lijken op exponentiële functies. a. Kies een andere waarde voor de besmettingsfactor. Bij welke waarde(n)

explodeert het model niet meer?

Figuur 1.18 – Grafieken van de aantallen voor gezond, ziek en immuun

21

b. Leg kort uit hoe het komt dat in dit model het aantal zieke personen blijft toenemen als de besmettingsfactor groter is dan de genezingsfactor.

c. Hoe zou je het model realistischer kunnen maken?

Besmettingsfactor en immuniteit Besmetting kan alleen optreden als zieke en gezonde mensen elkaar ontmoeten. Als het aantal gezonde mensen afneemt moet ook het aantal besmettingen afnemen. Na enige tijd is een deel van de bevolking immuun en kan niet meer besmet worden. Het aantal besmettingen daalt als het aantal gezonde mensen ten opzichte van het totaal afneemt. Een betere formule voor het aantal besmettingen is dan:

bevolkingtotale

gezondziekcbesmetting

In deze formule is c de besmettingsfactor (het aantal nieuwe besmettingen per zieke per dag, gerelateerd aan de totale bevolking)

18 Bekijk de formule voor het aantal besmettingen. a. Stel dat bij 990 gezonde personen en 10 zieke personen er per dag 5

besmettingen zijn, welke waarde heeft c dan?

b. In het begin van de epidemie neemt het aantal besmettingen per dag snel toe. Hoe is dat met deze formule te verklaren?

Na verloop van tijd daalt het aantal besmettingen per dag. c. Hoe kun je met de formule uitleggen dat op een bepaald moment het aantal

besmettingen weer daalt?

Conclusie: besmetting en genezing Om het model te verbeteren moet rekening gehouden worden met de volgende verbanden: Het aantal personen dat per dag geneest hangt af van de

genezingsfactor. De gemiddelde ziekteduur hangt ook van de genezingsfactor af. Het aantal personen dat per dag besmet raakt hangt af van de

besmettelijkheid van het virus, het aantal personen dat ziek is én het aantal personen dat gezond is en nog niet immuun.

Figuur 1.19 - Besmettingsbron. www.deGroteGriepMeting

22

Op weg naar een computermodel Het onderstaande schema geeft het verbeterde model weer. De figuur is afkomstig van het modelleerprogramma Coach dat net als Excel alle berekeningen kan uitvoeren.

Figuur 1.20 – Een verbeterd griepmodel De variabelen gezond, ziek en immuun zijn weergegeven als een rechthoek. Zo’n variabele wordt een toestandsvariabele of niveauvariabele genoemd. De veranderingen in het model zijn weergegeven met stroompijlen. Elke stroompijl of stroomvariabele bevat een formule waarmee berekend wordt hoeveel personen er per dag verschuiven. In het model zijn twee constante factoren opgenomen. Het symbool voor een constante is een rondje. - de genezingsfactor is het deel van de zieken dat de volgende dag genezen is - de besmettingsfactor is de variabele c uit de formule voor het aantal

besmettingen: bevolkingtotale

gezondziekcbesmetting

De dunne pijlen in het stroomschema zijn de relatiepijlen. Die pijlen geven aan welke factoren invloed hebben op de veranderingen.

19 De twee constanten genezingsfactor en besmettingsfactor hebben een bepaalde waarde (een decimaal getal). a. Welke waarde heeft de constante genezingsfactor als per dag 20% van de

zieke personen geneest?

In de vorige opgave is voor de besmettingsfactor een waarde van 0,5 gevonden. Bij 1000 gezonde en 10 zieke personen betekent dit dat er elke dag 5 personen besmet raken. Hoeveel besmettingen zijn er per dag bij 400 gezonde personen, 100 zieken en 500 personen die immuun zijn?

Leerdoelen

Wat heb je nu geleerd? Na deze paragraaf moet je een antwoord kunnen geven op de volgende vraag:

Hoe kun je de formules in een model verbeteren?

Figuur 1.21 - De waarde van een toestandsvariabele verandert door instroom en uitstroom.

Figuur 1.22 - De waarde van de stroomvariabele geeft de verandering aan. De stroompijl bevat een formule om dit te berekenen

Symbolen Coach De symbolen in dit model zijn de toestandsvariabele, de stroomvariabele en de constante.

Figuur 1.23 - Het rondje stelt een constante voor. De relatiepijl geeft aan dat de genezingsfactor invloed heeft op de variabele ‘genezing’.

23

Kennismaken met modellen 1.4 Griep met een modelleerprogramma

Wat gaan we doen? In deze paragraaf wordt het verbeterde griepmodel gebouwd met behulp van het modelleerprogramma Coach. In het model zijn de verbeterde formules opgenomen waarmee de invloed van de modelvariabelen beschreven wordt.

In deze paragraaf zijn de centrale vragen:

Geeft het verbeterde model realistischer resultaten?

Welke invloed hebben de verbeterde modelvariabelen op de resultaten?

Computermodellen ophalen Bij dit lespakket horen computermodellen die via een website of schoolnetwerk beschikbaar zijn. Op de eerste pagina van deze module heb je genoteerd waar de bestanden op te halen zijn. Start het model Griepepidemie1. Je krijgt op het scherm een model voor een griepepidemie dat je kunt laten doorrekenen.

Figuur 1.24 – Model griepepidemie 1

20 Het model Griepepidemie1 is gereed voor gebruik. a. Open met de rechtemuisknop in het modelvenster het modeluitvoer-paneel.

Plaats de schuif van de afspeelsnelheid helemaal links. Klik op de knop , de play-knop in het modeluitvoer-paneel. Dit paneel is zodanig ingesteld dat de berekening altijd start vanuit de beginsituatie en de toestand in opeenvolgende stappen doorrekent. Tevens staan de momentane toestandswaarden in het model bij de grafische elementen.

b. Stop de computerberekeningen na 7 dagen door op de blauwe stop-knop in het modeluitvoer-paneel te klikken. Neem de berekende getallen over.

Figuur 1.25 – Afspeelbuttons in de menubalk.

24

c. Heeft de epidemie na een week het maximum al bereikt?

Je kunt met het model verder rekenen tot 100 dagen. d. Maak eerst een voorspelling over de situatie op dag 100.

e. Sluit het modeluitvoer-paneel en klik op om het model snel door te rekenen en controleer de voorspelling.

f. Noteer vanaf welke dag de situatie stabiel is.

21 Belangrijke vragen die de overheid beantwoord wil zien door het gebruik van een model zijn: - Hoe wordt de ‘ piek’? Met andere woorden: wat is het maximum aantal mensen dat tegelijkertijd ziek is? - Hoeveel procent van de bevolking krijgt uiteindelijk griep? Beantwoord de twee vragen met dit model.

22 Open met de rechtermuisknop in het modelvenster het modeluitvoer-paneel.

Plaats de schuif van de afspeelsnelheid helemaal links. Klik op de knop , de play-knop in het modeluitvoer-paneel. Stop de computerberekeningen na 21 dagen door op de blauwe stop-knop in het modeluitvoer-paneel te klikken. Volg nu in de grafiek de waarden van gezond, ziek en immuun .

25

Figuur 1.26 – Model griepepidemie 1

23 De grafieken in figuur 1.26 laten zien hoe het verloop van de griepgolf volgens het model Griepepidemie1 is. In het diagram is het aantal zieke, gezonde en immune personen weergegeven. a. Is de vorm van de grafiek van de griepgolf (het aantal zieke personen)

realistischer dan in vraag 14? Licht toe.

b. Controleer of de hoogte van de piek in de griepgolf overeen komt met de waarde die je bij de vorige opgave gevonden hebt. Noteer de waardes.

c. Hoe zou je in de grafiek kunnen aflezen hoeveel procent van de bevolking uiteindelijk de griep gehad heeft?

d. De grafieken van gezond en immuun hebben de vorm van een langgerekte S. Verklaar voor beide grafieken afzonderlijk het verloop van de grafiek.

26

Invloed van veranderingen Het model kent twee factoren die invloed hebben op de griepepidemie, de genezingsfactor en de besmettingsfactor. Met het computermodel kunnen we snel nagaan wat de invloed van deze twee factoren is, maar eerst wordt er een voorspelling opgesteld over de invloed die deze twee factoren hebben.

24 De besmettingsfactor hangt onder andere af van het type virus. Er zijn veel verschillende griepvirussen. Bij het ene virus is de kans op besmetting groter dan bij een ander virus.

Voorspel hoe de griepgolf zal verlopen als de besmettingsfactor niet 0,5 maar 1,0 is. Teken je voorspelling in de grafiek van figuur 1.26. Zal een grotere besmettingsfactor ook invloed hebben op het aantal personen dat uiteindelijk de griep krijgt?

25 De genezingsfactor heeft ook invloed op de griepgolf. Als mensen korter ziek zijn, kunnen ze minder personen besmetten. Door het gebruik van antivirale middelen kan de genezingsfactor groter worden. a. Voorspel hoe de griepgolf zal verlopen als de genezingsfactor 0,10 is.

Teken met een andere kleur je voorspelling in figuur 1.26.

b. Zal een lagere genezingsfactor ook invloed hebben op het aantal personen dat de griep krijgt? Leg uit.

27

Modelvariabelen veranderen Om de waarde van de besmettingsfactor en de genezingsfactor te veranderen moet je de eigenschappen van de variabele veranderen. Klik daarvoor dubbel op het modelsymbool waarvan de waarde veranderd moet worden.

Figuur 1.28 – Door dubbel te klikken op het symbool voor de besmettingsfactor opent het volgende scherm en kan de waarde van de variabele veranderd worden.

26 De getalswaarde van de constante besmettingsfactor is zichtbaar. Het scherm kan alleen geopend wordt als het model gestopt is. a. Open het eigenschappenvenster van de besmettingsfactor

b. Stel de besmettingsfactor in op 1.0 en laat het model lopen.

c. Klopte jouw voorspelling van de griepgolf bij opgave 24 ongeveer? Zo nee, leg dan uit waarom de grafiek anders is.

d. Hoeveel % van de bevolking krijgt volgens dit model de griep?

27 De invloed van de genezingsfactor kan op dezelfde manier veranderd worden. a. Open het eigenschappenvenster van de genezingsfactor.

b. Stel de genezingsfactor in op 0.10 en laat het model lopen.

c. Klopte jouw voorspelling van de griepgolf bij opgave 25 ongeveer? Zo nee, leg dan uit waarom de grafiek anders is.

d. Hoeveel % van de bevolking krijgt volgens dit model de griep?

Fig. 1.29 - De waarde van de variabelen verandert pas als het model loopt.

28

28 Bij een ernstige griepepidemie kan de overheid besluiten om op grote schaal antivirale middelen te verstrekken. (Zie blz.11 Mogelijke maatregelen) Een dergelijke aanpak is echter wel erg duur. In je model wordt de genezingsfactor 0,30. a. Verwacht je dat een dergelijk medicijn veel invloed kan hebben op de

griepgolf? Wat zal die invloed dan zijn? Op welk deel van de grafiek?

b. Test je antwoord bij a. door het programma te laten lopen. Noteer de uikomsten.

Werken met een computermodel Een computermodel biedt veel mogelijkheden tot testen en uitproberen. Het model kan verschillende malen gerund worden onder verschillende condities. Zo kan de invloed van één onderdeel goed onderzocht worden. Enkele mogelijkheden zijn: De beginsituatie (de niveauvariabelen) kan anders gekozen worden. De invloed van de constante factoren kan vergeleken worden. De tijdsduur en de tijdstap kan aangepast worden.

Model testen en evalueren Een model moet niet alleen de werkelijkheid zo goed mogelijk beschrijven, het moet ook geschikt zijn om voorspellingen te doen voor de toekomst. Dat betekent dat verschijnselen die in werkelijkheid optreden ook zichtbaar moeten zijn in het model. Daarnaast moet getest worden of het model betrouwbaar is.

29 Het model Griepepidemie 2 houdt op een bepaalde manier rekening met de genezingsfactor en de kans op besmetting. a. Noem twee eigenschappen van het model Griepepidemie 2 die goed

passen bij de werkelijkheid.

b. Noem één aspect aan het model dat verbeterd kan worden of waarmee het model uitgebreid kan worden.

Leerdoelen


Welke invloed hebben de modelvariabelen op het resultaat?

Hoe kun je de resultaten van het model verklaren aan de hand van de formules in het model?

29

Kennismaken met modellen 1.5 Een realistischer griepmodel

Wat gaan we doen? Het model Griepepidemie1 geeft een realistischer voorspelling van een griepgolf dan de voorgaande Excel modellen. Maar enkele belangrijke biologische aspecten ontbreken nog. Hierdoor is het model nog niet goed betrouwbaar genoeg.

Het derde griepmodel is een voorbeeld van een uitgebreid model waarbij veel factoren een invloed hebben. Dit model wordt getest met behulp van een échte griepgolf.


Welke factoren maken het griepmodel meer realistisch?

Hoe test je een model testen aan de werkelijkheid?

Het verbeterde griepmodel geeft al een veel realistischer beeld van een griepepidemie, maar er ontbreken nog veel factoren en verschijnselen die bij een echte epidemie een rol spelen. Het model kan dus nog verder verbeterd worden. Verbeteringen aan het griepmodel Om het model van de griepepidemie nog beter aan te laten sluiten op de werkelijkheid moeten de onderstaande verschijnselen en factoren aan het model worden toegevoegd: Personen die besmet raken zijn niet direct ziek. De virussen vermenigvuldigen

zich. Na een dag of twee beginnen de eerste ziekteverschijnselen. In deze (incubatie)tijd kunnen anderen wel besmet worden. Niet iedereen die besmet raakt wordt ook ziek. Bij een behoorlijk deel van de

bevolking werkt het afweersysteem goed genoeg om het virus uit te schakelen. Deze personen zijn daarna immuun (immuun_1). De griep kan ook dodelijk zijn. Elk jaar overlijden er in Nederland honderden

mensen aan de griep. De kans op overlijden is sterk afhankelijk van het type virus dat de ziekte veroorzaakt.

In het model Griepepidemie2 zijn deze drie verschijnselen opgenomen.

Figuur 1.30 – Griepepidemie 2

30

30 Het model Griepepidemie2 kent een nieuwe niveauvariabele besmet, het aantal personen dat al wel besmet maar nog niet ziek is. a. Hoe is in het model te zien dat een deel van de personen die besmet is

geraakt niet ziek wordt? Wat gebeurt er bij deze personen?

b. Welke constante in het model bepaalt welk deel van de besmette personen wel ziek wordt en welk deel niet?

Bij mensen die besmet én vatbaar zijn neemt het aantal virusdeeltjes toe, waarna ze ziek worden en dus anderen kunnen besmetten. c. Welke twee niveauvariabelen zorgen voor nieuwe besmettingen?

31 Het model houdt ook rekening met het feit dat er elk jaar mensen overlijden aan de griep. De stroomvariabele sterfte is in het model afhankelijk van het aantal zieke personen en de sterftefactor (de kans per dag om te overlijden aan de griep). a. Geef in je eigen woorden aan wat de stroomvariabele sterfte voorstelt.

Gebruik in je uitleg ook de eenheid van de variabele.

b. Met welke formule zal de variabele sterfte berekend worden?

c. Leg uit dat de constante sterftefactor een zeer klein getal moet zijn.

Ontwikkelen en testen Het ontwikkelen van modellen gaat vaak op dezelfde manier. Het eerste model is vrij eenvoudig, daarna worden er steeds verbeteringen aangebracht. Verschijnselen en factoren die in de werkelijkheid een rol spelen worden aan het model toegevoegd. Dat proces gaat door totdat het model goed genoeg is voor het doel waarvoor het gebruikt moet worden. Om een verbeterd model te testen wordt de uitkomst van het model vergeleken met gegevens uit de werkelijkheid. Daarbij wordt onderzocht of het mogelijk is het model zo in te stellen dat de resultaten redelijk overeen komen met de werkelijkheid.

31

Open het model Griepepidemie 2. Je krijgt op het scherm het uiteindelijke model voor een griepepidemie.

32 Het model start met 100.000 gezonde personen, 100 personen die besmet zijn en 10 personen die ziek zijn. Boven in het scherm vind je de menubalken waarmee je het model kunt laten werken. a. Open met de rechtemuisknop in het modelvenster het modeluitvoer-paneel.

Plaats de schuif van de afspeelsnelheid helemaal links. Klik op de knop , de play-knop in het modeluitvoer-paneel. Noteer hoeveel personen er aan het einde gezond, besmet, ziek of immuun zijn.

gezond: besmet: ziek: immuun:

b. Hoeveel personen liggen tijdens de piek van de griepgolf in bed?

c. Hoeveel personen overlijden er in totaal aan de griep?

d. Vind je de resultaten van dit model realistisch? Leg uit waarom wel/niet.

Het model testen Het model is nu compleet genoeg om een test uit te voeren. Bij een test wordt onderzocht of het model in staat is om een werkelijke situatie na te bootsen. Als voorbeeld worden de gegevens gebruikt van de griepgolf die in februari 2005 Zuid-Nederland trof. Lees eerst het artikel.

In februari hogere sterfte in Zuid-Nederland Bron: www.cbs.nl In Zuid-Nederland zijn in februari 2005 bijna 3 duizend mensen overleden. Dit is bijna 600 meer dan in de vier weken daarvoor en ook 600 meer dan gemiddeld voor februari. De hogere sterfte in Zuid-Nederland valt vrijwel samen met een griepgolf die door het NIVEL is waargenomen. In de week van 14 tot en met 20 februari bereikte deze een piek. Toen waren er per 10 duizend inwoners van Zuid-Nederland 48 patiënten met een ziektebeeld dat op griep wijst. Week na griepgolf hoogste sterfte De sterfte in Zuid-Nederland was het hoogst in de week van 21 tot en met 27 februari, een week na de piek in de griepgolf overleden 210 personen aan de gevolgen van de griep. Uit onderzoek is bekend dat er enige tijd verstrijkt tussen het optreden van griep en het eventuele overlijden aan de gevolgen van griep. Figuur 1.32 - Griepepidemie in Zuid-Nederland, februari 2005

Figuur 1.31 – Afspeelknoppen in de menubalk

32

Gegevens van de griepgolf in Zuid-Nederland De gegevens van de griepgolf die voor het model van belang zijn kunnen als volgt samengevat worden. De totale bevolking van Zuid-Nederland bestaat uit 4 miljoen personen. Bij de start van de epidemie waren 10.000 personen besmet en 2000

personen ziek. Er was (nog) niemand immuun voor deze soort griep. Op het hoogtepunt waren er ongeveer 20.000 personen ziek in bed. In totaal kreeg ongeveer 5% van de bevolking de griep. In totaal overleden er tijdens de griepgolf circa 1000 personen aan de griep.

33 De beginsituatie wordt gekenmerkt door het aantal personen dat gezond, besmet, ziek of immuun is. a. Noteer de waarden voor de beginsituatie in het model. Dubbelklik daarvoor

op het symbool waardoor de editor geopend wordt. Noteer de juiste waarde in elke editor.

Het uiteindelijke model kent vier constanten die afhankelijk zijn van het type virus dat de epidemie veroorzaakt. b. Welke vier constanten zijn dat?

c. Reken het model door met de waarden voor de constanten die van tevoren ingevuld zijn. Noteer de eindresultaten.

d. Vergelijk de resultaten van het model met de gegevens van de werkelijke griepgolf. Welke resultaten zijn te hoog, welke te laag?

e. Verander de waarden van deze vier constanten en laat het model met de nieuwe waarden lopen. Test verschillende combinaties van de waarden en onderzoek of je met dit model een resultaat kunt krijgen dat past bij de gegevens van Zuid-Nederland. Noteer de waarden van de vier constanten.

Modelleren in stapjes Bij de start van het model van de griepepidemie is gekozen voor een zeer simpel model. Door de resultaten van het model te vergelijken met de werkelijkheid zijn is het model uitgebreid en verbeterd. Het bouwen van een computermodel verloopt vaak in stapjes.

Figuur 1.33 - Met behulp van de editor kan de startwaarde van een variabele aangepast worden.

33

Evaluatie model Het uiteindelijke model voor een griepepidemie is geleidelijk opgebouwd. Het eerste model was erg simpel en onvolledig, maar het derde model gaf toch al een redelijk beeld van het proces van een griepepidemie. Is het model daarmee compleet? Is het een goede benadering van de werkelijkheid?

34 Een model moet een realistische beschrijving zijn van de werkelijkheid. Is het uiteindelijke model van de griepepidemie nu het juiste model? Dat hangt vooral af van de eisen die aan het model gesteld worden. a. Vind je dat het model geschikt is om het verschijnsel van een griepepidemie

te begrijpen en te verklaren? Geef aan waarom je het model wel of niet geschikt vindt.

b. Vind je dat het model geschikt is om een oude griepepidemie na te bootsen? Geef aan waarom je het model wel of niet geschikt vindt.

c. Vind je dat het model geschikt is om een voorspelling te doen voor een nieuwe griepepidemie? Geef aan waarom je het model wel of niet geschikt vindt.

d. Zou je als overheid op basis van de voorspelling van dit model beslissingen nemen over bijvoorbeeld een grote inentingscampagne? Leg uit waarom wel/niet.

Leerdoelen


Welke factoren maken het griepmodel meer realistisch?

Hoe test je een model aan de werkelijkheid?

34

Hoofdstuk 2 De toestand en de verandering 2.1 Hoe rekent het model?

Wat gaan we doen? In hoofdstuk 1 heb je kennis gemaakt met de manier waarop een dynamisch model rekent en ontwikkeld wordt.

In hoofdstuk 2 wordt gekeken naar de manier waarop de veranderingen (groei of afname) invloed hebben op de toestand. Die invloed moet zichtbaar zijn in de manier waarop het model rekent én in de resultaten van het model.


Welke invloed hebben de toestand en de verandering op elkaar?

Hoe kun je aan de grafieken de relatie tussen de toestand en de verandering herkennen?

Terugblik Het model voor een griepepidemie laat duidelijk zien op welke manier een computermodel werkt. De computer rekent in stapjes (bij de griep waren dat stapjes van één dag) en na elke stap wordt de situatie opnieuw berekend. Een computermodel is op die manier een veranderingsproces, waarbij de veranderingen en de factoren die van invloed zijn op die veranderingen het proces sturen. Een model met een toestand en een verandering.

Een model rekent in stapjes Een dynamisch model wordt gekenmerkt door: 1. Wat is de begintoestand? 2. Welke factoren hebben invloed op de verandering van die situatie? 3. Welke tijdstap wordt gekozen om een nieuwe situatie te berekenen?

35 Bekijk nogmaals het model Griepepidemie2. a. Welke variabelen beschrijven daar de (begin)toestand?

b. Welke variabelen beschrijven de verandering van de toestand?

c. Hoe kun je aan het plaatje van een model (zie fig. 2.1) de toestandsvariabelen en de veranderingsvariabelen herkennen?

d. Met welke tijdstap rekent dit model?

35

Figuur 2.1 – Griepepidemie 2 Een recursieve betrekking is een andere manier om een veranderingsproces te beschrijven. Een voorbeeld van zo’n betrekking is:

virusafnamevirusgroeibesmettingnbesmetnbesmet __)()1(

e. Hoe kun je aan een recursieve betrekking herkennen welke variabele de toestand beschrijft en welke variabele de verandering weergeeft?

36 Elk model wordt ‘beheerst’ door de veranderingsvariabelen. De

toestandsvariabelen beschrijven de situatie, de veranderingsvariabelen geven aan hoe snel de toestand verandert. In de onderstaande figuur is het laatste griepmodel nogmaals weergegeven, nu met een tabel en twee grafieken van de variabelen gezond en besmetting.

Figuur 2.2 – Resultaten van griepepidemie: tabel en grafieken De toestandsvariabele gezond verandert alleen door de besmetting. In het model Griepepidemie2 zie je deze twee variabelen weergegeven in een tabel en in twee grafieken. a. Hoe zie je aan de tabel dat de besmetting gelijk is aan de verandering van

de toestand?

36

Wat veroorzaakt die winterse griepepidemie?

Er zijn talloze verklaringen voor deze jaarlijks terugkerende ‘wintergriep’. Toch heeft tot nu toe nog geen enkele wetenschappers een hypothese kunnen bewijzen. De Canadese onderzoeker David Earn heeft met wiskundige modellen de verspreiding van de griep, met name in de winter, onderzocht. Op zijn site legt hij uit waardoor het nog onmogelijk om antwoord te geven op de bovenstaande vraag.

http://www.kennislink.nl/web/show?id=123976

Figuur 2.3 Mathematisch bioloog David Earn

Die verandering is ook te schrijven als een recursieve betrekking. b. Vul aan:

gezond(n+1) = . . . . . . . . . .

De grafieken van gezond en besmetting hebben natuurlijk ook iets met elkaar te maken. c. Leg uit dat de grafiek van gezond sneller daalt naarmate de besmetting

groter is.

d. Teken in fig.2.2 met een rechte lijn hoe steil de grafiek van gezond op het steilste punt is.

e. Is de helling van de grafiek van gezond in dit punt gelijk aan de besmetting? Leg uit waardoor dat veroorzaakt wordt.

f. Geldt voor elk punt van de grafiek van gezond dat de helling gelijk is aan de besmetting?

Conclusie De in- en uitstroomvariabelen geven de verandering in het proces weer. De snelheid van de totale verandering is gelijk aan de helling in de grafiek van de toestandsvariabele.

Leerdoelen


Hoe kun je in een model herkennen welke variabelen de toestand beschrijven en welke variabelen de veranderingen beschrijven?

Op welke manier hebben de veranderingen invloed op de toestand?

Hoe kun je zien of de toestand ook invloed heeft op de veranderingen?

Hoe kun je in de resultaten zien wat de relatie is tussen de toestand en de verandering?

37

OEFENING: Voorbeelden van toestand, verandering en tijdstap In de onderstaande opgaven oefen je met de voor dynamische systemen kenmerkende begrippen: toestand, verandering en tijdstap.

37 Zeevismodellen worden gebruikt om de hoeveelheid vis in de zee te voorspellen. In de jaren 70 is de één van de grootste haringpopulaties ter wereld, die tussen Noorwegen en IJsland, ingestort. Zeebiologen hebben modellen ontwikkeld die de verandering van die populatie zeevissen beschreven en op grond waarvan beheersmaatregelen zijn genomen die tot herstel hebben geleid. a. Noem enkele gegevens waarmee de begintoestand beschreven kan

worden.

b. Noem tenminste twee factoren (variabelen of grootheden) die gebruikt worden om de veranderingen te bepalen.

Bij zeevismodellen is een kleine tijdstap van bijvoorbeeld een dag niet zinvol. c. Welke tijdstap denk je dat bij zeevismodellen gebruikt wordt? Leg uit

waarom.

38 Bij parachutespringen is het belangrijk om vooraf te weten hoe snel de parachutespringer daalt. De valbeweging van een parachutist is een verschijnsel waarbij grootheden elkaar beïnvloeden en in de tijd veranderen.

Figuur 2.5 – De snelheid tijdens een parachutesprong De beginsituatie is hier het moment dat de parachutespringer uit het vliegtuig springt. a. Noem enkele gegevens waarmee de begintoestand beschreven kan

worden.

Figuur 2.4 - Nederlandse zeevissers vissen voornamelijk op de Noordzee, zoals deze trawler waarmee op haring wordt gevist.

38


c. Welke tijdstap denk je dat bij dit parachutemodel gebruikt wordt? Leg uit waarom.

39 Het klimaat op aarde verandert in rap tempo. De gemiddelde temperatuur stijgt en het weer lijkt extremer te worden (meer neerslag en wind, grotere periodes van hitte en droogte of van regen en storm). a. Noem enkele gegevens waarmee de begintoestand beschreven kan

worden.


c. Welke tijdstap denk je dat bij dit model gebruikt wordt? Leg kort uit.

We meten al enkele jaren een geleidelijke stijging van de gemiddelde temperatuur. Die geleidelijke stijging kun je doortrekken om een voorspelling te doen over de temperatuur aan het eind van de eeuw. d. Is een dergelijke voorspelling betrouwbaar? Waarom wel/niet? Wat zou je

moeten weten om die voorspelling te verbeteren?

Figuur 2.6 - Door een klimaatmodel berekende stijging van de zomer-temperatuur per jaar (2000-2100).

39

De toestand en de verandering 2.2 Herhaald optellen; rekenen volgens recept

Wat gaan we doen? Een computermodel rekent volgens de methode van herhaald optellen. Deze manier van rekenen is duidelijk zichtbaar in de recursieve betrekking. In deze formule is ook zichtbaar hoe steeds opnieuw de verandering berekend wordt.

In deze paragraaf kijken we naar de formule voor de verandering. Is het gedrag van het model te voorspellen als je de formule voor de verandering kent?


Hoe rekent een model met een recursieve betrekking?

Kun je het gedrag van het model voorspellen aan de hand van de formule voor de verandering?

Recursieve betrekking De recursieve betrekking van een dynamisch model laat zich vaak beschrijven als:

nieuwe toestand = oude toestand + verandering Een korte manier om dat op te schrijven is:

XN+1 = XN + f(XN) De verandering is hier dus een functie van de oude toestand. Deze functie beheerst het dynamische proces, als je de functie verandert dan krijg je een ander gedrag. Enkele eenvoudige voorbeelden:

40 Als de verandering constant is dan is het gedrag makkelijk te voorspellen. Als je bijvoorbeeld elke week 10 euro spaart en je begint met een bedrag van 160 euro op je rekening dan schrijven we dat als:

XN+1 = XN + 10 en X0 = 160

a. Hoe groot is dan X7? Geef een berekening

b. Na hoeveel weken is het spaarbedrag X gegroeid tot 390 euro?

c. Wat is de formule voor het gedrag van het model? Schrijf X als functie van het aantal weken N.

40

d. Wat voor soort grafiek hoort bij dit gedrag?

41 Bij evenredige groei is de toename evenredig met de toestand. Een voorbeeld daarvan is een spaarrekening waarop je elk jaar 5% rente krijgt. Er wordt verder niets gestort of opgenomen. Als je begint met een bedrag van 240 euro op de rekening dan is het model te schrijven als:

XN+1 = XN + 0,05×XN en X0 = 240

a. Hoe groot is dan X3? Noteer de berekening.

b. Hoe kun je op een snelle manier X10 berekenen?

c. Schets de grafiek van het bedrag op de spaarrekening.

Figuur 2.7 – Procentuele groei bij rente.

d. Wat is de formule voor het gedrag van het model? Schrijf X als functie van

het aantal jaar N.

e. Wat voor soort grafiek hoort bij dit gedrag? Hoe noemen we die grafiek?

f. Na hoeveel jaar is het spaarbedrag S gegroeid tot 500 euro?

41

42 Een combinatie van deze twee vormen kan ook: een vast spaarbedrag plus jaarlijks rente.

XN+1 = XN + 0,08×XN + 120 en X0 = 240

a. Hoe groot is in dit voorbeeld het spaarbedrag per jaar?

b. Hoeveel procent rente wordt er jaarlijks bijgeschreven?

c. Bereken X3 door herhaald optellen

d. Hoe zie je aan deze recursieve betrekking dat er geen rente wordt betaald over het bedrag dat in het ‘afgelopen’ jaar is gespaard?

EXTRA: Bij dit model is geen eenvoudige formule te vinden voor X als functie van de tijd. De grafiek groeit anders dan in de vorige vragen. e. Maak met Excel een model van dit voorbeeld.

f. Na hoeveel jaar is het spaarbedrag hoger dan € 2.500,-?

Recursie en verandering Een dynamisch model rekent door herhaald optellen. Bij elke tijdstap worden de veranderingen opnieuw berekend en opgeteld bij de oude toestand. Het rekenwerk wordt gedaan met een recursieve betrekking:

Toestand(t+1) = Toestand(t) + Verandering Een korte manier om dat op te schrijven is:

XN+1 = XN + f(XN) De verandering is vaak afhankelijk van de toestand. De relatie tussen de verandering en de toestand bepaalt het gedrag van het model.

Fig. 2.8

42

De relatie tussen de toestand en de verandering In sommige situaties is niet bekend hoe een systeem zich in de loop van de tijd zal ontwikkelen, maar men weet wel hoe de verandering afhangt van de toestand. De relatie tussen de toestand en de verandering kan dan weergegeven worden in een grafiek.

43 In de onderstaande grafiek is zo’n relatie weergegeven voor het voorbeeld uit de vorige opgave: sparen met inleg én rente. Langs de horizontale as staat de toestand: het bedrag op de spaarrekening. Langs de verticale as staat de verandering: het bedrag waarmee het bedrag op de spaarrekening een jaar later is toegenomen.

Toestand en verandering

0

50

100

150

200

250

300

350

400

0 500 1000 1500 2000 2500 3000 3500

Bedrag op spaarrekening

Gro

ei i

n e

en j

aar

Figuur 2.9 – De relatie tussen groei en saldo bij sparen met inleg en rente. a. Leg uit dat de grafiek past bij: XN+1 = XN + 0,08×XN + 120

In een bepaald jaar staat er 500 euro op de spaarrekening. b. Lees in de grafiek af met hoeveel euro dit bedrag een jaar later is

toegenomen.

c. Hoeveel staat er op dat moment op de rekening?

d. Bepaal met behulp van de grafiek welk bedrag er in het daaropvolgende jaar op de rekening staat.

e. Laat met een berekening (met recursieve betrekking) zien hoe dit bedrag berekend is.

43

De grafiek van de toename is een rechte lijn, de grafiek van het spaarbedrag is een kromme lijn. f. Leg uit hoe je aan de hand van de grafiek van de groei kunt voorspellen dat

de grafiek van het spaarbedrag een kromme lijn zal zijn.

Leerdoelen


Hoe rekent een model met een recursieve betrekking?

Hoe kun je het gedrag van het model voorspellen bij constante verandering en bij evenredige verandering?

44

De toestand en de verandering 2.3 Grafiek van toestand en verandering

Wat gaan we doen? In de vorige paragraaf is gebleken dat in sommige situaties het gedrag te voorspellen is aan de hand van de verandering. Bij een lineair proces is er een constante verandering. Bij een exponentieel proces is er een evenredige verandering.

De verandering hangt vaak af van de toestand (situatie). In deze paragraaf kijken we naar een voorbeeld waarbij de relatie tussen de toestand en de verandering bekend is.


Hoe kun je aan de hand van de relatie tussen de toestand en de verandering een model bouwen?

Hoe kun je aan de hand van de relatie tussen de toestand en de verandering het gedrag van het model verklaren of voorspellen?

Natuurwetenschappers zijn vaak benieuwd hoe processen in de tijd verlopen. Een voorbeeld daarvan is de groeikromme van planten, dieren en mensen. Aan de hand van zo’n groeikromme kun je zien hoe het groeiproces verloopt. In deze paragraaf wordt onderzocht hoe een groeikromme ontstaat door de relatie tussen de toestand en de verandering. Groeikromme van de White Pine (of Weymouthden) De White Pine is een boomsoort (een dennenboom) die zeer oud kan worden, leeftijden van meer dan 100 jaar zijn geen uitzondering. Een groeikromme bepalen is lastig omdat het wel erg lang duurt om te wachten totdat een jonge boom volgroeid is.

44 De onderzoeker meet van een aantal bomen de hoogte. Een jaar later meet hij opnieuw de hoogte om te zien hoeveel de boom gegroeid is. Aan de hand van die metingen kan hij zien hoe snel de bomen groeien. In de tabel zijn enkele metingen van de onderzoeker weergegeven.

beginhoogte boom

(meter)

hoogte een jaar later

(meter)

jaarlijkse groei

(m/jaar)

1,98 2,50 0,52

3,6 4,23 0,63

5,05 5,74 0,69

6,1 6,84 0,74

8,73 9,50 0,77

De onderzoeker gebruikt een groot aantal bomen bij zijn onderzoek. Van de meetresultaten maakt hij een grafiek met horizontaal de hoogte van de boom en verticaal de groei van de boom in het volgende jaar. Slechts een deel van de metingen is weergegeven. De kromme lijn geeft het ‘gemiddelde’ van alle metingen weer.

Figuur 2.10 – White Pine.

45

Figuur 2.11 – Relatie tussen jaargroei en hoogte van de White Pine Aan deze gegevens is duidelijk te zien dat zowel kleine als grote bomen langzaam groeien. a. Bij welke hoogte groeit de boom het snelst?

Een bepaalde boom heeft een hoogte van 6,0 meter. b. Hoe hoog zal deze boom één jaar later zijn?

c. Hoe hoog zal deze boom vijf jaar later zijn? Gebruik de grafiek en de methode van herhaald optellen.

d. Kun je aan deze grafiek zien hoe hoog de boom maximaal kan worden?

e. Kun je aan deze grafiek zien na hoeveel jaar de boom de maximale hoogte bereikt?

46

Van metingen naar groeikromme Hoe kun je nu aan de hand van de vorige grafiek de groeikromme van de White Pine bepalen? Het groeiproces kan geschreven worden als een recursieve betrekking:

HN+1 = HN + G(HN) De jaargroei G hangt af van de hoogte H. De grafiek uit de vorige vraag geeft het verband tussen G en H weer. Als je voor de jaargroei een functie of formule kunt vinden dan kun je het rekenwerk ook door de computer laten doen.

45 De onderzoeker stelt aan de hand van de meetresultaten een verband op tussen de jaargroei en de hoogte van de boom. Bij de vloeiende lijn in de grafiek hoort een complexe formule (een 4e-graads functie) die het groeigedrag vrij goed benadert. Met behulp van deze formule en de recursieve betrekking kan met Excel eenvoudig een model gemaakt worden. a. Open het Excel-bestand GroeikrommeWhitePine.

b. Klopt de groei in het eerste jaar met de grafiek van de jaargroei?

Het model start in jaar 0 met een hoogte van 6,0 m. De hoogte in jaar 1 en 2 wordt berekend met een formule. c. Hoe kun je aan de formules in de cellen B3 en B4 zien dat het een

recursieve betrekking is?

d. Kopieer de formule in B4 naar beneden.

e. Verander de startwaarde in jaar 0 in 0 meter.

f. Schets in het onderstaande diagram de groeikromme van de White Pine.

Groeicurve White Pine

0,00

5,00

10,00

15,00

20,00

25,00

30,00

35,00

40,00

0 10 20 30 40 50 60 70 80 90 100

jaar

ho

og

te (

m)

Figuur 2.13 - Groeikromme van de White Pine

g. Welke maximale hoogte bereikt de boom?

Figuur 2.12 - Een andere White Pine.

47

h. Hoe zie je aan de groeikromme bij welke hoogte de groeisnelheid maximaal is?

Deze groeikromme is het resultaat van de relatie tussen de jaarlijkse groei en de hoogte, weergegeven in de grafiek van figuur 2.11. i. Leg uit dat de vorm van de groeikromme in fig. 2.13 past bij de vorm van de

grafiek van de jaargroei in fig. 2.11.

j. Verandert de vorm van de groeikromme bij een andere beginwaarde? Teken in figuur. 2.10 de groeikromme bij een beginhoogte van 10 m.

EXTRA: Groei van tulpen Tulpen groeien anders dan dennenbomen. In de onderstaande grafiek is de groeikromme van een bepaalde tulpensoort (Queen of Night) weergegeven als percentage van de uiteindelijke hoogte. Bij deze tulp is de groeikromme bekend, maar welk groeimodel past daar nu bij?

Figuur 2.14 – Groeikromme van de Queen of Night (een tulpenras).

46 De groeikromme van de Queen of Night lijkt op de grafiek van een bepaalde wiskundige functie. a. Op de grafiek van welke wiskundige functie lijkt deze groeikromme?

Een plantenonderzoeker wil een dynamisch model maken van de groei van deze tulp. Daarvoor heeft hij een formule nodig die de groeisnelheid (in % per uur) aangeeft als functie van de hoogte. b. Op welk tijdstip is de groeisnelheid het grootst?

EXTRA In vraag 46 t/m 51 ga je een model bouwen voor de groei van deze tulp en tegelijk kijk je naar de rol van de tijdstap. De vragen zijn bedoeld als extra oefening, het model wordt in paragraaf 4.2 opnieuw gebruikt.

48

c. Hoe kun je aan de grafiek zien dat de groeisnelheid steeds kleiner wordt?

De plantenonderzoeker kiest als hypothese dat de groeisnelheid omgekeerd evenredig is met de hoogte. d. Vind je de aanname van de onderzoeker realistisch? Geef één argument

om je standpunt te onderbouwen.

Bij een omgekeerd evenredig verband hoort ook een formule met een evenredigheidsconstante.

hoogtecgroei

1

Hierbij is groei de toename van de hoogte per tijdstap. In dit voorbeeld is de waarde van de constante niet zo belangrijk, het gaat om de vraag of met deze formule een model te maken is van de groei van de tulp.

47 Met behulp van de bovenstaande formule kan met Excel een model gemaakt worden van de groei van de tulp. a. Open het Excel-bestand GroeimodelQueenofNight

Figuur 2.15 –gedeelte van de Excell sheet

In het model kunnen vier startwaarden ingevuld worden, dit voorbeeld start op t=10 uur met een hoogte van 7,5%. De evenredigheidsconstante c (uit de bovenstaande formule) heeft de waarde 0, de tijdstap is 5 uur. b. De constante c heeft (nog) de waarde 0. Wat betekent dat voor de getallen

in de tabel?

c. Verander de waarde van de evenredigheidsconstante c in veld D3 en onderzoek wat er gebeurt met de grafiek (de gele lijn). Noteer dit.

d. Bij welke waarde van c gaat de grafiek het best door de meetpunten?

e. Vind je het model een realistische beschrijving geven van de groei van de tulp? Licht je antwoord toe.

49

f. Vind je het model geschikt om een voorspelling te doen over de hoogte van de tulp na 500 uur? Licht je antwoord toe.

In het groeimodel voor de tulp is een trucje toegepast om de groei in het begin goed te krijgen. De tabel begint niet op tijdstip nul, maar pas na 10 uur met een hoogte van 7,5%. De hoogte wordt berekend met de recursieve betrekking:

hoogte(t+5) = hoogte(t) + 251/hoogte(t)

48 Kennelijk is deze groeiformule niet geschikt voor kleine waarden van de hoogte. a. Waarom is de formule niet geschikt voor hoogte=0?

b. Verander de beginwaarden van de tabel in tijdstip = 0 en hoogte = 1.

c. Wat gaat er nu fout? Welke waarde komt er uit de recursieve betrekking als je daar hoogte=1 invult?

De tijdstap aanpassen Bij het rekenen met modellen ontstaan soms onverwachte resultaten (‘uitschieters’ ) zoals bij de groei van de tulp bij kleine waarden van t. Er spelen hier twee problemen: - bij kleine waarden voor de hoogte geeft de formule een erg groot getal - het model rekent in stappen van 5 uur, dat is waarschijnlijk te grof om in het begin de groei goed te beschrijven. Het eerste probleem is hier niet op te lossen, het tweede probleem wel.

49 Gebruik het Excel-bestand GroeimodelQueenofNight uit de vorige opgaven. Stel de waarde van de constante in op 25. a. Verander de tijdstap in 1 uur. Wat verandert er aan de tabel en aan de

grafiek?

Als de tijdstap kleiner wordt dan moet de groei ook kleiner worden. Dat kan door de waarde van de constante aan te passen. b. Maak de waarde van de constante ook vijf keer zo klein.

c. Is de ‘fout’ aan het begin van de grafiek nu kleiner geworden?

d. Maak de waarde van de constante én de waarde van de tijdstap opnieuw vijf keer zo klein.

Door de kleine tijdstap wordt nu slechts een klein stukje grafiek getekend. e. Is de grafiek in het begin nu wel ‘vloeiend’?

50

Recursie en tijdstap Als de tijdstap aangepast wordt dan is het handig om de tijdstap mee te nemen in de recursieve betrekking. De tijdstap wordt Δt genoemd.

hoogte(t+Δt) = hoogte(t) + groeiΔt In dit voorbeeld is de formule voor de groei:

groei = c1/hoogte Bij de variabele groei is de eenheid %/uur, de eenheid van Δt is uur. Door gebruik te maken van deze manier van schrijven hoeft bij het veranderen van de tijdstap niet steeds de waarde van de constante veranderd te worden.

50 Bij een tijdstap van 5 uur had de constante de waarde 25. Bij het gebruik van de

bovenstaande notatie is groei de toename per uur. a. Leg uit dat bij deze manier van schrijven de constante c in de formule voor

de groei de waarde 5 moet hebben.

b. Open opnieuw het Excel-bestand GroeimodelQueenofNight

c. Verander de waarde van cel B3 in: =B2+$D$3*1/B2*$D$6

d. Kopieer de formule naar alle lagere cellen in kolom B.

e. Welke waarde moet ingevuld worden in cel D3?

51 Het aanpassen van de tijdstap gaat met Coach veel eenvoudiger.

a. Open het bestand PSQueen. Het model start met: constante=5 hoogte=1 en Δt=1

b. Laat het model lopen. Wat gaat er fout?

c. Verklein de tijdstap (in OPTIE – INSTELLING tot Δt=0,1.

d. Kun je nu starten met hoogte=0? Leg uit.

e. Kun je starten met hoogte=0,1? Bij welke tijdstap lukt dit wel.

Leerdoelen


Hoe kun je aan de hand van de relatie tussen de toestand en de verandering een model bouwen?

Hoe kun je een hypothese voor de relatie tussen de toestand en de verandering testen met een model?

Hoe kun je bij de berekeningen (recursieve betrekking) rekening houden met het veranderen van de tijdstap?

Figuur 2.16 - Een model voor de groei van de Queen of Night.

51

Hoofdstuk 3 Modellen bouwen in een systeemdynamische modelleertaal 3.1 Waterstromen als voorbeeld

Wat gaan we doen? In de vorige hoofdstukken heb je kennis gemaakt met dynamische modellen. Je hebt een eenvoudig computermodel gebouwd en gekeken hoe zo’n model rekent. In dit hoofdstuk ga je met behulp van een modelleerprogramma ingewikkelder modellen bouwen.

In dit hoofdstuk ga je ‘waterstromen’ modelleren. Dit voorbeeld is gekozen omdat situaties waarbij water in of uit een emmer stroomt goed zijn voor te stellen.


Hoe bouw je een dynamisch model?

Hoe plaats je de juiste formules in het model?

Hoe kun je eindtijd en tijdstap aanpassen?

Hoe maak je de resultaten zichtbaar; in een grafiek of tabel?

Zelf een model bouwen In het vorige hoofdstuk is met een computermodel een griepepidemie beschreven. In het model voor griepepidemie wordt de toestand beschreven met verschillende groepen mensen. Het aantal mensen in een groep verandert door genezing of besmetting. Het model rekent dus met aantallen mensen. Het bijbehorende modelplaatje zag er zo uit:

Figuur 3.1 Model griepepidemie 1

De rechthoek ‘ziek’ kun je opvatten als een voorraadvat waarin op ieder moment een aantal mensen zit. De stroompijl ‘besmetting’ geeft aan hoeveel mensen er per tijdseenheid in het vat naar binnen ‘stromen’. De stroompijl ‘genezing’ wijst het vat uit en geeft aan hoeveel mensen er per tijdseenheid uitstromen. Voor de computer maakt het niets uit dat dit model over griep gaat. Een vergelijkbaar modelplaatje zou je ook kunnen tekenen voor de hoeveelheid geld in je portemonnee, de hoeveelheid lading op een condensator, de hoeveelheid warmte in een huis, of zelfs de snelheid van een fiets.

Figuur 3.2 – Verschillende voorbeelden van Coachmodellen

52

52 Het onderstaande modelplaatje gaat over de snelheid van een fiets. De toename van de snelheid hangt af van hoe hard je trapt en van de massa.

Figuur 3.3 – Coachmodellen snelheden fiets

a. Hoe noem je in deze situatie ‘wat er per tijdseenheid bijkomt of vanaf gaat’?

b. Bij de afname van de snelheid zijn twee variabelen getekend die invloed hebben op de afname. Welke variabelen zouden dat kunnen zijn?

Een lekkende emmer vullen Het rekenen door bij te houden wat er bij komt èn wat er af gaat, is de kern van systeemdynamisch modelleren. Hoewel het wiskundig niet uitmaakt waar het model over gaat, is het handig een situatie te kiezen die jij je goed kunt voorstellen. In dit hoofdstuk modelleren we daarom het stromen van water in allerlei situaties.

53 Als je een lege emmer van 10 liter onder een stromende kraan zet loopt hij vol, en je kunt bij gegeven instroom makkelijk uitrekenen hoeveel water er op tijdstip t in de emmer zit. Bij een normale kraan stroomt er 9,0 liter water per minuut uit de kraan. a. Hoeveel liter water stroomt er per seconde uit de kraan?

b. Schets in een grafiek de hoeveelheid water V in de emmer als functie van de tijd.

Figuur 3.5 Grafiek vol lopen van een emmer. c. Welke betekenis heeft de helling van de grafiek die je getekend hebt?

Figuur 3.4 - Emmer onder de kraan.

53

Als de emmer lek is wordt het een ander verhaal. De instroom uit de kraan is constant, maar de uitstroom niet. Hoe voller de emmer wordt, des te groter wordt de uitstroom.

54 Stel je de situatie voor dat er in de bodem van de emmer een klein rond gaatje zit. En dat er een constante stroom water uit de kraan komt. Hoe verandert dan de hoeveelheid water in de emmer in de loop van de tijd? a. Het antwoord hangt natuurlijk af van hoe hard de kraan staat en hoe groot

het gaatje is. Schets in een grafiek enkele mogelijke uitkomsten.

Figuur 3.7 - Watervolume lekkende emmer

b. Hoe loopt de emmer leeg als bij een volle emmer de kraan dichtgedraaid

wordt? Schets een grafiek in hetzelfde diagram, begin bij 10 liter.

c. Als het goed is heb je hier gebogen lijnen getekend en bij de vorige vraag een rechte lijn (tot de emmer overstroomt). Verklaar het verschil.

Je hebt nu globaal geschetst hoe het waterpeil in het emmertje verloopt. Om een betere schets te maken, zou je de volgende punten moeten weten: Als de kraan loopt (niet zo hard dat de emmer niet overstroomt): wat wordt

dan het evenwichtsniveau? Als de kraan gesloten is: hoe lang duurt het dan voordat de emmer leeg is? Als je twee keer zoveel water in de emmer hebt, duurt het dan ook twee keer

zo lang voordat de emmer leeg is? Het antwoord op deze vragen hangt af van de grootte van het gaatje, van de instroomsnelheid, maar ook van de snelheid van weglekken bij een gegeven hoeveelheid water in de emmer. De uitstroom kun je theoretisch afleiden, maar je kunt hem ook door meting bepalen. Stel dat voor het gebruikte type emmer gemeten is dat:

uitstroom = gatr V20,19 ,

met uitstroom in liter/s, rgat in cm en V in liter.

Figuur 3.6 – Lekkende emmer

54

Een model bouwen in Coach Bij het bouwen van een computermodel in Coach teken je eerst het modelplaatje, dan vul je de formules in en tenslotte laat je het model doorrekenen. Je ziet dan vanzelf de gezochte uitkomsten verschijnen.

55 Het plaatje van het model dat je gaat bouwen, ziet er als volgt uit:

Figuur 3.8 a. Start Coach. Open het model: Lege modelleer activiteit.cma

Figuur 3.9 – Het modelvenster van Coach met de buttons om het model te bouwen. Het middelpunt van het model is de emmer, of beter gezegd, de hoeveelheid water in de emmer. Die teken je eerst:

b. klik op en klik op het witte veld waar je de voorraadgrootheid wilt plaatsen. Je ziet:

Als je nu de gewenste naam typt verschijnt die in plaats van ‘Toestand_1’. In iedere variabele die je toevoegt zal een vraagtekentje te zien zijn. Dit geeft aan dat je daar tzt nog een waarde of een formule moet invullen. c. Noteer de naam water_in_emmer bij de voorraadgrootheid. De hoeveelheid water kan alleen veranderen door een instroom, of een uitstroom, dus de volgende stap is het toevoegen van een stroompijl. We beginnen met de instroom.

d. Selecteer de stroompijl en trek een pijl vanuit het ‘niets’ naar de voorraadgrootheid. De voorraadgrootheid kleurt nu zwart. Laat de muisknop los.

Figuur 3.10

e. Geef de instroomvariabele de naam instroom.

56 Je model ziet er nu zo uit:

Figuur 3.11 Je ziet nu twee vraagtekens. Als je op beide plaatsen een getal invult dan heb je een eerste werkend model. Bij water_in_emmer moet het model een beginhoeveelheid weten om van daar uit verder te rekenen. a. Dubbelklik op ‘water_in_emmer’ en type in het vak ‘definition’ een redelijke

beginwaarde (in liter). Noteer de waarde die je gebruikt.

55

b. Dubbelklik nu op ‘instroom’ en vul weer een redelijke waarde in (in liter/s). Noteer de waarde die je gebruikt.

Het rondje is nu veranderd in een ruit: dat geeft aan dat je voor deze variabele een constante waarde hebt ingevuld. Het model is nu klaar. Om de resultaten goed te bekijken is een grafiek handig.

Figuur 3.12 – Buttons van Coach om de instellingen van de simulatie te veranderen, grafieken in te voegen, etc.

c. Klik op en pas de modelinstelling aan zodat de berekening 100 s duurt in plaats van 10.

d. Selecteer de voorraadgrootheid water_in_emmer en klik met je rechtermuisknop. Selecteer ‘Diagram tonen’ en plaats de diagram in een vrij venster.

e. Je model is klaar. Je kunt de startknop klikken om het model te laten doorrekenen.

Als het goed is, zie je zoiets:

Figuur 3.13

Dit is aardig realistisch, behalve dat in werkelijkheid de emmer bij 10 liter vol is. Je kunt dit corrigeren door verfijningen in te bouwen. Je kunt ook gedurende het modelleren bedenken dat het model alleen bruikbaar is, zolang de emmer niet overstroomt.

57 Het wordt interessanter als je ook de uitstroom modelleert. a. Bouw daarvoor je model uit tot het onderstaande plaatje.

b. Vul voor r_gat de waarde 0,5 in.

Figuur 3.14

56

De uitstroom heeft geen vaste waarde, de uitstroom wordt gegeven door de formule

Vruitstroom gat 219,0

Om de uitstroom te berekenen heeft Coach de waarde van water_in_emmer en van r_gat nodig. Dat geef je in het model aan met relatiepijlen. c. Trek relatiepijlen van water_in_emmer en van r_gat naar uitstroom (zie

figuur)

figuur 3.15

Om voor de uitstroom de juiste formule in te vullen ga je als volgt te werk: d. Dubbelklik op uitstroom, de editor wordt geopend.

e. Door op editor te klikken zie je de variabelen die je mag gebruiken in je formule. Door dubbelklikken kun je deze kopiëren naar het definitie-vak maar je kunt ook gewoon typen.

f. Vul in het definitie-vak de gegeven formule in. Coach gebruikt voor het wortelteken de afkorting sqrt (square root, ofwel de vierkantswortel)

0,19*r_gat^2*sqrt(water_in_emmer)

g. Heeft het model na 100 seconde een evenwicht bereikt?

h. Sla dit model op. Je gaat het in de volgende paragraaf weer gebruiken.

58 Om de resultaten van het model nauwkeurig te bekijken is een tabel handig. a. Selecteer met de rechtermuisknop de voorraadgrootheid water in emmer.

Kies “Tabel tonen” en plaats deze in een vrij venster.

b. Klik met de rechtermuisknop in de tabel. Selecteer tabelinstelling… Je kunt een kolom C3 toevoegen, kies hiervoor “uitstroom”.

.

57

c. Kies voor de instroom de waarde 0.02 en laat het model lopen.

d. Hoeveel water zit er na 100 seconde in de emmer? Is er evenwicht?

De tijd in het model aanpassen Als er na 100 seconde nog geen evenwicht is, kun je het model langer

laten doorrekenen: kies in het menu: Opties | Instelling of . Vul bij Stoppen de gewenste eindtijd in.

59 Na verloop van tijd ontstaat er evenwicht. De hoeveelheid water in de emmer hangt natuurlijk af van de instroom uit de kraan. a. Onderzoek voor verschillende waarde van de instroom welk evenwicht

bereikt wordt. Noteer de antwoorden in de tabel.

b. Schets het verband (globaal) in een grafiek:

Figuur 3.17 Tabel en grafiek: evenwicht afhankelijk van de instroom

c. Wat voor soort verband (of soort evenredigheid) is er tussen het evenwicht en de instroom?

60 In deze opgave kijken we naar de situatie waarbij de kraan dicht is en de emmer leegstroomt. Gebruik je model om antwoord te vinden op de volgende vragen: a. Draai de kraan dicht. Hoe lang duurt het voordat een volle emmer helemaal

leeg is?

b. Hoe lang duurt het voordat een half volle emmer helemaal leeg is?

instroom

(liter/s)

evenwicht

(liter)

0,02

0,05

0,10

0,15

0,20 instroom

even

wic

htsw

ater

stan

d

58

c. Hoe lang duurt het voordat een emmer die voor een kwart gevuld is helemaal leeg is?

d. Is de leeglooptijd evenredig met de hoeveelheid water? Zo ja, laat dat zien. Zo nee, welk verband is er dan wel?

61 Wat kun je met dit model en wat kun je er niet mee? Wat is er niet realistisch

aan het model? Is dat erg? Hoe zou je dat eventueel kunnen verbeteren?

Leerdoelen


Hoe bouw je een model op met de modelsymbolen voor de voorraadgrootheid, de in/uitstroompijl, de rekenvariabele en de constante?

Hoe vul je de formules die de relatie tussen de grootheden weergeven in?

Hoe maak je de resultaten van het model zichtbaar in een tabel en in een grafiek?

Hoe pas je in een model de eindtijd en de tijdstap aan?

59

Modellen bouwen 3.2 Meer doen met waterstromen

Wat gaan we doen? In de voorafgaande paragraaf zijn de belangrijkste onderdelen van het bouwen van een model aan de orde geweest. In deze paragraaf wordt de vaardigheid in het bouwen van modellen verder uitgebreid.


Hoe maak je een model met meerdere emmers?

Kun je de resultaten van het model voorspellen of verklaren?

Meer emmertjes: een waterkunstwerk Een lekkende emmer is voor nuttige toepassingen meestal niet zo handig. In de ‘kunst’ of ‘tuinarchitectuur’ kun je er van alles mee. Met drie identieke lekkende emmertjes kun je bijvoorbeeld een getrapte waterval bouwen voor in de tuin. Hieronder zie je deze waterval net nadat de kraan is aangezet:

Figuur 3.18 – Waterkunst met drie lekkende emmers

62 Hoe verwacht je dat de waterstanden in bovenstaand plaatje er na verloop van

tijd uit zullen zien? a. Schets je verwachting van de waterstanden in de emmertjes.

b. Is de evenwichtstoestand in alle emmertjes even hoog?

c. Wordt de evenwichtstoestand in alle emmertjes tegelijk bereikt?

60

Op t = 0 begin je met lege emmertjes en de kraan wordt opengedraaid. Nadat in alle emmertjes de evenwichtstoestand bereikt is, wordt de kraan weer dichtgedraaid. Vervolgens wordt er gewacht tot alle emmers weer leeggelopen zijn. d. Schets in één grafiek jouw voorspelling van het verloop van de hoeveelheid

water in iedere emmer (gebruik voor iedere emmer een andere lijnkleur, geef in een legenda aan welke lijn bij welke emmer hoort).

Figuur 3.19 – Grafiek: Drie lekkende emmers ; waterstand afhankelijk van de tijd

Om je voorspellingen bij de vorige vraag te controleren kun je een computermodel bouwen met meerdere emmertjes. De ingrediënten zijn precies hetzelfde als hierboven, alleen heb je nu drie emmers. De instroom van emmer 2 wordt de uitstroom van emmer 1 (net als bij het griepmodel).

63 Begin met het model voor één emmertje uit de vorige paragraaf. Door kopiëren en verbinden kun je een groter model bouwen. a Selecteer het hele model (Ctrl-A) en kopieer het (Ctrl-C en Ctrl-V). b Sleep de kopie naast het origineel. Zie onder.

Figuur 3.20 – Coach model: lekkende emmer

c Verwijder de instroom van de gekopieerde emmer en de uitstroom van de eerste emmer.

d Maak een nieuwe uitstroom van de originele emmer en verleng de uitstroompijl van de originele emmer zo dat hij in de andere emmer uitkomt. Herstel de formule door te dubbelklikken.

tijd

wat

erst

and

61

Figuur 3.21 a) – Coach model: Waterkunst: twee lekkende emmers

Figuur 3.21 b) – Coach model: Waterkunst: twee lekkende emmers

a. Maak op dezelfde manier een derde emmer (met de muis kun je een deel

van het model selecteren en kopiëren).

64 Laat het model lopen en onderzoek of je verwachtingen kloppen. a. Kies als instroom een waarde waarbij de emmers niet overlopen (b.v. 0,15

liter/sec).

b. Stel de looptijd van het model in op een ruime tijd, b.v. 1500 seconde.

c. Schets de grafieken van de drie emmers.

62

Figuur 3.22 Grafiek: Drie lekkende emmers

Draai de kraan na bijvoorbeeld 1000 seconde dicht. Vul daarvoor in de editor van de instroom in: Als t<1000 dan instroom = 0,15 anders instroom = 0. Hiervoor moet je conditie gebruiken aanvinken.

tijd

wat

erst

and

63

Het model stopt als het de wortel van een negatief getal moet berekenen. d Gebruik om dat te vermijden de onderstaande formule bij de uitstroom van

elke emmer (wel de naam van de emmer aanpassen) Als Water_in_emmer > 0, Dan instroom = 0,19*gat_in_emmer^2*SQRT(water_in_emmer), Anders instroom = 0

Leerdoelen


Hoe maak je een model met meerdere lekkende emmers?

Kun je de resultaten van het model voorspellen of verklaren?

64

Modellen bouwen 3.3 De toestand en de verandering

Wat gaan we doen? Ook in het model van de lekkende emmer is er sprake van een toestand (de hoeveelheid water in de emmer) en een verandering (het instromende of weglekkende water).

In deze paragraaf staat de relatie tussen de toestand en de verandering centraal. Deze relatie bepaalt uiteindelijk hoe het model zich zal gedragen.


Hoe hebben de toestand en de verandering invloed op elkaar?

Kun je aan de hand van de relatie tussen de toestand en de verandering het gedrag van het model verklaren of voorspellen?

Wat is terugkoppeling? Met terugkoppeling wordt bij modelleren bedoeld dat de in- of uitstroom niet constant is, maar verandert als de voorraadgrootheid verandert. De voorraadgrootheid en de stroomvariabele hebben dan beide invloed op elkaar. Als de voorraadgrootheid verandert dan verandert daardoor ook de in- of uitstroom en daardoor verandert de voorraadgrootheid ook weer.

65 In het voorbeeld van de lekkende emmer is er sprake van zowel instroom als uitstroom. a. Is de terugkoppeling zichtbaar bij de instroom of bij de uitstroom?

b. Wat gebeurt er met de uitstroom als de hoeveelheid water toeneemt?

De hoeveelheid water in de emmer heeft een positieve invloed op de uitstroom: hoe meer water in de emmer des te groter wordt de uitstroom. c. Heeft de uitstroom een positieve of een negatieve invloed op de

hoeveelheid water in de emmer?

De terugkoppeling bij de lekkende emmer bestaat dus uit twee invloeden, één positieve en één negatieve invloed. Daarmee wordt de totale terugkoppeling negatief. Een negatieve terugkoppeling leidt vaak tot een (stabiel) evenwicht. Zie ook het kader in de marge.

Als er veel water in de emmer zit heb je een grote Uitstroom, dus neemt Water_in_emmer snel af. Daardoor wordt de Uitstroom kleiner, maar dan neemt water in emmer weer minder snel af. Je kunt dat ook zo in een plaatje zetten:

Uitstroom Water_in_emmer

+

-

Als je een keer rond bent dat zie je dat: hoe meer water in de emmer, hoe harder het afneemt. Dit noemen we in modelleertermen een negatieve terugkoppeling.

65

66 Bij de lekkende emmer is sprake van negatieve terugkoppeling. a. Leg uit dat (bij een constante instroom) de negatieve terugkoppeling zorgt

voor het ontstaan van een evenwicht.

Een ander voorbeeld van terugkoppeling is bijvoorbeeld fietsen op een vlakke weg. De toestand is daarbij de snelheid van de fietser die verandert door de twee krachten die er werken, de trapkracht en de tegenwerkende kracht (lucht- en rolweerstand samen). b. Welke van deze twee krachten zorgt voor een negatieve terugkoppeling?

c. Leg uit hoe er (vanuit stilstand en bij een constante trapkracht) evenwicht ontstaat.

Er bestaat ook positieve terugkoppeling, bijvoorbeeld een sneeuwbal die van een helling afrolt. De toestand is de snelheid van de bal. Door het rollen verandert de massa en een zwaardere bal gaat sneller rollen.

…………… ………………….

+

+ Figuur 3.23 Positieve terugkoppeling

d. Welke twee grootheden kunnen bij dit voorbeeld in fig.3.23 geschreven worden?

e. Leg uit dat hier sprake is van twee positieve invloeden.

f. Wat gebeurt er bij positieve terugkoppeling? Hoe verwacht je dat deze variabelen zich na verloop van tijd ontwikkelen?

Terugkoppeling en evenwicht Terugkoppeling bestaat uit tenminste twee stappen die zowel positief als negatief kunnen zijn. Als de totale terugkoppeling positief is dan veroorzaakt een kleine toename een nog grotere toename waardoor het model explosief groeit. Als de totale terugkoppeling negatief is dan veroorzaakt een kleine toename een afname. Daardoor kan er een evenwichtssituatie ontstaan.

66

De relatie tussen de toestand en de verandering In het model van de lekkende emmer is er sprake van een toestand die gedurende de tijd verandert. De instroom en de uitstroom veranderen de hoeveelheid water in de emmers.

67 Neem het laatste model van de drie lekkende emmers en verwijder enkele onderdelen totdat het onderstaande model overblijft (of bouw het opnieuw).

Figuur 3.24

a. Start met 10 liter water in emmer_1. Emmer_2 is nog leeg.

b. Het gat in de emmer heeft een straal van 0,15 cm.

c. Stel de tijd in op 1500 seconde en laat het model lopen.

d. Teken een tijd-diagram van de hoeveelheid water in emmer_1. De lijn die je krijgt moet lijken op de grafiek in het linkerfiguur.

Figuur 3.25 Tijd-diagram Hoeveelheid water emmer 1 en 2 e. Voorspel hoe de grafiek van emmer_2 zal verlopen. Teken de grafiek in

hetzelfde diagram. Geef een toelichting op het verloop van de grafiek.

De grafiek van emmer_1 daalt, de helling is dus overal negatief. Bij de grafiek van emmer_2 is de helling overal positief.

f. Is de helling van de grafiek van emmer_2 overal even groot als de helling bij emmer_1? Leg uit.

g. Welke betekenis heeft de helling van de grafiek?

67

Verband tussen toestand en verandering De waarde van de verandering (de uitstroom of de instroom) bepaalt hoe snel de toestand groeit of afneemt. De helling van de grafiek van de toestand is dan gelijk aan de totale verandering.

68 In het model van de vorige opgave is de uitstroom de variabele die het proces controleert. a. Voorspel hoe de uitstroom in de loop van de tijd verandert. Schets een

grafiek in het rechterdiagram (bij de vorige vraag).

b. Teken met het Coach een tijd-diagram van de uitstroom. Klopte jouw voorspelling?

c. Wat voor soort lijn is de grafiek van de uitstroom? Kies uit: evenredig, lineair, omgekeerd evenredig, kwadratisch of een wortelverband.

d. Hoort er bij de grafieken van de hoeveelheid water in emmer 1 of 2 ook een verband of formule? Kies uit: evenredig, lineair, omgekeerd evenredig, kwadratisch of een wortelverband.

De kern van het model is de formule waarmee de uitstroom berekend wordt:

Vruitstroom gat 219,0

Is dat niet vreemd? De formule voor de uitstroom is een wortelverband en het resultaat daarvan is een parabool en een rechte lijn. Hoe is dat te verklaren? e. Kun je in je eigen woorden verklaren waarom een parabool en een rechte

lijn passen bij de bovenstaande formule? (Dit is een lastige vraag, als je geen verklaring hebt dan is dat niet vreemd. In hoofdstuk 4 wordt deze vraag verder uitgewerkt).

f. Sla het model op. Noteer hier de naam van het bestand.

68

De tijdstap veranderen In Coach is het mogelijk om de tijdstap van een model te veranderen, maar wat verandert er aan het proces als de tijdstap verandert? Klopt het model dan nog wel? Geldt dan nog steeds dat de helling van de grafiek gelijk is aan de waarde van de uitstroom (of instroom)?

Figuur 3.26

69 In het model van de lekkende emmer is de tijdstap steeds 1 seconde geweest. Het model rekent dan alsof de uitstroom uit het gat gedurende die ene seconde constant is geweest. a. Leg uit dat de uitstroom gedurende die ene seconde niet precies constant

gebleven is.

b. Maakt het model een grote fout door bij elke stap te doen alsof de uitstroom gedurende die ene seconde constant was?

c. Is de benadering ook goed als het gat veel groter is? Leg uit waarom wel/niet.

70 Open het opgeslagen model of bouw het model opnieuw. Start met 10 liter

water in emmer_1. a. Stel de straal van het gat in de emmer op 3,0 cm. Teken een grafiek van de

hoeveelheid water in emmer_1.

b. Hoe groot is op tijdstip t=0 de waarde van de uitstroom? Bereken de waarde met de formule of gebruik een tabel om de waarde van de uitstroom te vinden.

c. De grafiek bestaat uit enkele rechte lijnstukken. Welke betekenis heeft de helling van elk lijnstuk?

Figuur 3.27 - Een model met grote tijdstap.

69

71 Het model past nu niet meer goed bij de werkelijkheid, de uitstroom uit de emmer verandert daarvoor te snel. Door de tijdstap te verkleinen rekent het model nauwkeuriger. a. Voorspel of de grafiek hoger, lager of even hoog komt te liggen als de

tijdstap verkleind wordt.

b. Verklein de tijdstap waarmee het model rekent, totdat er een vloeiende lijn ontstaat. Bij welke tijdstap is dat ongeveer?

c. Schets de vloeiende lijn in de onderstaande grafiek.

Figuur 3.27 d. Ligt de grafiek bij een kleine tijdstap lager of hoger? Leg dit uit.

Bij een continu proces veranderen de variabelen voortdurend. Een computermodel is een goede benadering als de tijdstap klein genoeg is.

e. Hoe kun je nagaan of de tijdstap voldoende klein gekozen is?

Leerdoelen


Hoe kun je controleren of er sprake is van positieve of negatieve terugkoppeling?

Wat heeft de waarde van de verandering (de in- en uitstroom) te maken met de grafiek van de voorraadgrootheid?

Hoe kun je nagaan of de tijdstap van het model voldoende klein gekozen is?

70

Hoofdstuk 4 De wiskunde in een model 4.1 Tijdstap, helling en oppervlakte

Wat gaan we doen? In de vorige hoofdstukken is op verschillende plaatsen een wiskundig aspect van dynamische modellen naar voren gekomen.

Zo heb je gezien dat:

Bij grote tijdstappen de grafiek bestaat uit rechte lijnstukken, bij kleinere tijdstappen wordt de grafiek vloeiend.

De instroom of uitstroom gelijk is aan de helling van de grafiek van het dynamisch proces.

In sommige gevallen de grafiek van het dynamisch proces een mooie wiskundige functie is.

In dit hoofdstuk worden de wiskundige aspecten van het modelleren onderzocht. In de eerste paragraaf wordt onderzocht waardoor de helling van de grafiek van de toestand gelijk is aan de verandering.


Waarom is de helling van de grafiek van de voorraadgrootheid gelijk aan de totale in- of uitstroom?

De uitstroom en de helling In het laatste model met twee emmers is de waarde van de uitstroom gelijk aan de helling van de grafiek van de hoeveelheid water in de emmer. Zal dat ook gelden als de tijdstap kleiner of groter is?

Figuur 4.1 Coachmodel gat in emmer

72 Bij een tijdstap van 1 seconde is het makkelijk te begrijpen dat de helling gelijk

is aan de waarde van de uitstroom. De uitstroom is immers de hoeveelheid water die in één seconde uit de emmers stroomt. De helling wordt berekend met: helling = Δwater/Δt. a. Leg uit dat als Δt=1 dat dan moet gelden: helling = uitstroom.

Eigenlijk klopt de formule helling = uitstroom niet, de grafiek daalt immers, dus de helling is negatief. b. Schrijf op wat de juiste formule is.

Figuur 4.2 – Een model met een grote tijdstap.

71

In het onderstaande theorieblok wordt afgeleid dat ook bij een andere tijdstap de grootte van de helling gelijk is aan de uitstroom. c. Leg in je eigen woorden uit waardoor de helling van de grafiek gelijk is aan

de uitstroom (afgezien van het min-teken).

De in- of uitstroom in het model is de oorzaak van de verandering van de toestand. In het eenvoudigste geval is de instroom constant (zie fig.4.3). Een constante instroom (zonder uitstroom) zorgt voor een regelmatige groei.

Figuur 4.3 – Grafieken van de instroom (verandering) en de hoeveelheid water in de emmer (toestand).

73 In het bovenstaande voorbeeld is de instroom constant 0,025 liter/seconde. a. Wat verandert er aan de grafiek van de hoeveelheid water in de emmer als

de instroom twee keer zo groot wordt?

b. Welke betekenis heeft de waarde van de instroom (0,025 L/s) in de grafiek van de hoeveelheid water in de emmer?

c. Teken in de grafiek van de toestand de hoeveelheid water in de emmer als er geen instroom is en op t = 0 10 liter water in de emmer zit en de uitstroom constant is: 0,025 liter/sec.

In dit voorbeeld is de instroom gelijk aan de helling van de grafiek van de hoeveelheid water. Omgekeerd kan de totale hoeveelheid water na 500 seconde bepaald worden uit de grafiek van de instroom. d. Laat met een berekening zien dat de oppervlakte onder de grafiek van de

instroom gelijk is aan de totale hoeveelheid water na 500 seconde.

e. Leg in je eigen woorden uit waarom de oppervlakte onder de grafiek van de instroom gelijk moet zijn aan de totale hoeveelheid water die in de emmer gestroomd is.

de verandering de toestand

Figuur 4.4 – Een model met constante instroom.

72

Helling en oppervlakte De instroom en/of uitstroom veranderen de hoeveelheid water in de emmer. De grootte van de verandering bepaalt hoe snel de grafiek van de hoeveelheid water stijgt of daalt. Die snelheid wordt ook wel de helling genoemd.

in/uitstroom = +/- helling van grafiek van de voorraadgrootheid

De grootte van de instroom of uitstroom geeft aan hoeveel water er elke seconde de emmer in- of uitstroomt. Als al die veranderingen bij elkaar opgeteld worden dan krijg je de totale verandering.

Totale verandering = oppervlakte onder grafiek van de in/uitstroom

74 Bij een grote tijdstap bestaat de grafiek uit rechte lijnstukken. In dit voorbeeld zit er 16 liter water in de emmer en er is geen instroom. Het gat in de emmer is zo groot dat de formule voor de uitstroom geschreven kan worden als:

emmerinwateruitstroom 02,0

De tijdstap is ingesteld op 100 seconde, en het model heeft één tijdstap berekend. Het resultaat is de onderstaande grafiek. a. Bedenk hoe het verdere verloop van deze grafiek zijn. Maak een schets

in figuur 4.5.

Figuur 4.5 – Model van een lekkende emmer met een grote tijdstap. b. Bepaal uit de grafiek de helling van het lijnstuk. Noteer deze.

c. Is de helling gelijk aan de waarde van de uitstroom?

d. Teken het lijnstuk voor de volgende tijdstap van 100 seconde. Bereken daarvoor eerst de nieuwe waarde van de uitstroom.

e. Bereken en teken ook het lijnstuk tussen t=200 en t=300 s. Bij een kleine tijdstap wordt de grafiek van de hoeveelheid water een vloeiende lijn (feitelijk rekent de computer nog steeds hele kleine lijnstukjes uit, maar die zie je niet). Om de helling van de lijn te vinden wordt een raaklijn getekend.

de toestand

Figuur 4.6 – Een model van de lekkende emmer.

73

75 De twee onderstaande grafieken zijn het resultaat van hetzelfde model als in de vorige opgave, maar nu met een veel kleinere tijdstap. Er zit in het begin 16 liter water in de emmer. Er is geen instroom en de formule voor de uitstroom is:


Figuur 4.7 - Grafieken van de uitstroom en de hoeveelheid water in de emmer

a. Is de helling van de grafiek van de hoeveelheid water in de emmer op t=0 nu

ook 0,08? Ga dit na door een raaklijn te tekenen op t=0.

Naarmate er minder water in de emmer zit, wordt ook de uitstroom kleiner. De grafiek van de uitstroom lijkt op een rechte lijn. Blijkbaar neemt de uitstroom gelijkmatig af. b. Bepaal de oppervlakte onder de grafiek van de uitstroom. Wat is de

betekenis van het antwoord?

c. Bepaal met behulp van de grafiek van de uitstroom hoeveel water er na 100 seconde uit de emmer gestroomd is (bepaal de oppervlakte). Klopt dat met de grafiek van de hoeveelheid water in de emmer?

Figuur 4.8 – Met een raaklijn kan de helling in een punt van de grafiek bepaald worden.

Helling en raaklijn Bij een discreet proces bestaat de grafiek uit rechte lijnstukken. De helling van elk lijnstuk is gelijk aan de waarde van de instroomvariabele aan het begin van dat lijnstuk.

ttStN )()( of t

NtS

)(

Bij een continu proces is de grafiek een vloeiende lijn. De helling van de lijn in een punt van de grafiek is gelijk aan de helling van de raaklijn aan de grafiek. raaklijnhellingtS )(


74

Instroom, uitstroom en helling De instroom en uitstroom veranderen de hoeveelheid water in de emmer. De grootte van de verandering bepaalt hoe snel de grafiek van de hoeveelheid water stijgt of daalt. Die snelheid wordt ook wel de helling genoemd.

Als er alleen een instroom is dan geldt: helling = instroom

Als er alleen een uitstroom is dan geldt: helling = -uitstroom

76 Een iets ingewikkelder voorbeeld is een emmer waarbij sprake is van zowel

instroom als uitstroom.

Figuur 4.9 De instroom is constant, voor de uitstroom geldt de formule:


Op t=0 zit er geen water in de emmer. Na verloop van tijd ontstaat er een evenwichtssituatie.

Figuur 4.10 - Grafieken van de uitstroom en de hoeveelheid water in de emmer a. Hoe kun je aan deze grafieken zien dat de instroom de waarde 0,15

liter/seconde heeft? Leg uit.

Het lijkt alsof er een evenwichtssituatie ontstaat met 9,0 liter water in de emmer. b. Gebruik de formule voor de uitstroom om te controleren of er evenwicht is bij

9,0 liter water in de emmer.

In de grafiek van de hoeveelheid water in de emmer is op tijdstip t=0 de raaklijn getekend. c. Bepaal de helling van de raaklijn. Noteer deze.


75

d. Waarom is de waarde van de uitstroom niet gelijk aan de helling van de grafiek van de hoeveelheid water in de emmer?

In een situatie waarbij er sprake is van zowel instroom als uitstroom, is de verandering van de toestand (en dus ook de helling van de grafiek daarvan), een combinatie van de instroom en de uitstroom. e. Vul in:

helling grafiek = . . . . . .

Is ook in deze situatie de totale hoeveelheid water in de emmer te vinden met behulp van de oppervlakte onder de grafiek van de uitstroom? f. Teken daarvoor eerst de grafiek van de instroom in hetzelfde assenstelsel

als de uitstroom.

g. Hoe kun je met de oppervlakte onder de grafieken (van de instroom en de uitstroom) de totale hoeveelheid water die in de emmer gestroomd is bepalen?

Instroom en uitstroom Een dynamisch model wordt gestuurd door de veranderingen, de toestand verandert door instroom en uitstroom. In sommige situaties blijken de grafieken van de toestand en de verandering bekende wiskundige functies te zijn. In andere situaties lijken de grafieken op wiskundige functies, maar het is (nog) niet duidelijk of dit inderdaad het geval is.

Wel geldt in al deze gevallen:

helling grafiek T = verandering = instroom - uitstroom

oppervlak grafiek verandering = totale toe/afname van T

Leerdoelen


Welke betekenis heeft de oppervlakte onder de grafiek van de in/uitstroom?

Welke betekenis heeft de helling van de raaklijn aan de grafiek van de voorraadgrootheid?

76

De wiskunde in een model 4.2 De helling en de afgeleide

Wat gaan we doen? In de vorige paragrafen heb je gezien dat de helling van de grafiek van de voorraadgrootheid gelijk is aan de (totale) in/uitstroom. In de wiskunde kan de helling ook berekend worden met de afgeleide van de functie.

Als de grafiek van de voorraadgrootheid een wiskundige functie is dan moet de helling ook te berekenen zijn met de afgeleide.


Welke betekenis heeft de afgeleide van de functie van de voorraadgrootheid?

Wat heeft de afgeleide te maken met de modelvergelijking?

77 De twee onderstaande grafieken zijn het resultaat van een model met alleen uitstroom. Het model is hetzelfde als in een vorige opgave. Er in het begin 16 liter water in de emmer. Er is geen instroom en de formule voor de uitstroom is:


Figuur 4.11 - Grafieken van de uitstroom en de hoeveelheid water in de emmer

De grafiek van de verandering is een rechte lijn, met een vergelijking zoals

bxay . Hier is dat te schrijven als: btaU

a. Bepaal aan de hand van de grafiek de waarde van a en b. Schrijf de formule voor U met deze getallen.

U =

De grafiek van de toestand lijkt op een halve parabool. De top van de parabool ligt bij 400t , daar is de emmer leeg. De formule voor de parabool kan daarmee handiger geschreven worden als:

2)400( tcT


Figuur 4.12 – Een model voor de lekkende emmer.

77

b. Hoe zie je aan deze formule dat 0T als 400t ?

c. Bepaal de waarde van c door een ander punt van de grafiek (bijvoorbeeld bij 0t ) in te vullen.

Als de uitstroom gelijk is aan de helling dan moet nu gelden dat UT '

d. Bepaal de afgeleide van T en laat zien dat UT '

Aan de andere kant wordt het gedrag van het computermodel bepaald door de modelvergelijking: emmerinwateruitstroom 02,0

e. Laat zien dat de formules voor U en T ook kloppen met de modelvergelijking

TU 02,0

Modelvergelijkingen en afgeleide Bij een continu proces zijn de grafieken vaak vloeiende krommen. De grafiek van de in/uitstroom is dan de hellinggrafiek van de toestand. Als de grafieken met een wiskundige functie beschreven kunnen worden is de functie van de in/uitstroom de afgeleide van de functie van de toestand.

)()(' tItT

of: )()(' tUtT

Daarnaast moeten de functies voor T(t), I(t) en U(t) natuurlijk ook kloppen met de modelvergelijkingen, de formules waarmee I en U berekend worden.

78

De groeikromme van de tulpensoort Queen of Night is (bij benadering) de grafiek van een wortelverband. Bij het maken van het dynamisch model voor de groei van de tulp is gebruik gemaakt van een omgekeerd evenredig verband met als formule:

hoogtecgroei

1

De evenredigheidsconstante c in de formule heeft de waarde 5 als de tijd in uren en de hoogte in procent gebruikt worden. Blijkbaar heeft het feit dat de formule voor de groei een omgekeerd evenredig verband is, tot gevolg dat de groeikromme een wortelgrafiek is. Hoe kan dat? En, is de grafiek voor de groei (in het model de instroom) hier ook de afgeleide van de grafiek van de hoogte van de tulp?

78 De linkergrafiek toont de groeikromme van de Queen of Night, met daar

doorheen een benadering van de groeikromme met een wortelverband.

Groeikromme Queen of Night

0

10

20

30

40

50

60

0 24 48 72 96 120 144 168 192 216 240 264 288 312 336

tijd (uren)

pe

rce

nta

ge

Figuur 4.14 – Groeikromme en groeisnelheid van de Queen of Night a. Schets globaal in het rechter diagram de grafiek van de groeisnelheid (in

procent per uur) van deze tulp. Je hoeft geen berekeningen te maken, het gaat om de vorm van de grafiek.

Voor de formule van het wortelverband van de hoogte van de tulp geldt:

tijdhoogte 16,3 of afgekort: ttH 16,3)(

b. Bereken de afgeleide van H(t).

c. Past de afgeleide bij de grafiek die je geschetst hebt? Teken indien nodig de grafiek van de afgeleide in het rechter diagram.

Open het bestand PSqueen. Stel de looptijd in op 300 en de tijdstap op 0,01. d. Teken eerst een grafiek van de hoogte en daarna een grafiek van de groei.

Figuur 4.13 – Een model voor de groei van de tulp

79

e. Past de grafiek van de groei bij de afgeleide H’(t)? Licht toe

De modelvergelijking is: hoogte

groei1

5

Invullen van H(t) geeft: t

groei

16,3

15

f. Laat zien dat inderdaad geldt dat groei = H’(t).

79 In het model van de White Pine lijken de grafieken ook op wiskundige functies. De jaargroei als functie van de hoogte is bij benadering een 4e-graads functie. Is de grafieken voor de hoogte als functie van de tijd ook een wiskundige functie? Heeft die functie ook een afgeleide? a. Open het model GroeikrommeWhitePine. Noteer in cel B2 de waarde nul.

Kopieer cel B4 naar beneden tot t=100.

Figuur 4.16 – Jaargroei en groeicurve van de White Pine

Fig.4.15– Met de ‘vulgreep’ kun je een formule snel naar beneden kopiëren

80

De onderstaande grafiek geeft de jaarlijkse groei gedurende de eerste twintig jaar.

jaarlijkse groei White Pine

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

0 10 20 30 40 50 60 70 80 90 100

tijd (jaar)

jaa

rgo

ei (

me

ter)

Figuur 4.17 Grafiek jaarlijkse groei White Pine b. Voorspel met een schets hoe de grafiek loopt tot t=100.

c. Gebruik Excel om een grafiek voor de jaarlijkse groei te maken. - Noteer in cel C1 het woord groei - Noteer in cel C3 de formule =B3-B2 - Kopieer cel C3 naar beneden tot t=100. - Maak een grafiek van de cellen A3:A101 en C3:C101. (Tip: kies Grafiek – Brongegevens en verander bij de y-waarden de B in een C. Pas daarna de schaal van de verticale as aan)

d. Neem de grafiek over. De grafiek van de hoogte is een vloeiende kromme, maar er bestaat geen wiskundige functie die dezelfde grafiek heeft. Dat geldt ook voor de grafiek van de groei als functie van de tijd. e. Is de ene grafiek nu wel de afgeleide van de andere? Welke van de drie

grafieken geeft nu de afgeleide weer van welke andere grafiek?

Leerdoelen


Welke betekenis heeft de afgeleide van de functie van de voorraadgrootheid?

Hoe kun je de functie en de afgeleide controleren met behulp van de modelvergelijking?

81

De wiskunde in een model 4.3 Het gedrag voorspellen

Wat gaan we doen? In het vorige paragraaf heb je gezien dat de in/uitstroom de afgeleide is van de voorraadgrootheid. Daarnaast beschrijft de modelvergelijking de relatie tussen de in/uitstroom en de voorraadgrootheid.

In deze paragraaf bekijken we enkele voorbeeldsituaties waarbij de modelvergelijking bekend is (zowel met als zonder terugkoppeling). In deze situaties kijken we of we het gedrag van het model kunnen verklaren of voorspellen.


Hoe kun je aan de hand van de modelvergelijkingen het gedrag verklaren of voorspellen?

Welke eigenschappen heeft een model waarbij de groei (of afname) evenredig is met de hoeveelheid?

Modellen zonder terugkoppeling Het dynamisch model wordt gestuurd door de instroom en de uitstroom. Als de instroom en uitstroom bekend zijn, dan moet het verloop van het proces te voorspellen zijn. Een eenvoudige te onderzoeken situatie is een model zonder terugkoppeling. De in- of uitstroom is dan constant of een functie van de tijd.

80 In een saunacabine heerst een temperatuur van 20 C op het moment dat de verwarming wordt aangezet. In dit model wordt aangenomen dat bij een bepaalde stand van de verwarming de temperatuur regelmatig stijgt. De waarde van de verwarming is gelijk aan de stijging van de temperatuur in C/min. Er is in dit model geen uitstroom van warmte.

Figuur 4.19 – Verwarming en temperatuur van een saunacabine.

Figuur 4.18 - ‘Modellen’ zonder terugkoppeling in de sauna

82

De verwarming wordt ingesteld op 1,5 C /minuut (linkergrafiek). a. Hoe hoog is de temperatuur na 10 minuten geworden?

b. Schets in de rechtergrafiek (4.19) het verloop van de temperatuur.

c. Welke wiskundige functie hoort bij de grafiek van de temperatuur?

d. Laat zien dat hier geldt: uitstroominstroomtT )('

e. Bij 90 C is de sauna warm genoeg. Na hoeveel minuten is dat?

f. Stel dat de begintemperatuur 15 C is en de kachel staat ingesteld op 1,8 C/min. Wat is dan de formule voor de temperatuur?

81 De saunaregeling wordt zo ingesteld dat de verwarming begint op 3 C/min en daarna geleidelijk terugloopt naar 0 C/min (gemiddeld dus ook 1,5 C/min). De begintemperatuur is opnieuw 20 C.

Figuur 4.20 – Afnemende verwarming en temperatuur van een saunacabine. a. Schets globaal hoe de temperatuur nu zal verlopen.

b. Welke wiskundige functie hoort bij de instroom?

Ook in deze situatie geldt dat uitstroominstroomtT )(' . Omdat er geen

uitstroom is betekent dit dat de afgeleide van de temperatuur dezelfde functie moet opleveren als de instroom.

83

c. Laat zien dat de formule 20025,03)( 2 tttT de goede formule

voor de temperatuur is.

d. Hoe verandert de formule als de begintemperatuur 10 C is?

e. Ga na dat ook hier de oppervlakte onder de grafiek van de instroom gelijk is aan de totale temperatuurstijging met begintemperatuur na 60 minuten.

82 In een sauna is meestal ook sprake van warmteverlies, in het model betekent

dat een uitstroom. Een eenvoudige aanname is dat de uitstroom evenredig met de tijd is. Een model zou dan kunnen zijn:

min)/(5,2 Cinstroom

min)/(05,0 Ctuitstroom

a. Schets een grafiek van de instroom en van de uitstroom in één diagram.

Figuur 4.21 – Grafiek instroom- uitstroom van een saunacabine.

b. Stel een formule op voor de afgeleide van T:

)(' tT

De begintemperatuur is 20 C.

c. Wat wordt nu de formule voor T?

)(tT

De temperatuur bereikt na 50 minuten een maximum. Neem aan dat na 50 minuten de temperatuur constant blijft. d. Hoe kun je het tijdstip t=50 afleiden uit de grafieken van de instroom en de

uitstroom?

tijd (min)

in-

en u

itstr

oom

(ºC

/min

)

84

e. Bepaal aan de hand van de grafiek van de instroom en de uitstroom de temperatuur na 50 minuten.

f. Hoe kun je het maximum vinden met de formule voor T?

EXTRA: Met Coach kunnen modellen gemaakt worden van de vorige opgaven. Gebruik in de formule-editor de functie t om de tijd weer te geven. Terugkoppeling en evenredige groei Bij modellen met terugkoppeling hangt de instroom of uitstroom af van de waarde van de toestandsvariabele. Een eenvoudig groeimodel is het model waarbij de groei evenredig is het de toestand. De formule voor de groei is dan bijvoorbeeld:

groei=c×toestand Voorbeelden van evenredige groei kunnen zowel discreet als continu zijn, zoals rente op een spaarrekening (discreet) of de groei van eendenkroos (continu).

Discrete evenredige groei Een voorbeeld van evenredige groei is de rente die jaarlijks op een spaarrekening wordt gestort. Het rentebedrag is evenredig met het saldo op de rekening.

83 Op een spaarrekening staat 250 euro. Aan het eind van elk jaar wordt er 4% rente bijgeschreven. Er worden geen andere bedragen bij- of afgeschreven. a. Welk bedrag wordt er aan het eind van het eerste jaar bijgeschreven?

b. Welk bedrag wordt er aan het eind van het tweede jaar bijgeschreven?

Kun je het gedrag van het model (het saldo op de rekening) voorspellen?

c. Hoe groot zal het saldo zijn na 10 jaar? Leg uit.

d. Met welke formule kun je het saldo na t jaar berekenen?

Open het bestand EvenredigeGroei.

e. Klopt de grafiek en het eindbedrag met de formule?

f. Verander de groei in 40%. Noteer wat er verandert aan de grafiek.

Figuur 4.22 - Een voorbeeld van evenredige groei: rente.

Figuur 4.23 – Reclame voor aantrekkelijk rente.

85

g. Verander de groei in -50%. Noteer wat er gebeurt.

Een discreet en een continu model Bij een discreet model rekent het model met een recursieve betrekking:

Toestand(t+1) = Toestand(t) + (instroom – uitstroom) Of korter geschreven:

T(t+1) = T(t) + (I(t) – U(t)) Als de tijdstap niet gelijk is aan 1 dan wordt dat:

T(t+Δt) = T(t) + (I(t) – U(t))×Δt De toename van T wordt ΔT genoemd, daarvoor geldt:

ΔT(t) = (I(t) – U(t))×Δt

Bij een continu proces is de tijdstap Δt oneindig klein geworden. Daar geldt:

T’(t) = I(t) – U(t)

84 Een zonnebloem groeit snel. Globaal gesproken neemt in de eerste weken de hoogte exponentieel toe. In dit voorbeeld begint de zonnebloem op t=0 met een hoogte van 16 cm. Elke week wordt de bloem 25 % hoger. In het model van figuur 4.25 geldt: groei = constante hoogte a. Welke waarde heeft de constante?

b. Bereken de hoogte van de zonnebloem na 8 weken.

c. Bouw met Coach het model voor de zonnebloem (voor 8 weken) en maak een grafiek en een tabel van de hoogte en de grafiek voor de groei. Start weer met Lege modelleer activiteit.cma. Neem de grafieken over.

Figuur 4.26 – Hoogte en groei van een zonnebloem.

Figuur 4.25 – Een model voor de groei van een zonnebloem.

Figuur 4.24– Zonnebloem

86

d. Welke formule past bij de grafiek voor de hoogte?

e. Welke formule past bij de grafiek voor de groei?

f. Hoe komt het dat de grafiek van de hoogte en de grafiek van de groei zo sterk op elkaar lijken?

g. Maak met Coach een grafiek van de groei en de hoogte. Dit doe je door met de rechtermuisknop in een bestaand diagram Diagraminstelling te selecteren. Vervolgens maak je van C1 (de eerste reeks gegevens) de variabele:groei en zet je deze uit op de y-as.

87

Stel dan C2 (hoogte) in op de x-as.

Waarschijnlijk moet je nu nog inzoomen om de grafiek goed te kunnen zien. Dit doe je met rechtermuisklik in het diagram en dan Automatisch Zoomen. Neem de grafiek over.

Figuur 4.27 – Relatie tussen hoogte en groei van een zonnebloem. h. Welke formule past bij het verband tussen groei en hoogte?

i. Bewaar het model. Noteer hier de naam van het bestand.

Evenredige groei en een exponentiële verband Bij evenredige groei of afname neemt de Toestand T elke periode met een vast percentage toe of af. Er is dus sprake van een vaste groeifactor g. Het gedrag van het model kan geschreven worden als een exponentiële functie:

tgbtT )(

Waarbij b de beginhoeveelheid op t=0 is en g is de groeifactor als de tijdstap 1 is.

Bij de dynamische modellen van deze paragraaf kun je drie grafieken tekenen: - De grafiek van de stroomvariabele tegen de tijd - De grafiek van de niveauvariabele tegen de tijd - De grafiek van de stroomvariabele tegen de niveauvariabele

88

De tijdstap verkleinen Bij dynamische processen speelt de tijdstap altijd een belangrijke rol. Bij sommige processen hoort een logische tijdstap, zoals in het voorbeeld van de jaarlijkse renteberekening, bij andere processen kunnen verschillende keuzes gemaakt worden. Het groeien van een zonnebloem is een continu proces. De zonnebloem groeit geleidelijk en de groeisnelheid neemt ook geleidelijk toe. In het model is dat eenvoudig te realiseren door de tijdstap aan te passen.

85 Gebruik het model voor de zonnebloem uit de vorige opgave. a. Stel de tijdstap in op 0,1 week en laat het model lopen.

b. Welke hoogte bereikt de zonnebloem na 8 weken?

c. Hoe kan het dat de zonnebloem nu harder groeit? Leg duidelijk uit wat er verandert aan de groeisnelheid als de tijdstap kleiner wordt gekozen.

d. Leg uit waarom de grafiek voor de groei als functie van de hoogte gelijk is gebleven.

e. Kies ook een tijdstap van 0,01 week en van 0,001 week.

f. Rond de eindwaarde af op centimeters. Welke tijdstap is nauwkeurig genoeg om de hoogte na 8 weken te voorspellen?

g. Met welke factor groeit de zonnebloem nu elke week?

Leerdoelen


Hoe kun je bij een model zonder terugkoppeling het gedrag voorspellen aan de hand van de formules voor instroom en uitstroom?

Welk soort modelgedrag ontstaat bij evenredige groei?

Hoe bepaal je bij evenredige groei de groeifactor met behulp van de tijdstap?

Figuur 4.28 - Een model voor de groei van een zonnebloem.

89

De wiskunde in een model 4.4 Differentiaalvergelijkingen

Wat gaan we doen? Bij een continu model met terugkoppeling beschrijft de modelvergelijking de relatie tussen de in/uitstroom en de voorraadgrootheid. Bovendien is de in/uitstroom de afgeleide van de voorraadgrootheid.

Deze twee gegevens kunnen gecombineerd worden tot één vergelijking waarin zowel de functie als de afgeleide staan. Zo’n vergelijking noemen we een differentiaalvergelijking.


Wat is een differentiaalvergelijking?

Hoe kun je met een differentiaalvergelijking het gedrag van het model voorspellen of verklaren?

Van modelvergelijking naar differentiaalvergelijking Bij een model met terugkoppeling beschrijft de modelvergelijking de relatie tussen de in/uitstroom en de voorraadgrootheid. Bij een proces met evenredige groei geldt:

groei=c×toestand Deze vergelijking geldt zowel voor een discreet proces als bij een continue proces. Bij een discreet proces met stapgrootte 1 betekent dit: HcH of ook )()()1( tHctHtH

Bij een andere tijdstap hangt de groei ook af van de grootte van de tijdstap:

tHcH of ook Hct

H

Door de tijdstap heel klein te kiezen gaat een discreet model over in een continu model. Op dat moment kan de modelvergelijking geschreven als differentiaalvergelijking.

)()(' tHctH

86 In het voorbeeld van de zonnebloem is de modelvergelijking:

groei=0,25×hoogte Als de stapgrootte 1 gekozen wordt is het resultaat exponentiële groei. a. Hoe groot is hierbij de groeifactor (per tijdstap)?

Bij een continu proces is de groei ook de afgeleide van de hoogte en dan kan de modelvergelijking geschreven worden als:

)(25,0)(' tHtH

Dat betekent dat de groeisnelheid steeds 25% van de hoogte is. b. Zal de groeifactor nu weer 1,25 zijn?

90

Continue evenredige groei Bij discrete evenredige groei is de groeifactor makkelijk te bepalen uit de groei per tijdstap. Bij continue groei gaat de recursieve betrekking over in een differentiaalvergelijking. Het resultaat van deze differentiaalvergelijking is ook weer een exponentiële functie, maar een andere functie dan bij een discreet proces met tijdstap 1. Bij een model waarbij )(25,0)(' tHtH is de groeifactor niet 1,25 maar een

ander getal. In deze paragraaf wordt onderzocht wat de groeifactor in een continu model is. In de volgende paragraaf zal blijken hoe dit getal vooraf berekend had kunnen worden.

87 Bij de geboorte van Nienke stort haar vader 4000 euro op een spaarrekening met een looptijd van 20 jaar. Hij kan daarbij kiezen tussen 5% rente per jaar of 25% rente per vijf jaar. a. Leg uit waarom het voordelig is om te kiezen voor jaarlijkse rente.

b. Bij jaarlijkse rente wordt de formule voor het saldo: ttS 05,14000)( .

Bereken daarmee het eindbedrag na 20 jaar.

c. Bij 25% rente per vijf jaar is de groeifactor 1,25. Wat wordt dan de formule voor S(t)?

d. Bereken daarmee het verschil in eindbedrag na 20 jaar.

Bij de spaarrekening hoort het model van evenredige groei. e. Laat met Coach zien dat met één model zowel de situatie van 5% rente per

jaar als de situatie van 25% rente per 5 jaar na te bootsen is door alleen de tijdstap te veranderen.

Figuur 4.29 – Een model voor sparen met rente.

91

88 Bij het model van de renterekening van de vader van Nienke is gerekend met een tijdstap van 1 jaar en een tijdstap van 5 jaar. In de onderstaande grafiek zie je voor beide situaties het verloop van het saldo gedurende 20 jaar.

Figuur 4.30 – Grafiek van het saldo bij een tijdstap van 1 jaar en van 5 jaar. Wat zal er met de grafiek gebeuren als de tijdstap nog kleiner wordt gemaakt totdat er een continu proces ontstaat? a. Schets welke grafiek je verwacht bij een continu proces en voorspel het

eindbedrag na 20 jaar.

b. Ga met Coach na wat het eindbedrag wordt

c. Met welke factor neemt het saldo jaarlijks toe als het proces continu is?

d. Schrijf het continue proces als een differentiaalvergelijking

)(' tS

EXTRA: Bij een steeds kleinere tijdstap verandert ook de formule voor S.

Bij een tijdstap van 1 jaar is de formule: ttS 05,14000)(

Bij een tijdstap van 5 jaar is de formule: t

tS 51

25,14000)(

e. Wat wordt de formule bij een tijdstap van 0,1 jaar? En bij 0,01 jaar?

f. Bereken met de laatste formule met welke factor het saldo na 1 jaar toegenomen is.

t = 5 jaar

t = 1 jaar

Figuur 4.31 – Coach

Renterekening

92

Lineaire afname Bij een evenredige groei of afname hoort een exponentieel verband. Wat zal er gebeuren bij een lineaire afname? Een voorbeeld daarvan is het afkoelen van voorwerpen waarbij de afkoeling (bij benadering) niet evenredig met de temperatuur is, maar met het temperatuurverschil met de omgeving.

89 Na sluitingstijd wordt de verwarming van de saunacabine uit de eerdere opgaven uitgezet. Op dat moment is de temperatuur in de cabine 90 C. De sauna begint vanaf dat tijdstip af te koelen. Op grond van de afkoelingswet van Newton wordt aangenomen dat de snelheid waarmee de temperatuur in de cabine daalt evenredig is met het verschil tussen de temperatuur in de cabine op dat moment en de omgevingstemperatuur van 20 C. Voor deze sauna geldt:

)20(05,0 rtemperatuuafkoeling

a. Hoe groot is de afkoeling (in °C/min) op het moment dat de verwarming wordt uitgezet?

b. De beginsituatie komt overeen met een punt op de lijn van de 3e grafiek (afkoeling tegen temperatuur). Welk punt is dat?

Figuur 4.33 – Afkoeling en temperatuur van een saunacabine Kies een tijdstap van 10 minuten. Neem aan dat de afkoeling in die tijd steeds constant blijft. c. Hoe groot is de temperatuur na 10 minuten?

d. Na één tijdstap wordt de afkoeling opnieuw berekend. Hoe groot is de afkoeling dan?

e. Geef de situatie na 10 minuten met een stip aan in grafiek 1, 2 én 3.

f. Voer dezelfde berekening uit voor t=20 en t=30.

g. Teken de grafieken van de afkoeling en de temperatuur van t=0 tot t=30.

Figuur 4.32 ‘Modellen’ zonder terugkoppeling in de sauna

93

90 De formule )20(05,0 rtemperatuuafkoeling vormt het hart van het

Coach-model voor de afkoeling van de saunacabine. a. Maak een model voor dit afkoelingsproces in Coach. Gebruik de

bovenstaande formule voor de stroomvariabele. Start weer met Lege modelleer activiteit.cma.

b. Kies eerst een tijdstap van 10 minuten en controleer of je berekeningen in de vorige opgave juist waren.

c. Verklein de tijdstap totdat het model een goede benadering is van het continue proces van het afkoelen.

d. Stel de differentiaalvergelijking op:

)(' tT

e. Neem de grafieken van de afkoeling en van de temperatuur over in de onderstaande grafieken.

f. De grafieken van de temperatuur en de afkoeling lijken erg op elkaar. Wat voor soort functie past bij deze grafieken?

94

Een andere differentiaalvergelijking Vaak zal de differentiaalvergelijking bij een model geen eenvoudig evenredig verband zijn. Het resultaat daarvan zal meestal geen exponentieel verband zijn en soms is er helemaal geen wiskundige functie die het proces beschrijft.

91 Een zonnebloem zal in werkelijkheid niet onbeperkt groeien. De grafiek rechtsonder geeft een meer realistisch model: als de zonnebloem nog heel klein is, is de groei ook klein. Naarmate de zonnebloem groter wordt neemt ook de groeisnelheid toe. De groeisnelheid is halverwege maximaal en daarna neemt de groeisnelheid weer af.

Figuur 4.34 – Relatie tussen hoogte en groei van een zonnebloem.

Voor de groei van deze zonnebloem geldt de volgende formule:

)180(005,0 hoogtehoogtegroei

In deze formule is de hoogte in cm en de groei in cm/week gegeven. a. Controleer dat deze formule klopt met de rechtergrafiek.

Het model start met een hoogte van 10 cm. Daarbij hoort een groeisnelheid van 8,5 cm/week. b. Hoe zal de grafiek van de hoogte lopen? Teken een voorspelling in de

eerste grafiek.

c. Teken in de middelste grafiek een voorspelling van de groeisnelheid als functie van de tijd.

Bouw met Coach een model voor deze zonnebloem. Gebruik de formule voor de groei en de startwaarde voor de hoogte.

d. Teken met Coach grafieken van de hoogte en de groei. Kies een voldoende kleine tijdstap en neem de grafieken over.

e. Hoe hoog wordt deze zonnebloem uiteindelijk?

Figuur 4.35 – Zonnebloem

95

EXTRA: De grafiek van de groei heeft twee nulpunten. Als de groei nul is dan kan er een evenwichtssituatie ontstaan. Of er inderdaad evenwicht ontstaat kun je onderzoeken door een punt net ernaast te kiezen. f. Neem als startwaarde voor de hoogte 190 cm. Wat gebeurt er? Ontstaat er

evenwicht?

g. Neem als startwaarde voor de hoogte -10 cm. Wat gebeurt er? Ontstaat er evenwicht?

Leerdoelen


Wat is een differentiaalvergelijking?

Hoe kun je bij lineaire groei of afname het gedrag van het model voorspellen of verklaren?

96

De wiskunde in een model 4.5 Differentiaalvergelijkingen oplossen

Wat gaan we doen? Bij evenredige groei hoort een exponentiële functie, maar de groeifactor van deze functie is tot nu toe alleen te benaderen door de tijdstap heel klein te nemen.

Om een exacte waarde voor de groeifactor te vinden moet een functie gevonden worden die exact past bij de differentiaalvergelijking. In deze paragraaf gaan we naar bijzonder groeiproces kijken waarmee alle soorten van evenredige groei en afname exact op te lossen zijn.


Hoe vind je een exacte oplossing bij een continu model met evenredige groei of afname?

Een bijzonder groeiproces In de modellen met procentuele groei is de stroomvariabele steeds evenredig met de niveauvariabele. De toename of afname is dan steeds een bepaald gedeelte van de hoeveelheid die aanwezig is. Een bijzonder groeiproces is het proces waarbij de groeisnelheid steeds precies even groot is als de hoeveelheid die er op bepaald moment is. In Coach betekent dit dat de stroomvariabele I even groot is als de toestandsvariabele T. De modelvergelijking wordt dan: )()( tTtI

De differentiaalvergelijking is: )()(' tTtT

Het bijzondere aan deze differentiaalvergelijking is dat de oplossing een functie is waarvan de afgeleide precies gelijk is aan de functie zelf (!)

92 In het onderstaande diagram zie je de grafieken van dit proces bij een tijdstap van 1 jaar en bij een tijdstap van 0,5 jaar. De startwaarde is 1.

Figuur 4.37 – Groeimodel waarbij I=T, met tijdstap 1 en 0,5

Figuur 4.36 - Een bijzonder groeiproces waarbij geldt: I=T

97

Voor de onderste lijn in de grafiek is de tijdstap t = 1. a. Welke groeifactor geldt er voor T bij de tijdstap Δt = 1?

b. Stel een formule op voor de onderste lijn

T(t) =

De gegevens bij de bovenste lijn (Δt = 0,5) staan in de tabel. c. Met welke getal wordt de waarde van T bij elke tijdstap vermenigvuldigd?

d. Stel ook een formule op voor T als functie van t bij de bovenste grafiek.

T(t) =

93 Dit bijzondere groeiproces, waarbij de groeisnelheid op elk moment even groot is als de hoeveelheid, is natuurlijk geen discreet maar een continu proces. Dit is met Coach te benaderen door de tijdstap heel klein te nemen. a. Bouw het model met Coach. Maak de tijdstap steeds kleiner totdat de

grafiek niet meer zichtbaar verandert. In figuur 3.22 zie je het resultaat van dit model bij een zeer kleine tijdstap. b. Teken met Coach ook de grafiek van de instroom. Wat valt je op?

Figuur 4.39 - Een bijzondere grafiek: de helling is overal gelijk aan de waarde van de functie. De bovenstaande grafiek is voor de wiskunde een zeer bijzondere grafiek. In elk punt is de helling van de grafiek gelijk aan de waarde van de functie zelf. c. In de grafiek is de raaklijn getekend in het punt waar T=10 jaar. Hoe groot is

de helling van de raaklijn?

Fig 4.38 Groeiproces I(t)=T(t)

met tijdstap t = 0,5

tijd T

0,0 1,00

0,5 1,50

1,0 2,25

1,5 3,38

2,0 5,06

2,5 7,59

3,0 11,39

98

d. Welke groeifactor (per jaar) hoort bij dit speciale groeiproces? Bepaal met behulp van Coach de groeifactor in drie decimalen nauwkeurig.

e. Verander de startwaarde in een willekeurig getal en ga na of daardoor de groeifactor verandert.

De groeifactor van dit bijzondere proces wordt het getal e genoemd. Het

bijzondere van dit getal is dat de afgeleide van xe ook weer xe is.

f. Laat zien dat bij een andere startwaarde de afgeleide ook weer precies gelijk is aan de functie.

g. Het getal e staat ook op de rekenmachine.

Reken uit met de rekenmachine: e1 =

Het getal e De bovenstaande grafiek is zo bijzonder dat de wiskunde een aparte letter heeft gekoppeld aan de groeifactor van deze grafiek. Het is één van de zeer speciale getallen in de wiskunde (voor de meeste wiskundigen belangrijker dan bijvoorbeeld π).

Deze speciale groeifactor heeft de naam e (van exponentiële groei) gekregen. Het getal e heeft oneindig veel cijfers achter de komma.

......71828,2e

Voor het getal e geldt bijvoorbeeld:

Als tetN )( dan is tetN )('

Deze eigenschap geldt ook voor:

Als texf 5)( dan is texf 5)('

99

EXTRA: eigenschappen van het getal e

94 Een ander manier om aan dit bijzondere grondtal te komen is door te kijken naar de grafieken bij steeds kleinere tijdstappen.

bij tijdstap 1t ttN 2)(

bij tijdstap 5,0t tttN 25,2)5,1()( 2

bij tijdstap 1,0t ttN )1,1()( 10



a. Leg uit dat bij tijdstap 5,0t de waarde van N bij elke tijdstap van 0,5

jaar met 1,5 vermenigvuldigd wordt.

b. Bereken de groeifactor per jaar bij deze tijdstap.

c. Leg uit dat bij tijdstap 1,0t de waarde van N op tijdstip t = 1 met een

factor 1,110 vermenigvuldigd is..

d. Bij tijdstap 01,0t wordt de waarde van N bij elke tijdstap met 1,01

vermenigvuldigd. Hoeveel tijdstappen zijn er dan gepasseerd op t = 1?

Het grondtal is te vinden door steeds kleinere stappen te nemen. e. Bepaal met behulp van een rekenmachine de waarde van e in vijf

decimalen.

Figuur 4.40 - Het getal e is een uniek getal waarbij de waarde van de afgeleide (de helling van de raaklijn) van f(x)=ex bij elke waarde van x gelijk is aan de waarde van f(x).

100

Oplossingen bij evenredige groei Met behulp van het getal e zijn oplossingen te vinden voor alle situaties waarbij sprake is van evenredige of lineaire groei. Daarbij wordt gebruik gemaakt van de volgende eigenschappen:

bij de functie xexf 3)( is de afgeleide xexf 33)('

bij de functie xexf 2)( is de afgeleide xexf 22)('

bij de functie xexf 6,05)( is de afgeleide xexf 6,03)('

In al deze gevallen lijkt de afgeleide sterk op de functie zelf.

Voor de algemene functie axebxf )( is de afgeleide axeabxf )(' .

Dat betekent dat: )()(' xfaxf

Deze regel is makkelijk om te keren.

Bij de differentiaalvergelijking )()(' xfaxf

Is de oplossing: axebxf )(

Waarbij b elk willekeurig getal mag zijn.

Voorbeeld: Bij de differentiaalvergelijking )(25,0)(' tNtN

is dan de oplossing: tebtN 25,0)(

De groeifactor per tijdseenheid is dan: 284,125,0 e

Een bijzonder grondtal: e Bij een bijzondere exponentiële functie hoort een bijzonder grondtal. Het getal dat in de vorige opgaven gevonden is wordt e genoemd. Het is voor de wiskunde net zo’n belangrijk getal als bijvoorbeeld . In wikipedia staat de volgende tekst:

Het getal of de wiskundige constante e is het grondtal van de natuurlijke logaritme; het is gedefinieerd als:

Het wordt ook de constante van Neper genoemd, naar de uitvinder van de logaritme, de Schotse wiskundige John Napier. Het getal e werd door de Zwitserse wiskundige Leonhard Euler het exponentiële getal genoemd, vandaar vermoedelijk de naam. Een benadering is: e = 2,71828 18284 59045 23536 02874 .....

Deze tekst vermeldt niets over de eigenschap dat de afgeleide van deze functie gelijk is aan de functie zelf.

Er geldt: als xexf )( dan is xexf )('

De definitie past bij de berekening van het grondtal door steeds kleinere tijdstapjes te nemen. Met deze definitie kan e met oneindig veel decimalen berekend worden.

101

95 Voor de groei van de massa m (in kg) van een plant als functie van de tijd t (in weken) geldt:

)(1,0)( tmtgroei

a. Welke differentiaalvergelijking hoort bij dit proces?

b. Schrijf de groeifactor per week als een e-macht

Op tijdstip t=0 bedraagt de massa van de plant 0,25 kg.

c. Ga na dat tetm 1,025,0)( een oplossing is van deze

differentiaalvergelijking.

d. Zijn er andere functies die ook een oplossing zijn van de differentiaalvergelijking? Licht toe.

96 Van een vissenpopulatie is N(t) het aantal vissen in een bepaald gebied op tijdstip t (in jaar). Op t=0 zijn er ca. 2 miljoen stuks van dit soort vis. Door overbevissing geldt: )(3,0 tNgveranderin .

a. Welke differentiaalvergelijking hoort bij dit proces?

b. Schrijf de groeifactor per jaar als een e-macht.

c. Stel een functie op voor N(t).

Na een jaar is de populatie met minder dan 30% afgenomen. d. Met hoeveel procent is de populatie na 1 jaar afgenomen?

102

97 Voor de afkoeling van een sauna geldt het volgende verband: )20(05,0 rtemperatuuafkoeling .

De begintemperatuur van de sauna is 90 °C. a. Welke differentiaalvergelijking hoort bij dit proces?

De oplossing van deze differentiaalvergelijking kan geschreven worden als: taebtT 20)(

b. Bereken de waarde van a en b door deze formule in te vullen.

c. Laat zien dat deze oplossing past bij de grafieken in vraag 90e.

98 De groeikromme van de tulpensoort Queen of Night is (bij benadering) de grafiek van een wortelverband. Bij het maken van het dynamisch model voor de groei van de tulp is gebruik gemaakt van een omgekeerd evenredig verband met als formule:.

hoogtegroei

15

Kennelijk heeft het feit dat de formule voor de groei een omgekeerd evenredig verband is tot gevolg dat de groeikromme een wortelgrafiek is. Hoe kan dat? Is dat van tevoren te voorspellen?

a. Laat zien dat geldt: 1)(5' HH

Groeikromme Queen of Night

0

10

20

30

40

50

60

0 24 48 72 96 120 144 168 192 216 240 264 288 312 336

tijd (uren)

pe

rce

nta

ge

Figuur 4.41 - Groeikromme Queen of Night

103

De differentiaalvergelijking is alleen op te lossen door aan te nemen dat H een machtsfunctie is.

ntatH )( en dus 1)(' ntnatH

Invullen van deze twee vergelijkingen in de differentiaalvergelijking geeft:

11 )(5 nn xaxna

b. Leg uit hieruit af te leiden valt dat nn 1 en bereken daarmee de waarde van n.

c. Bereken ook de waarde van a.

Afronding Het doel van dit hoofdstuk is om te laten zien hoe de wiskunde in een model werkt, hoe de relatie tussen niveauvariabele en stroomvariabele in feite een differentiaalvergelijking is.

Het is niet de bedoeling om in dit hoofdstuk diep in te gaan op alle mogelijke differentiaalvergelijkingen en hun oplossingen, dat komt later bij wiskunde D aan bod. Leerdoelen


Hoe vind je een exacte oplossing bij een continu model met evenredige groei of afname?

Hoe kun je met behulp van het getal e de groeifactor bepalen?

104

Hoofdstuk 5 Toepassingen van dynamische modellen 5.1 Modelleren in studie en beroep

Wat gaan we doen? In de vorige hoofdstukken heb je zicht gekregen situaties waarin dynamische modellen worden gebruikt. Dit hoofdstuk start met studies en beroepen die gebruik maken van dynamische modellen met behulp van de computer.

Daarna pas je geleerde vaardigheden en kennis uit vorige hoofdstukken toe op twee belangrijke gebieden waar modellen veel gebruikt worden. - Bewegingen, denk aan sport en verkeer (5.2 tm 5.4) - Populatiedynamica, denk aan het voorspellen van bevolkingsgroei (5.5) of het uitsterven van diersoorten (5.6, 5.7).

In de eerste paragraaf is de centrale vraag:

In welke studies en beroepen wordt gebruik gemaakt van modelleren?

Modelleren tijdens je studie In allerlei studierichtingen kun je aan de slag met in de computer gemodelleerde dynamische modellen. Voorbeelden zijn: Bewegingswetenschappen, Biologie, Civiele Techniek, Cognitiewetenschappen, Informatica, Lucht- en ruimtevaarttechniek, Milieukunde, Meteorologie, Natuurkunde, Oceanografie, Scheikunde, Werktuigbouwkunde, Wiskunde, e.v.a. Voorbeelden mensen die in hun beroepen met (resultaten van) dynamische modellen werken zijn: economen, rechercheurs, technici, beleidsmakers, economen en wetenschappers. En wetenschappers op zeer verschillende gebieden. Hieronder enkele voorbeelden. Deze en nog meer voorbeelden zijn te vinden op: http://www.cdbeta.uu.nl/vo/modelleren/leerling/vervolgopleiding.php Mensen in Panieksituaties Rampen door paniek op massa-evenementen zijn de laatste jaren niet alleen snel in aantal toegenomen, ze eisen ook steeds meer slachtoffers. Paniekgedrag lijkt een ongrijpbaar en oncontroleerbaar fenomeen. De Hongaarse onderzoeker professor Tamàs Vicsek heeft er een wiskundig model voor opgesteld dat griezelige overeenkomsten vertoont met de werkelijkheid. Meer info over dit onderwerp in een tv-uitzending van VPRO's Noorderlicht (te bekijken via het web).

Figuur 5.1 - Grote mensenmassa bij muziekevenement

105

De kosmos in een tijdmachine Wie door een telescoop naar de kosmos kijkt, ziet een ogenschijnlijk niets veranderen. De ontwikkelingen die er zijn duren langer dan een mensenleven. De ontwikkelingen zijn echter wel te berekenen. Het zijn de gewone wetten van de zwaartekracht. Alleen vereist het een enorme rekencapaciteit, want het gaat om miljoenen sterren die allemaal op elkaar van invloed zijn. Simon Portegies Zwart, als academieonderzoeker verbonden aan de Universiteit van Amsterdam, houdt zich daarmee bezig. Voor de berekening kan hij beschikken over de snelste computer ter wereld: de GRAPE 6 in Japan. Daarmee simuleert hij het gedrag van sterrenhopen: grote groepen sterren bij elkaar die door hun onderlinge aantrekkingskracht een geheel vormen. Meer informatie en een video over dit onderwerp bij de site van het Teleac programma Jota.

Figuur 5.3 - Bolvormig stercluster Weer en klimaat Nergens wordt zoveel over gepraat en gespeculeerd als over het weer. De mens doet al heel lang pogingen om het weer voor de komende dagen te voorspellen. Een redelijk betrouwbare voorspelling is te maken voor ongeveer vier dagen. Onderzoek en verbetering van modellen om het weer te voorspellen wordt onder meer bij het KNMI gedaan. Voor de langere termijn wordt onderzoek gedaan naar het veranderen van het klimaat op aarde.

Gerbrand Komen heeft hier onderzoek aan gedaan bij het KNMI. Hij werkt nu aan de dynamica van het klimaat aan de Universiteit van Utrecht.

Meer info over dit onderwerp in een tv-uitzending van VPRO's Noorderlicht (te bekijken via het web.

Figuur 5.4 - Regen in Nederland

Figuur 5.2 - Simon Portegies Zwart

Figuur 5.3 – Gerbrand Komen

106

Toepassingen van dynamische modellen 5.2 Een beweging onderzoeken

Wat gaan we doen? In de natuurkunde worden vaak dynamische modellen gebruikt om bewegingen te onderzoeken. Met name bewegingen waarbij meerdere krachten optreden die tijdens het bewegen veranderen.

Als eerste wordt een aansprekend voorbeeld onderzocht, daarna wordt een algemeen model voor bewegingen opgesteld. Het algemene model kan gebruikt worden in de keuze-opdrachten.


Hoe bouw je een model voor bewegingen op?

Hoe kun je met het model bewegingen onderzoeken?

Modellen van bewegingen Bij het onderwerp bewegingen en krachten zijn veel situaties te vinden waarbij een model gebruikt wordt om voorspellingen te doen of om verbeteringen aan te brengen. Enkele voorbeelden van dit soort situaties: - de lancering van raketten - veiligheidsmaatregelen bij attractieparken - een flight-simulator voor het trainen van piloten - de invloed van luchtweerstand en gewichtbesparing bij wielrennen - de baan van een komeet rond de Zon In dit hoofdstuk wordt gekeken naar enkele eenvoudige praktijksituaties waarbij een model gebruikt wordt om de beweging te onderzoeken. Omdat er in vrijwel alle praktijksituaties die over bewegingen gaan sprake zal zijn van de vier genoemde begrippen (kracht, versnelling, snelheid en verplaatsing), ligt het voor de hand om een algemeen geldend computermodel voor bewegingen te maken dat makkelijk is aan te passen voor elke soort beweging. Om een dergelijk model op te stellen maken we gebruik van een probleem uit een praktijksituatie.

Mechanica

Voor de meeste bewegingen in de mechanica gelden dezelfde principes. De krachten op een voorwerp zorgen voor een versnelling of een vertraging, en daardoor neemt de snelheid van het voorwerp toe of af. Met behulp van de snelheid en de tijd is de afstand uit te rekenen die het voorwerp daarbij aflegt. Zolang de krachten constant zijn, is ook de versnelling constant. Dan gelden er de bekende formules uit de natuurkundeboeken voor de eenparig versnelde beweging (zoals amF , tav en 2

21 tas ).

Dat verandert zodra de krachten op het voorwerp tijdens de beweging niet constant zijn, zoals bij vrijwel alle bewegingen in het dagelijkse leven. Als er bijvoorbeeld sprake is van wrijvingskrachten dan hebben we te maken met een kracht die verandert zodra de snelheid verandert. In een dynamisch model is het vrij eenvoudig om veranderende krachten te modelleren.

Figuur 5.6 - Voor het trainen van piloten wordt een vluchtsimulator gebruikt

107

Praktijksituatie: Neerkomende kogels Iemand plaatste op internet de volgende vraag:

99 Bespreek de Knagende Vraag in je groep. Noteer daarbij zoveel mogelijk verklaringen, oorzaken of vragen.

Om tot een antwoord te komen, kijk je eerst naar de beweging van de kogel. Daarbij komen vragen naar voren als “Hoe hard komt een kogel uit een pistool?”, “Met welke snelheid komt de kogel op de grond?”, “Hoe hoog komt de kogel?” en “Hoe lang is de kogel in de lucht?”. En je gaat deze beantwoorden met behulp van een model.

Een simpel model: geen luchtweerstand Je begint met een eenvoudig model dat je later uitbreidt. Voor het eenvoudige model begin je met twee aannames: - Er is geen luchtweerstand. - De kogel wordt verticaal omhoog geschoten.

100 Met deze twee aannames wordt de beweging van de kogel een rechtlijnige beweging met slechts één kracht: de zwaartekracht. a. Wat voor soort beweging is de beweging omhoog van de kogel?

b. Wat voor soort beweging is de beweging omlaag van de kogel?

c. Leg in je eigen woorden uit wat met het begrip versnelling bedoeld wordt. Gebruik in je uitleg ook de eenheid van versnelling.

Herhaling theorie In de bijlage vind je een herhaling van de theorie van kracht en beweging. Deze theorie wordt in dit deel bekend verondersteld. Controleer eerst of je alle theorie kent en beheerst.

Vreugdeschoten Bij vreugdevolle gebeurtenissen schieten mensen soms met een pistool in de lucht ten overstaan van een grote menigte. Waarom raakt er nooit iemand gewond als de kogel weer naar beneden valt? Bron: www.intermediair.nl rubriek Knagende vragen

Figuur 5.7 Vreugdeschot

108

101 In figuur 5.8 is het eenvoudige model voor een versnelde beweging weergegeven. Een constante kracht F werkt op een massa m die daardoor een versnelling a krijgt. De versnelling zorgt ervoor dat de snelheid v verandert.

Figuur 5.8 – Een model voor snelheid en versnelling a. Is het model in figuur 5.8 geschikt voor de beweging omhoog, de beweging

omlaag, of voor beide bewegingen? Leg uit.

Om het model in twee richtingen te laten werken is het nodig om een positieve en een negatieve richting te kiezen. In dit soort situaties wordt omhoog als positief gezien, naar beneden als negatief. b. Welke van de vier vakjes in het model van figuur 5.8 hebben of heeft, in het

geval van de kogel die omhoog geschoten wordt, aan het begin een negatieve waarde?

102 In figuur 5.9 vind je enkele gegevens over het pistool dat door de Nederlandse politie gebruikt wordt. a. Welke van de vier modelvariabelen uit figuur 5.8 zijn met deze gegevens te

bepalen? Noteer de gegevens.

b. Met welke formule bereken je de zwaartekracht?

Figuur 5.9 – Een Walther P5 kaliber kogel 9 mm frontaal oppervlak 6,410-5 m² massa 9 gram afschietsnelheid 350 m/s cw-waarde 0,2 à 0,3 luchtdichtheid 1,3 kg/m³

109

Open het model Versnelde Beweging 1. Dit model is het begin van een model voor een versnelde beweging.

103 Model Versnelde Beweging 1 gaat alleen over snelheid en versnelling. De versnelling a hangt af van de kracht F en de massa m volgens de formule

amF .

a. Welke formule moet je nu in het model invullen om de versnelling a te berekenen?

Het model gaat over de relatie tussen snelheid en versnelling. In het model is de versnelling tevens de instroomvariabele voor de snelheid. b. Leg uit dat de versnelling tevens de instroomvariabele van de snelheid is.

Gebruik in je uitleg het woord tijdstap.

De enige kracht in dit model is de zwaartekracht. In plaats van steeds de waarde uitrekenen, kun je deze ook laten berekenen met een formule. c. Trek een relatiepijl van massa naar kracht en noteer de formule waarmee je

de zwaartekracht kunt berekenen uit de massa in het model. Denk aan de negatieve waarde voor de zwaartekracht!

d. Kies de massa en de beginsnelheid van de kogel van een Walther P5 (zie figuur 5.8). Laat het model lopen.

104 De snelheid van de kogel neemt af naarmate de kogel hoger komt. Zodra de kogel weer naar beneden komt neemt de snelheid weer toe. De snelheid wordt dan negatief. a. Breid het model uit met een grafiek van de snelheid. Teken de grafiek in

figuur 5.11.

Time

snel

heid

_v

0 10 20 30 40 50 60 70

-300

-200

-100

0

100

200

300

Figuur 5.11 – Snelheid-tijd-diagram van de kogel

Figuur 5.10 – Een Walther P5 kaliber kogel 9 mm frontaal oppervlak 6,410-5 m² massa 9 gram afschietsnelheid 350 m/s cw-waarde 0,2 luchtdichtheid 1,3 kg/m³

110

b. Klopt de grafiek met je verwachtingen? Noteer wat wel en niet overeenkomt.

Op een gegeven moment wordt de snelheid van de kogel nul. c. Bepaal zo nauwkeurig mogelijk op welk tijdstip de snelheid nul wordt.

d. Wat betekent dat voor de beweging van de kogel?

105 De grafiek van de snelheid kun je gebruiken om een schatting te maken van de maximale hoogte die de kogel bereikt en de tijd die de kogel onderweg is. a. Maak met behulp van de grafiek van de snelheid een schatting van de

hoogte die de kogel bereikt.

b. Maak met behulp van de grafiek een schatting van de tijd die de kogel onderweg is.

c. Wat zal er aan de grafiek van de snelheid veranderen als je voor de massa van de kogel 1,0 kg invult? Onderzoek of je voorspelling klopt.

Het model uitbreiden Het model Versnelde Beweging 1 gaat alleen over snelheid en versnelling. In de eerste uitbreiding van het model wordt de hoogte die de kogel bereikt opgenomen.

106 Tijdens het vallen wordt de snelheid van het voorwerp steeds groter, en de afstand die het voorwerp binnen één seconde aflegt wordt dus ook steeds groter.

figuur 5.12- model met snelheid en afstand

Herhaling theorie In de bijlage vind je een herhaling van de theorie van kracht en beweging. Deze theorie wordt in dit deel bekend verondersteld. Controleer of je alle theorie kent en beheerst.

111

a. Voeg een niveauvariabele hoogte_h aan het model toe en vul de beginwaarde voor de hoogte in.

b. Teken een instroompijl bij de hoogte.

c. Leg in je eigen woorden uit waarom de instroom van de afstand de snelheid moet zijn. Gebruik in je uitleg het begrip tijdstap en/of de eenheden van snelheid en afstand.

107 Met het uitgebreide model is het mogelijk om een grafiek van de hoogte van de kogel te tekenen.

Time

hoog

te_h

0 10 20 30 40 50 60 70

0

1.000

2.000

3.000

4.000

5.000

6.000

Figuur 5.13 – Hoogte-tijd-diagram van de kogel a. Laat het model een grafiek tekenen van de hoogte. Neem het resultaat over

in figuur 5.13.

b. Hoe hoog komt de kogel?

c. Klopt je antwoord met de voorspelling?

d. Controleer of de tijdstap van het model klein genoeg is om de maximale hoogte nauwkeurig te bepalen.

e. Sla het model op als Versnelde Beweging 2.

108 Het eenvoudige model van het pistoolschot gaat uit van een beweging zonder luchtweerstand, in de praktijk zal de luchtweerstand wel degelijk invloed hebben. Voordat het model uitgebreid wordt stellen we een voorspelling op. a. Zal de kogel in werkelijkheid hoger of minder hoog komen dan in het

eenvoudige model?

b. Zal de kogel in werkelijkheid korter of langer in de lucht zijn dan in het eenvoudige model?

112

c. Zal de kogel in werkelijkheid met een hogere of lagere snelheid op de grond komen dan in het eenvoudige model?

d. Schets in de grafieken van de snelheid en de afstand een voorspelling van de beweging met luchtweerstand.

Luchtweerstand Tijdens de hele beweging werken er twee krachten op de kogel: de zwaartekracht en de luchtweerstand.

Voor de luchtweerstand van een kogel geldt: 221

, vAcF wlw

Daarin is: cw de stroomlijnfactor (zonder eenheid) A het frontaal oppervlak in m² de luchtdichtheid in kg/m³ v de snelheid in m/s

109 In de formule komt het frontaal oppervlak A voor. Bij een kogel van een Walther P5 is dat een cirkel met een diameter van 9 mm. a. Voor de zekerheid: Controleer dat het frontaal oppervlak A in de tabel

overeen komt met het kaliber kogel.

b. Bereken met de formule de grootte van de luchtweerstand van de kogel van de Walther P5 direct na het verlaten van de loop.

c. Breid het model uit met een rekenvariabele F_lucht.

d. Breid het model uit met drie constanten: cw_waarde, oppervlak_A en luchtdichtheid.

e. Trek alle benodigde relatiepijlen, denk ook aan de snelheid.

f. Hoe moet de formule voor de versnelling aangepast worden?

De luchtweerstand heeft ook een richting. Als de kogel omhoog beweegt dan is de luchtweerstand naar beneden gericht (negatief). Omgekeerd moet de luchtweerstand positief zijn als de kogel omlaag beweegt. In het model kan de luchtweerstand op een juiste manier ingevoerd worden met de onderstaande formule:

110 In de formule staat de functie ABS(snelheid_v). De afkorting ABS staat voor ‘absolute waarde’, wat wil zeggen dat de waarde binnen de haakjes positief gemaakt wordt. a. Leg uit dat met deze formule de luchtwrijving negatief is als de kogel

omhoog gaat, en positief als de kogel naar beneden gaat.

Figuur 5.14 - Een Walther P5 kaliber kogel 9 mm frontaal oppervlak 6,410-5 m² massa 9 gram afschietsnelheid 350 m/s cw-waarde 0,2 luchtdichtheid 1,3 kg/m³

113

b. Noteer de formule voor Flucht in het model.

c. Laat het model lopen en teken grafieken voor de hoogte en voor de snelheid. Pas indien nodig de assen aan en schets de grafieken in figuur 5.13.

d. Welke maximale hoogte bereikt de kogel?

e. Hoe lang is de kogel onderweg?

f. Met welke snelheid bereikt de kogel de grond?

g. Sla het model op als KOGEL1.

Evaluatie: Resultaten van het model Het model voor de kogel lijkt realistisch. Kan de Knagende Vraag over het vreugdevuur hiermee beantwoord worden? Knagende vraag: Vreugdeschoten Bij vreugdevolle gebeurtenissen schieten mensen soms met een pistool in de lucht ten overstaan van een grote menigte. Waarom raakt er nooit iemand gewond als de kogel weer naar beneden valt?

111 Geef antwoord op de onderstaande vragen met behulp van de resultaten van je model èn de informatie in de bron ‘Losse flodders of dodelijke schoten’ op de volgende bladzijde. a. Kan een neervallende kogel dodelijk zijn? Licht toe.

Time

snel

heid

_v

0 5 10 15 20 25 30 35

-100

0

100

200

300

Time

hoog

te_h

0 5 10 15 20 25 30 350

200

400

600

800

1.000

1.200

1.400

Figuur 5.15 – Snelheid-tijd-diagram en hoogte-tijd-diagram van de kogel met luchtweerstand

114

b. Is een kogel lang genoeg in de lucht om met de wind meegenomen te worden? Licht toe.

c. Maak een afweging naar aanleiding van de vraag: Is het vreugdevuur nu wel of niet gevaarlijk?

Losse flodders of dodelijke schoten?

Hieronder 3 antwoorden nav de Knagende Vraag: Waardoor raakt er nooit iemand gewond als de kogel weer naar beneden valt? Antwoord R. Kollerie, Arnhem: Als deze pistoolschoten of zelfs machinegeweersalvo's afgevuurd worden met echte kogels, vallen soms wel degelijk doden. Tijdens de onrusten in Albanië waren er waarnemers die hun verontrusting uitspraken over het aantal doden en gewonden dat op deze manier werd veroorzaakt. Antwoord Nico Verschuren, Amsterdam: Een verticaal afgevuurde kogel kan een grote hoogte bereiken. Afhankelijk van het type, komt het projectiel tot duizend à 2.500 meter boven de grond. Het duurt daarbij soms meer dan een minuut voordat de kogel weer terugkeert op aarde.

Al die tijd is de kogel ten prooi aan zijwind. Zelfs een kogel die recht omhoog wordt afgevuurd, krijgt daardoor meestal een behoorlijke horizontale snelheid. Daardoor is de kans gering dat de kogel neerkomt binnen een straal van honderd meter van de schutter. Antwoord Peter Kooistra, Amsterdam: Aan het begin van de vorige eeuw werd dit door verschillende kogelexperts gemeten, meldt Peter. De 7,6 mm kaliber kogels deden er bijna twintig seconden over om een hoogte te bereiken van ruim 2,5 km. Daarna deden ze er meer dan dertig seconden over om weer neer te komen in het meer, met een snelheid van honderd meter per seconde. Hoe dodelijk is zo'n kogel? Kooistra: 'Bij zo'n vijftig meter per seconde dringt de kogel door de huid. De inslag van zo'n kogel kan dus soms dodelijk te zijn' Bron: www.intermediair.nl

Leerdoelen


Hoe bouw je een model voor bewegingen op?

Hoe kun je met het model bewegingen onderzoeken?

115

Toepassingen van Dynamische modellen 5.3 Een algemeen model voor bewegingen

Wat gaan we doen? Bij elke beweging spelen de begrippen kracht, massa, snelheid en versnelling een rol. Het is dan ook handig om een model te gebruiken dat voor allerlei soorten bewegingen bruikbaar is.


Hoe gebruik je een algemeen model voor bewegingen?

Algemeen model bewegingen In het onderstaande figuur 5.16 is het algemeen model voor bewegingen weergegeven. In dit model zijn, naast snelheid, versnelling en afstand, drie krachten opgenomen die samen een totale kracht of resultante leveren. Het model is gemaakt voor bewegingen langs een rechte lijn.

Figuur 5.16 – Een algemeen model voor bewegingen en krachten

112 Het model in figuur 5.16 lijkt veel op het laatste model van de verticale baan van de kogel. Er zijn ook verschillen. a. Vergelijk het algemene model met het model van de kogel. Welke

verschillen zie je?

b. Dit model kun je ook gebruiken voor de remweg van een auto. Hoe zorg je dat de snelheid van de auto afneemt?

116

Toepassing algemeen model: Schaatsen De eerste toepassing van het algemeen model gaat over schaatsen. Het ijsstadion van Calgary in Canada is een zogenaamde ‘hooglandbaan’. Door de grote hoogte waarop de baan ligt, is de luchtwrijvingskracht op een schaatser er relatief klein. Topsprinters beweren dat je in Calgary na de sprint wel een volle ronde van 400 m kunt doorglijden. Klopt deze bewering? Om dit te onderzoekenzetten we eerst op een rij welke krachten er werken. De twee krachten op een uitglijdende schaatser zijn de glijwrijvingskracht Fw,g (tussen de schaatsen en het ijs) en de luchtwrijvingskracht Fw,l (op het lichaam). De glijwrijvingskracht Fw,g op de schaatser wordt gegeven door de volgende formule: gmcFcF gnggw ,

Hierin is cg de glijwrijvingscoëfficiënt, Fn de normaalkracht (van het ijs op de schaatser), m de massa van de schaatser, en g de zwaartekrachtconstante (9,8 N/kg). Uit deze formule blijkt dat de glijwrijvingskracht tijdens het uitglijden constant is. Voor de luchtweerstand Fw,l op de schaatser geldt de volgende formule: 2

21

, vAcF wlw

Hierin is cw de luchtwrijvingscoëfficiënt (stroomlijnfactor), A de frontale oppervlakte van de schaatser, de luchtdichtheid en v de snelheid van de schaatser. Uit deze formule blijkt dat de luchtwrijvingskracht tijdens het uitglijden niet constant is.

113 Naast de benodigde formules heb je een groot aantal gegevens nodig van grootheden die in de berekeningen gebruikt worden. a. Stel een lijst op van alle grootheden waarvan de waarde voor dit

probleem van belang is. Noteer het symbool van de grootheid met de bijbehorende eenheid (voor bijvoorbeeld de massa is dat: m in kg).

Als eerste moet je weten met welke snelheid de schaatser de finishlijn passeert. Lees daarvoor het krantenartikel ‘ Snelste rondje aller tijden’. b. Geef op basis van het artikel een redelijke schatting van de snelheid van

een topschaatser bij het passeren van de finishlijn.

Twee andere benodigde gegevens zijn de glijwrijvingscoëfficiënt cg en de massa m van de schaatser: cg = 0,0034 en m = 75 kg. c. Bereken de grootte van de glijwrijvingskracht Fw,g .

Snelste rondje aller tijden

Jeremy Wotherspoon verbeterde het afgelopen weekeinde in Salt Lake City het meest onderschatte schaatswereldrecord: dat van de snelste volle ronde van 400 meter. Tijdens zijn wereldrecordrace over 1000 meter (1.07,72) legde de Canadees de afstand tussen 200 en 600 meter af in 24,71 seconden.

bron: de Volkskrant, 3 december 2001

Figuur 5.18 - Het testen van de luchtwrijving van een schaatspak gebeurt in een windtunnel

Figuur 5.17 – De Olympic Oval in Calgary

117

Voor de luchtwrijvingskracht gaat het om de luchtwrijvingscoëfficiënt cw en het frontaal oppervlak A van de schaatser, en om de dichtheid van de lucht: cw = 0,70, A = 0,60 m² en = 1,02 kg/m³. d. Bereken de grootte van de luchtwrijvingskracht Fw,l bij het passeren van

de finishlijn.

114 Direct na het passeren van de finishlijn begint de snelheid van de schaatser af te nemen. a. Bereken de vertraging direct na het passeren van de finishlijn.

b. Schets in de grafiek van figuur 5.19 hoe je verwacht dat de snelheid van de schaatser zal afnemen. Gebruik daarbij de gegevens die je hiervoor berekend hebt en noteer getallen langs de assen.

0 0 t

v

Figuur 5.19 - Voorspelling van het (v,t)-diagram van een uitglijdende schaatser.

Met behulp van de grafiek kun je een voorspelling maken over het uitglijden van de schaatser na het passeren van de finishlijn. c. Schat hoe lang het duurt voordat de schaatser stilstaat.

d. Schat welke afstand de schaatser tijdens het uitglijden aflegt.

118

115 Open het ‘ Algemeen model voor bewegingen’. Je gaat dit model aanpassen

voor de schaatser na het passeren van de finishlijn. a. Plaats de luchtwrijvingskracht en de glijwrijvingskracht in het model.

Gebruik voor elke symbool in de formules een aparte variabele (een constante) in het model.

b. Trek de benodigde relatiepijlen en vul het model met formules en getallen.

c. Breid het model uit met een grafiek voor de snelheid en een grafiek voor de afstand.

d. Laat het model lopen. Welke afstand haalt de uitglijdende schaatser?

e. Hoe lang duurt het totdat de schaatser stilstaat?

f. Nadat de snelheid nul is geworden, gebeurt er iets vreemds in het model. Wat gebeurt er eigenlijk? Hoe kan dat?

119

Toepassing algemeen model: afdaling l’ Alpe d’ Huez De vrienden van Niels hebben in de vakantie in Frankrijk de beroemde beklimming van l’ Alpe d’ Huez gedaan. Vol trots vertellen ze dat ze tijdens de afdaling snelheden hebben gehaald van wel 80 km/h. Bij zulke hoge snelheden is bijtrappen onmogelijk, je laat je als een steen naar beneden vallen. Niels gelooft hun verhaal niet helemaal, maar hij heeft in Nederland geen mogelijkheden om hun verhaal te controleren. De centrale vraag in zijn onderzoek is: Met welke maximale snelheid kun je van l’Alpe d’Huez afdalen zonder bij te trappen? Niel zoekt op internet naar gegevens over lucht- en rolwrijvingskrachten bij wielrennen. Hij vindt de volgende gegevens: - Het steilste deel van l’ Alpe d’ Huez: 10,5%,

de hellingshoek is dan 6,0, dat is 0,105 radiaal - De luchtdichtheid op die hoogte: = 1,16 kg/m³ - De cw-waarde van een wielrenner: cw = 0,8 - De rolwrijving bij wielrenners: cr = 0,004 - De massa van wielrenners plus fiets: m = 70 kg Het frontaal oppervlak is te bepalen door met een camera een frontale opname te maken en het oppervlak te meten (zie figuur 5.21). Niels komt op: A = 0,34 m². Voor de beweging van een wielrenner op een helling moeten we rekening houden met de krachten op de wielrenner langs de helling zoals weergegeven in figuur 5.20: de component Fz,x van de zwaartekracht langs de helling, de rolwrijvingskracht Fw,r en de luchtwrijvingskracht Fw,l. Voor deze drie krachten op een afdalende wielrenner gelden de volgende formules: - z,x z sin sin F F m g . Hierin is Fz de zwaartekracht, m de

massa van de wielrenner, g de zwaartekrachtconstante (9,8 N/kg), en de hellingshoek in radiaal.

- w,r r n r cos F c F c m g . Hierin is cr de

rolwrijvingscoëfficiënt, Fn de normaalkracht, m de massa van de wielrenner, g de zwaartekrachtconstante (9,8 N/kg), en de hellingshoek in radiaal.

- 21w,l w2 F c A v . Hierin is cw de luchtwrijvingscoëfficiënt, A het

frontaal oppervlak van de wielrenner, de dichtheid van de lucht, en v de snelheid van de wielrenner.

Fz

Fz,x

Fz,y

Fn

Fw,r + Fw,l

Figuur 5.22 – De krachten op een afdalende wielrenner.

Figuur 5.20 - Afdalen op l’ Alpe d’Huez, een weg met 21 beroemde bochten.

Figuur 5.21 - Meting van het frontal oppervlak van een wielrenner.

120

116 Op de wielrenner werken in de bewegingsrichting drie krachten waarvan alleen de luchtweerstand niet constant is. a. Bereken de totale kracht op het moment dat de wielrenner nog stilstaat.

b. Bereken de versnelling op het moment dat de wielrenner vanuit stilstand vertrekt.

c. Schets in de onderstaande grafiek hoe je verwacht dat de snelheid van

de fietser zal toenemen. Gebruik daarbij de gegevens die je hiervoor berekend hebt en noteer getallen langs de assen.

0 0 t

v

Figuur 5.23 - (v,t)-diagram van een afdalende fietser

Met behulp van de grafiek kun je een voorspelling maken over de tijd en de afstand die nodig is voordat de wielrenner een snelheid van 80 km/h (22,2 m/s) haalt. d. Schat hoe lang het duurt voordat de wielrenner een snelheid van 80

km/h haalt.

e. Schat welke afstand de wielrenner daarbij aflegt.

117 Open het ‘ Algemeen model voor bewegingen’. Je gaat dit model nu aanpassen voor de wielrenner. a. Plaats de drie krachten op de wielrenner in het model. Gebruik voor elk

symbool in de formules een aparte variabele in het model.

b. Trek de benodigde relatiepijlen en vul het model met formules en getallen. Noteer de hellingshoek in radiaal.

c. Breid het model uit met een grafiek voor de snelheid en een grafiek voor de afstand.

121

d. Laat het model lopen. Welke snelheid haalt de wielrenner?

e. Hoe lang duurt het ongeveer totdat de wielrenner de maximumsnelheid haalt? Welke afstand heeft de wielrenner dan afgelegd?

f. Welke conclusie zal Niels nu trekken?

EXTRA: Afdalen en massa 118 Men zegt wel eens dat zware wielrenners sneller kunnen dalen dan lichte

wielrenners, omdat zware voorwerpen nu eenmaal sneller vallen dan lichte. a. Hoe kan dat? Vallen alle voorwerpen niet juist even snel?

b. Onderzoek met het model of een zwaardere wielrenner een hogere snelheid kan halen.

c. Onderzoek ook of de eindsnelheid evenredig toeneemt met de massa van de wielrenner. Gaat een twee keer zo zware wielrenner ook twee keer zo hard?

d. Welk wiskundig verband is er tussen de massa en de eindsnelheid? Stel

een formule op van het type nxay .

Leerdoelen


Hoe gebruik je een algemeen model voor bewegingen?

122

Toepassingen van Dynamische modellen 5.4 Keuzeopdrachten bewegingen

Wat gaan we doen? In deze paragraaf vind je vijf keuzeopdrachten over bewegingen (A t/m E) die een onderdeel kunnen vormen van een praktische opdracht. Presenteer de resultaten aan elkaar of aan de docent in de vorm van een verslag of een presentatie voor de klas.

Toelichting bij de praktische opdracht Als deze keuzeopdracht een onderdeel vormt van een praktische opdracht dan is het belangrijk om van tevoren te weten waar het eindresultaat op beoordeeld wordt. Enkele tips:

Bouw het model met behulp van het algemeen model voor bewegingen. Kies een geschikte tijdstap.

Let bij het bouwen van het model goed op de richting van krachten, snelheden en versnellingen (let op plus- en mintekens!).

Zorg dat het model overzichtelijk opgebouwd is en geef alle variabelen een herkenbare plek. Constanten die veranderd worden moeten in elk geval een eigen icoontje krijgen.

Geef in het verslag uitleg over de manier waarop je het model gebouwd hebt, noem formules en geef aan welke waardes je voor constante grootheden gebruikt hebt.

Maak van alle relevante grafieken en tabellen een afbeelding voor in het verslag of de presentatie. Zie de uitleg over het knippen van plaatjes.

Geef in het verslag uitgebreid antwoord op alle vragen in de opdracht, dus niet alleen een antwoord maar ook uitleg en/of berekeningen.

Met de extra opdrachten kun je de beoordeling positief beïnvloeden. Neem in het verslag of de presentatie ook een evaluatie op. Hoe

realistisch is het model en de resultaten van het model? Hoe zou je het model verder kunnen verbeteren?

Afdrukken of kopiëren van vensterinhouden Vensterinhoud afdrukken

Rechtsklik in het venster dat afgedrukt moet worden of klik op de menuknop. Kies Venster afdrukken.

Klik op de knop Afdrukken of gebruik <Ctrl>+<P> om het gehele Coachvenster af te drukken, precies zo als het op dat moment getoond wordt.

Informatie naar het klembord kopiëren Rechtsklik in het venster dat moet worden gekopieerd, of klik op de menuknop. Kies Naar klembord kopiëren. Plak het item in een ander Windowsprogramma (bijv.

tekstverwerker, tekenprogramma, spreadsheet, enz.), door Plakken in de applicatie te kiezen.

Teksten en tabellen kunnen ook naar het klembord worden gekopieerd met de Tekstbewerkingsopties, of de toetsen (Knippen (<Ctrl>+<X>), Kopiëren (<Ctrl>+<C>) en Plakken (<Ctrl>+<V>)).

Een overzicht van het model in vergelijkingen en getallen. Te vinden in het modelvenster

onder .

123

A Schaatsen op laag- en hooglandbanen Het verschil tussen schaatsen op laag- en hooglandbanen is de luchtdichtheid. Op een hoog gelegen ijsbaan als in het Canadese Calgary is de luchtdichtheid kleiner dan op een laaglandbaan als het Thialf IJsstadion in Heerenveen. Dat heeft invloed op de luchtwrijvingskracht, en daarmee op de snelheid van een schaatser.

Voor de luchtdichtheid op hoogte h geldt: )5500/(5,029,1 h

In deze formule is h de hoogte (in m) boven het aardoppervlak en 1,29 de dichtheid (in kg/m3) van de lucht bij het aardoppervlak. Voor een schaatser in schaatshouding kun je uitgaan van een luchtwrijvingscoëfficiënt cw van 0,70 en een frontaal oppervlak A van 0,40 m2. Voor de andere grootheden vind je realistische waarden bij de eerdere schaatsmodellen. Op 22 november 2004 benaderde Gianni Romme op de laaglandbaan in Berlijn het wereldrecord op de 5000 meter tot 0,04 seconde. De Brabander klokte een tijd van 6:14,70. Een jaar later schreef Sven Kramer in Salt Lake City wel een nieuw record in de boeken: 6:08,78. a. Bouw een computermodel voor de rit van Gianni Romme (87 kg) van

start tot finish. Zoek de hoogte van de baan in Berlijn op het internet.

b. Neem aan dat de schaatser gedurende de gehele rit dezelfde voorwaartse kracht levert en bepaal met het model welke kracht Romme nodig had om zijn tijd te realiseren.

c. Sven Kramer was in Salt Lake bijna zes seconde sneller dan Romme in Heerenveen. Ga met het model na welke tijd Romme in Salt Lake had kunnen realiseren (aangenomen dat hij een even grote kracht had kunnen leveren als in Berlijn).

Op de 10.000 m zijn er ook zowel op hoogland- als op laaglandbanen wereldrecords gevestigd. Op 19 maart 2006 noteerde Sven Kramer in Calgary een tijd van 12:51,60. Een jaar later reed hij tijdens het WK in Heerenveen (nota bene een laaglandbaan) een nieuw wereldrecord van 12.49,88. d. Onderzoek met het computermodel de kracht die Kramer in elk van de

recordpogingen ontwikkelde. Hoeveel procent is het verschil?

e. Ondanks het nadeel van een hogere luchtweerstand kunnen er dus toch wereldrecords gereden worden op een laaglandbaan. Hoe kan dat? Hoe zou je daar in het model rekening mee kunnen houden.

Figuur 5.24– Het Thialf-stadion in Heerenveen.

124

Door op benen en hoofd lange ribbelstroken te plakken, is per ronde een halve seconde winst te halen. Dit beweren dr. ir. Leo Veldhuis en ir. Nando Timmer, stromingsdeskundigen van de Technische Universiteit in Delft. Zij baseren dit op basis van windtunnelonderzoek. Gunstige effecten door ribbelstroken tijdens wedstrijden zijn niet bewezen.

Figuur 5.25– Een krantenartikel over de werking van strips. De strips zorgen voor een verlaging van de luchtweerstand (de cw-waarde). f. Onderzoek met een model hoe groot procentuele afname van de

luchtweerstand moet zijn om een tijdwinst van een halve seconde per ronde te boeken. Sla je computermodel veilig op en noteer de filenaam.

B Valbeweging De toren van Pisa is niet alleen beroemd omdat de toren scheef staat. Men beweert dat Galileï er rond 1600 een belangrijk natuurkundig experiment uitgevoerd heeft. Galileï was in zijn tijd een eigenzinnig onderzoeker. Hij liet twee verschillende kogels tegelijk naar beneden vallen. De ene kogel was tienmaal zo zwaar als de andere.

Figuur 5.26 - De toren van Pisa werd gebruikt om de hypotheses van Galilei en Aristoteles te onderzoeken.

Aristoteles: “Een ijzeren kogel van 10 kg, vallend van een hoogte van 10 meter, bereikt de grond voordat een kogel van 1 kilo één enkele meter gevallen is.” Kortom, de zware kogel is tienmaal zo snel beneden als de lichte kogel Galilei: “Ik betwijfel of Aristoteles dat met een proef heeft gecontroleerd. Ik zeg dat ze tegelijk aankomen. De zware is misschien twee vingerbreedten voor op de lichte.”

125

In de tijd van Galileï werd de hypothese van Aristoteles (4e eeuw v.Chr) algemeen aanvaard. Lees de hypotheses van beide geleerden in fig. 5.26. In deze keuzeopdracht zoek je uit wie van de twee gelijk heeft. Bij een valbeweging gaat na verloop van tijd de luchtwrijvingskracht een steeds belangrijke rol spelen. Bij een groter voorwerp is zowel de zwaartekracht als de luchtweerstand groter, een voorwerp met een grotere massa heeft immers ook een groter frontaal oppervlak (als ze dezelfde vorm hebben en van hetzelfde materiaal zijn gemaakt). Dit laatste heeft invloed op de luchtwrijvingskracht, en daarmee op de valsnelheid. a. Ontwerp een model voor het vallen van bolvormige voorwerpen. Stel het

model zo op dat de straal van de bol en de dichtheid van het materiaal van de bol als modelvariabelen in te stellen zijn, de massa en het volume worden daarmee berekend. Gebruik daarbij de volgende gegevens:

- Voor het volume van een bol geldt: 334 rVbol

- Het frontaal oppervlak van een bol: 2rAbol

- De cw-waarde van een bol: 53,0wc

- De dichtheid van staal: 3/800.7 mkg

Een stalen bol van 1,0 kg heeft een straal van 3,13 cm.

b. Bereken of bepaal met het model de straal van een stalen kogel van 10 kg. Onderzoek of Aristoteles of Galileï gelijk had door de valtijd van een stalen kogel van 1 kg van 10 m hoogte te vergelijken met de valtijd van een kogel van 10 kg van dezelfde hoogte.

Om de invloed van de luchtweerstand op de valbeweging uit te schakelen vergeleek Galileï twee kogels met dezelfde afmetingen en verschillende massa. c. Onderzoek het verschil in valtijd tussen een houten kogel (voor

eikenhout geldt 3/780 mkg ) en een ijzeren kogel met dezelfde

diameter van 8,0 cm vanaf de toren van Pisa (55 m hoog).

Na lange tijd ontstaat uiteindelijk een evenwicht tussen de zwaartekracht en de luchtwrijvingskracht op het vallende voorwerp. Vanaf dat moment is de valsnelheid van het voorwerp constant. d. Onderzoek het verband tussen straal en de evenwichtssnelheid van een

ijzeren kogel. Kijk vooral naar het type verband, bijvoorbeeld een evenredig verband of een kwadratisch verband. Noteer uitkomsten.

e. Verklaar het verband dat je gevonden hebt vervolgens met behulp van de theorie.

126

C Vrije val door de geluidsbarrière Lees eerst het volgende krantenartikel.

Figuur 5.27 – Een artikel over de stunt van de Fransman (bron: natuurkunde.nl)

Volgens het artikel vormt ‘de luchtweerstand geen probleem’. Maar betekent dat dan ook dat die luchtwrijvingskracht nul is?

a. Volgens wetenschappers wordt na 37 seconde de geluidssnelheid bereikt. Is dat met of zonder luchtweerstand? Ga met een model van de valbeweging na binnen welke tijd de geluidssnelheid bereikt wordt als de luchtweerstand echt te verwaarlozen zou zijn.

Voor de luchtdichtheid op hoogte h geldt: )5500/(5,029,1 h

In deze formule is h de hoogte (in m) boven het aardoppervlak en 1,29 de dichtheid (in kg/m3) van de lucht bij het aardoppervlak. b. Maak een computermodel van deze valbeweging met luchtweerstand.

127

Neem voor de luchtwrijvingscoëfficiënt cw = 0,70 en het frontaal oppervlak van de man A = 0,60 m². Maak een schatting voor de massa. c. Welke maximale snelheid haalt de man volgens het model?

d. Na hoeveel seconde wordt de geluidssnelheid bereikt?

De massa van de man is onbekend, maar het is te verwachten dat de massa een invloed heeft op de maximale snelheid. e. Wat is de minimale massa om de geluidssnelheid te halen vanaf deze

hoogte?

f. Hoe groot wordt de maximale snelheid als de massa twee keer zo groot is als de minimale massa? Geef een verklaring voor je resultaat.

De Fransman maakt zijn sprong vanaf een hoogte van 40 km, een hoogte die voor vliegtuigen onbereikbaar is. Is het eigenlijk wel nodig om van zo’n grote hoogte te vallen? g. Ga na wat de maximale snelheid is bij een sprong van een hoogte van

30 kilometer en een massa van 85 kg.

h. Ga na of het bij een sprong vanaf 30 km hoogte haalbaar is om de geluidssnelheid te halen door het (realistisch) aanpassen van de massa, de cw-waarde en het frontaal oppervlak. Geef een verklaring voor je resultaat.

Figuur 7.28- De Fransman met complete uitrusting

Figuur 7.29- in ‘ vrije val’

128

D Bungeejumpen Bij de meeste bewegingen heb je te maken met een snelheidsafhankelijke kracht, zoals de luchtwrijvingskracht. Er zijn echter ook bewegingen waarbij je te maken hebt met een afstandsafhankelijke kracht. Een voorbeeld is de beweging van een massa aan een veer: een op-en-neergaande beweging rond een evenwichtstand.

Figuur 5.30 – Bij een bungeejump gaat de valbeweging over in een trilling. Bij bungeejumpen speelt naast de zwaartekracht en de luchtweerstand ook de veerkracht van het bungeekoord een rol. In de bovenstaande grafiek is een voorbeeld van zo’n bungeesprong weergegeven. De sprong was van een hoogte van 100 m door een persoon met een massa van 80 kg. Het bungeekoord had een lengte van 40 m. a. Bouw een model van een val aan een bungeekoord. Zorg ervoor dat het

koord pas na een val van 40 m een kracht gaat uitoefenen (gebruik een

IF-statement). Voor de veerkracht van een koord geldt: uCFv ,

waarbij C de veerconstante in N/m is.

Voor een goede en veilige sprong moet het diepste punt van de val ongeveer 10 meter boven de grond zijn. Om dat te bereiken moet de veerconstante van het bungeekoord de juiste waarde hebben. b. Ga na welke waarde C moet hebben om te zorgen dat het laagste punt

op 10 meter ligt.

Tijdens de sprong mogen de G-krachten niet te groot worden. Daarmee wordt feitelijk de versnelling bedoeld, uitgedrukt in de valversnelling g. Boven 4G, een versnelling van 38 m/s², wordt het gevaarlijk. c. Onderzoek hoe groot de maximale versnelling is tijdens de sprong en ga

of dat een gevaarlijke situatie zou kunnen zijn..

Bij een zwaarder persoon wordt een ander bungeekoord met een andere veerconstante gebruikt. d. Onderzoek hoe men de veerconstante van het koord moet aanpassen bij

een massa van 120 kg en 160 kg. Is er sprake van (bijvoorbeeld) een evenredig verband?

129

Figuur 5.31 - Bungeejumper

EXTRA Men kan ook de lengte van het koord veranderen. Daarmee verandert ook de veerconstante van het koord. De veerconstante is omgekeerd evenredig met de lengte van het koord (een langer koord is ‘slapper’). e. Breid het model uit met de variabele Iengte_koord. Pas het model zo aan

dat zowel de veerconstante als de hoogte waarbij het koord voor het eerst uitgerekt wordt afhangen van de lengte van het koord.

Door de lengte van het koord en de veerconstante te variëren kan de bungeejumper van 80 kg een sprong uitvoeren die zowel veilig is (10 m hoogte) als spectaculair (maximale versnelling 4G). f. Onderzoek met het model hoe de bungeejump veilig en spectaculair

gemaakt kan worden. EXTRA PITTIG! Een variatie op het bungeejumper is de bungee-trampoline. Daarbij word je aan twee koorden de lucht in geschoten.

Figuur 5.32 - Bij een bungee-trampoline word je aan elastische koorden omhoog geschoten. g. Bouw een model voor een bungeetrampoline. Houd rekening met het

gegeven dat de touwen schuin staan, waarbij de hoek tussen de touwen groter wordt naarmate de persoon hoger komt.

Bij een spectaculaire lancering werd een proefpersoon van 80 kg naar een hoogte van 55 m geschoten. De maximale versnelling daarbij was 4,8G. h. Pas het model zo aan dat deze lancering nagebootst wordt.

130

E De inworp van een voetbal Het onderstaande artikel gaat over de optimale inworp van een voetbal. Lees eerst het artikel. De fysica van voetbal

Twee Britse natuurkundigen hebben zich gebogen over de vraag hoe een voetbalspeler het beste een bal kan ingooien. Volgens de meeste natuurkunde-boeken kan een ingooi vanaf de zijlijn het beste bij een hoek van 45 graden gebeuren. Dan komt de bal volgens de ballistische wetten het verst.

Nicholas Linthorne en David Everett van Brunel Universiteit ondekten dat de natuurkundeboeken ernaast zitten. Ze maakten video-opnames van voetbalspelers die onder verschillende hoeken de bal opnieuw in het spel brachten. Bij een ingooi onder een hoek

van 30 graden komt de bal het verst. Om de bal nóg een stukje verder te krijgen, is het bovendien aan te raden de bal te voorzien van achterwaarste spin, schrijven de onderzoekers in het tijdschrift Sports Biomechanics.

Linthorne en Everett verwachten niet dat voetballers en hun coaches onder de indruk zullen zijn van hun onderzoeksresultaten. Die hebben allang aan den lijve ondervonden hoe je een bal het beste zo ver mogelijk het veld in kunt werpen. "Maar nu weten wetenschappers dat ook"

Bron: Noorderlicht.vpro.nl, februari 2006

Uit metingen is gebleken dat de bal het verst komt als de bal onder een hoek van 30 graden wordt ingegooid. De theorie zegt dat de optimale hoek 45 graden is. In de onderstaande tekening zie je de theoretische baan van een bal bij 30 en bij 60 zonder luchtweerstand.

Figuur 5.34 - De theoretische baan van een voetbal bij een inworp bij 30 en 60 zonder luchtweerstand.

a. Hoe kun je aan de tekening zien dat de bal in beide gevallen dezelfde beginsnelheid heeft?

b. De ene bal is veel langer in de lucht dan de andere bal. Hoe komt het dat de andere bal dan toch even ver komt?

Figuur 5.33 - De Brit Gary Neville is Engelands inworpspecialist en gooit de bal met een lage boogbaan eenvoudig tot op veertig meter van de zijlijn.

131

Bij het bouwen van het model is het belangrijk dat het om twee gelijktijdige bewegingen gaat: horizontaal met een constante snelheid en verticaal eerst vertraagd en dan versneld. De beginsnelheid moet daarvoor gesplitst worden in een horizontale en een verticale component.

horizontaal: )cos( bx vv verticaal: )sin( by vv .

c. Bouw het model voor de inworp zonder luchtweerstand. Sla je model veilig op en noteer de naam van het bestand.

d. Teken een grafiek met horizontaal sx en verticaal sy.

e. Onderzoek met welke snelheid je de bal bij een hoek van 30 moet gooien om een afstand van 40 m te halen.

f. Hoe ver gooi je theoretisch met dezelfde snelheid bij een hoek van 45?

Een mogelijke oorzaak voor het verschil tussen theorie (optimaal bij 45) en praktijk (optimaal bij 30) is de luchtweerstand. Een bal die langer in de lucht is heeft immers meer last van de luchtweerstand, en komt daardoor minder ver. g. Breid het model uit met de luchtweerstand. Neem daarbij realistische

waarden voor de massa m van de bal, het frontaal oppervlak A en de luchtwrijvingscoëfficiënt cw.

h. Pas de snelheid van de bal zo aan dat bij een hoek van 30 een afstand van 40 m gegooid wordt.

i. Onderzoek vervolgens wat de optimale hoek is bij deze snelheid.

Degree en RAD

De meeste modelleer-programma’s rekenen niet in graden maar in radiaal. Vaak is er een omrekenfunctie. Zo is b.v. DEGTORAD(30) de waarde van 30 in radiaal.

Een optie is zelf een formule gebruiken: hoek×/180

132

Kennelijk is de ideale hoek van 30 niet te verklaren met alleen de luchtweerstand. j. Lees het onderstaan de artikel en ga na welke andere verklaring

daarin gegeven wordt.

Inworp mag lager www.kennislink.nl

Kogelstoters, voetballers en speerwerpers, allemaal gooien ze verkeerd. Elke werper moet met twee zaken rekening houden: de bal, speer of kogel moet veel tijd in de lucht doorbrengen en dat gaat het beste door hem in een hoge boogbaan te gooien. Om ver te komen moet het projectiel ook een flinke horizontale snelheid hebben. De ideale verdeling krijg je als je onder een hoek van 45 graden lanceert. Waarom werpen die rare sporters dan onder een veel lagere hoek?

De bouw van onze spieren en skelet maken dat we veel makkelijker horizontale kracht leveren met de enorme borstspieren dan dat we iets omhoog tillen met de kleinere schouderspieren. Een sporter kan méér kracht ontwikkelen in horizontale dan in verticale richting. Natuurlijk zijn sporters er door duizenden uren training al lang achter hoe ze ver kunnen gooien. Rond gemiddeld 30 graden ontwikkelt een sporter de meeste energie. Die hoek verschilt van atleet tot atleet, maar iedereen gooit het lekkerst in een klein gebied tussen de 25 en 35 graden.

EXTRA Het model van de inworp kan ook gebruikt worden voor de baan van een golfballetje. Omdat een golfballetje een veel hogere snelheid heeft en de massa veel kleiner is dan van een voetbal is de invloed van de luchtweerstand veel groter. De ideale hoek zal dus lager liggen dan bij een voetbal. k. Zoek eerst relevante gegevens over de afslag bij golfen, zoals de

snelheid en de massa van het golfballetje.

l. Pas het model van de inworp aan en stel het zo in dat het golfballetje een afstand haalt die representatief is voor de afslag van een prof-golfer. Denk eraan dat een golfballetje een lagere cw-waarde heeft dan een gladde bol.

m. Onderzoek wat die ideale hoek is om het balletje zo ver mogelijk weg te slaan.

Figuur 5.35 - Op deze manier krijg je een voetbal nóg verder het veld in.

133

Toepassingen van Dynamische modellen 5.5 Bevolkingsgroei in Noordwijkerhout

Wat gaan we doen? Modellen worden ook gebruikt om de bevolkingssamenstelling te voorspellen. In deze paragraaf wordt als voorbeeld gekeken naar de samenstelling van de bevolking van Noordwijkerhout.


Hoe bouw je een model om de bevolkingsgroei te voorspellen?

Wat zijn beperkingen, voor- en nadelen van zo’n model?

Welke beslissingen kunnen er aan de hand van een voorspelling genomen worden?

Model voor samenstelling bevolking Noordwijkerhout is een middelgrote gemeente met ruim 15.000 inwoners in de Duin- en Bollenstreek. De samenstelling van de bevolking volgt in grote lijnen het landelijke beeld, met uitzondering van de leeftijdscategorie van 20 t/m 29 jaar. Opvallend is dat het inwoneraantal de afgelopen jaren met enige tientallen per jaar daalde. In figuur 5.35 is de leeftijdsopbouw weergegeven van de bevolking van de gemeente Noordwijkerhout per 1 januari 2004. De beginsituatie uit de grafiek wordt door de gemeente gebruikt om een voorspelling te doen over de samenstelling van de bevolking over 5, 10 en 15 jaar.

119 Met die voorspelling kan de gemeente nagaan of er voldoende gemeentelijke voorzieningen zijn, zoals scholen. a. Noem nog drie gemeentelijke voorzieningen waarvoor het belangrijk is

om te weten wat de bevolkingsopbouw in de toekomst zal zijn.

b. Welke tijdstap zou jij bij dit model kiezen?

In een periode van vijf jaar is één van de veranderingen dat de inwoners vijf jaar ouder zijn geworden. c. Welke gevolgen heeft dat voor de leeftijdsopbouw in de grafiek?

d. Welke verandering zorgt ervoor dat er over vijf jaar ook inwoners zijn in de jongst categorie 0-4 jaar?

Figuur 5.36 - Noordwijkerhout is een gemeente in de bollenstreek met veel dure koopwoningen

Figuur 5.37 - De leeftijdsopbouw van de bevolking van Noordwijkerhout in 2004

134

Voor de andere leeftijdscategorieën geldt dat er naast het ouder worden nog meer factoren invloed hebben op de veranderingen. e. Noteer minstens 3 factoren die invloed kunnen hebben op het

veranderingsproces.

De beginsituatie vertoont een duidelijke daling in de leeftijd van 20 tot 29 jaar. f. Noem één mogelijke oorzaak voor die daling.

g. Welk gevolg zou die daling kunnen hebben voor de toekomst?

Een eenvoudig model voor de bevolkingssamenstelling In figuur 5.39 is een model weergegeven dat een zeer eenvoudig model is voor de leeftijdsopbouw van de bevolking van de gemeente Noordwijkerhout.

Figuur 5.39 – Eenvoudig model voor de leeftijdsopbouw van de bevolking van Noordwijkerhout. Om het model overzichtelijk te houden is het aantal leeftijdsgroepen beperkt, en er zijn enkele aannames gemaakt om het model overzichtelijk te houden. De kenmerken van het model zijn: - Er zijn vier leeftijdsgroepen:

kinderen 0 t/m 19 jaar jongvolwassen 20 t/m 39 jaar oudvolwassen 40 t/m 59 jaar ouderen 60 jaar en ouder

- Er is sprake van verhuizingen, maar alleen jongvolwassenen verlaten de gemeente, en alleen oudvolwassenen met kinderen vestigen zich in de gemeente.

- Er is alleen sprake van sterfte onder de ouderen. - Er is sprake van geboorte van kinderen, maar alleen jongvolwassenen

krijgen kinderen.

Fig. 5.38- De leeftijdsopbouw van de bevolking van Noordwijkerhout in 2004

135

Open het model Bevolking 1. Je ziet dan het model zoals in figuur 5.40, een deel van het model van Noordwijkerhout. Het is de bedoeling om het model van figuur 5.39 na te bouwen.

Figuur 5.40– Model Bevolking 1

120 Bouwstenen toevoegen

Om bouwstenen aan het model toe te voegen gebruiken we de knoppen in de Toolbar. Controleer eerst of de Toolbar zichtbaar is. a. Voeg de niveauvariabele ouderen toe (klikken en neerzetten). Noteer

ook de naam bij de variabele.

b. Plaats de constanten geboortefactor, sterftefactor en verhuizingen. In figuur 5.39 zie je enkele stroomvariabelen met een wolkje erbij. Dat wolkje stelt het ‘niets’ voor en het verschijnt automatisch als je een stroomvariabele op een lege plek laat beginnen of eindigen. c. Plaats alle stroomvariabelen in het model. (Om de stroomvariabelen te

plaatsen selecteer je het symbool en daarna trek je de pijl tussen begin- en eindpunt)

d. Plaats ook alle relatiepijlen in het model.

121 Beginsituatie In het model Bevolking 1 zijn de beginwaarden van de niveauvariabelen kinderen, jongvolwassen en oudvolwassen al ingevuld. a. Welke beginwaarden hebben deze niveauvariabelen in dit model?

b. Komen deze beginwaarden ongeveer overeen met de leeftijdsopbouw van Noordwijkerhout in 2004? (zie figuur 5.42)

In totaal wonen er 15.000 personen in Noordwijkerhout. c. Welke beginwaarde heeft de niveauvariabele ouderen? Gebruik

antwoord a. Plaats deze beginwaarde in het model.

Figuur 5.42 – De leeftijdsopbouw van Noordwijkerhout in 2004

Figuur 5.41 – Bouwstenen van het model in de Toolbar, o.a.:

- niveauvariabele

- rekenvariabele

- constante

- stroomvariabele

- relatiepijl

136

122 Doorstroming De tijdstap in het model is 1 jaar. De eerste drie leeftijdsgroepen beslaan elk 20 jaar. a. Hoeveel procent van de personen in zo’n groep zal een jaar later

doorgestroomd zijn naar de volgende groep?

b. Stel een formule op om stroom_1 te berekenen, en plaats de formule in het model.

c. Plaats ook een formule bij stroom_2 en stroom_3.

123 Geboorte Alleen jongvolwassenen krijgen in dit model kinderen. In Nederland geldt dat een vrouw tijdens haar leven gemiddeld 1,8 kinderen krijgt. Voor dit model betekent dit dat de helft van de jongvolwassenen in een tijdsbestek van 20 jaar 1,8 kinderen krijgt. a. Leg met een berekening uit dat per 1000 jongvolwassenen er elk jaar 45

kinderen geboren worden.

b. Hoe groot is dus de geboortefactor per jongvolwassene?

c. Stel een formule op voor de geboorte in dit model, en plaats de formule in het model.

124 Sterfte In het model sterven alleen ouderen. In Noordwijkerhout overlijden elk jaar gemiddeld 150 personen. De sterftefactor in het model is de kans op overlijden binnen een jaar. a. Welke waarde heeft de sterftefactor in Noordwijkerhout?

b. Stel een formule op voor de sterfte in dit model, en plaats de formule in het model.

137

125 Verhuizingen Het grote probleem voor Noordwijkerhout ligt bij de verhuizingen. De woningen in Noordwijkerhout zijn erg duur, daardoor verlaten relatief veel jonge mensen de gemeente. Omdat hun ouders vaak wel in Noordwijkerhout blijven wonen komt er niet bij elke verhuizing een woning vrij. De nieuwkomers in de gemeente zijn meestal gezinnen van oudere volwassenen met kinderen. De modelconstante verhuizingen stelt het aantal jongvolwassenen voor dat per jaar de gemeente verlaat. Per 100 jongvolwassenen die de gemeente verlaten komen er 60 oudvolwassenen en 60 kinderen in de gemeente wonen. a. Bepaal de formules voor ‘instroom’ en ‘uitstroom’ en plaats deze in het

model.

b. Stel de modelconstante verhuizingen in op 100. Stroom_0 bestaat uit alle nieuwgeboren kinderen plus de kinderen die door verhuizing in de gemeente zijn komen wonen. c. Stel een formule op voor stroom_0 en plaats de formule in het model.

d. Bereken en leg uit dat door de verhuizingen in eerste instantie het inwonertal zal stijgen.

e. Waardoor zal door de verhuizingen op wat langere termijn het inwonertal toch kunnen dalen?

126 Resultaten zichtbaar maken De resultaten van de berekeningen van het model kunnen op verschillende manieren in beeld gebracht worden. a. Plaats een tabel en sleep daarin de vier niveauvariabelen. Run het

model om de resultaten zichtbaar te maken. In het model wordt het totale aantal inwoners van Noordwijkerhout niet zichtbaar. b. Maak een nieuwe rekenvariabele voor het totale aantal inwoners, en

maak ook die variabele zichtbaar in de tabel.

c. Beschrijf wat er volgens het model de komende jaren met het inwonertal zal gebeuren.

Een tijdgrafiek is vaak een betere manier om het verloop van resultaten zichtbaar te maken. d. Plaats een tijd-diagram en sleep daarin de vier niveauvariabelen.

Figuur 5.44 – Knoppen om resultaten zichtbaar te maken: - als een getal - als een schuifknop - in een tabel - in een tijd-diagram - twee-variabelen-grafiek

138

e. De opmaak van het diagram is nogal kaal. Pas de assen (axis), de lijnen en de titel aan zodat je een grafiek krijgt die er ongeveer uitziet zoals figuur 5.43.

Leeftijdsopbouw Noordwijkerhout

tijd (jaren)a

an

tal p

ers

on

en

kinderen1

jongvolwassen2

oudvolwassen3

ouderen4

0 5 10 15 202.000

2.500

3.000

3.500

4.000

4.500

5.000

1

2

3

4

1

2

3

4

1

2

3

41

2

3

4

1

2

3

4

Figuur 5.45 - Voorbeeld van uitkomsten van het model in een tijd-diagram. Het model heeft een looptijd van 20 jaar. In die tijd blijkt het inwonertal redelijk constant, maar er vindt wel een verschuiving plaats in de samenstelling van de bevolking. Zal Noordwijkerhout op de lang termijn een stabiele samenstelling krijgen? f. Op welke manier verandert de samenstelling van de bevolking?

g. Kies in menu Opties voor de Instelling en stel de looptijd van het model in op 100 (jaar).

h. Beschrijf wat het model voorspelt voor de samenstelling op lange termijn.

Model testen en evalueren

127 Een model is een realistische beschrijving van de werkelijkheid. Heeft het uiteindelijke model van de bevolkingssamenstelling nu genoeg voorspellende waarde? Dat hangt vooral af van de eisen die aan het model gesteld worden. a. Zou jij op grond van dit model meer crèches laten bouwen? En meer

bejaardencentra?

b. Vind je dat het model geschikt is voor de gemeente om een voorspelling te doen voor de bevolkingssamenstelling? Zo ja, licht je antwoord toe. Zo nee, geef dan aan op welke punten je het model zou aanpassen?

Figuur 5.46– Het venster van de Modelinstelling

139

Toepassingen van Dynamische modellen 5.6 Biologen en modelleren

Wat gaan we doen? In deze paragraaf zie je hoe biologen dynamische modellen gebruiken in hun dagelijks werk.

In de vorige hoofdstukken hebben we modellen bekeken die uitkomen in een evenwichtstoestand of die na verloop van tijd uitdoven. In praktijk zien biologen vaak schommelingen in de populaties van diersoorten. In deze paragraaf modelleer je – zeer zelfstandig - een dierpopulatie waarvan de aantallen blijven ‘schommelen’.

In deze paragraaf zijn de centrale vragen: Hoe is de konijnenpopulatie in de Nederlandse duinen te beschrijven? Welke factoren bepalen de schommelingen in aantallen konijnen?

Modellen in natuurbeheer Complexiteit is een van de meest boeiende en fascinerende aspecten van de natuur. Maar om bepaalde waargenomen verschijnselen te begrijpen moeten we een vereenvoudiging maken van die complexiteit en ons concentreren op de hoofdzaken. Vanaf mijn eerste contact met modelleren leerde ik dat complex gedrag tevoorschijn kan komen uit een combinatie van zeer eenvoudige processen. Sindsdien heb ik veel aandacht besteed aan wiskundig modelleren, omdat het mij helpt om ideeën en hypothesen vorm te geven; modellen zijn voor mij een tweede laboratorium. Ze geven mij toegang tot de belangrijkste mechanismen die spelen in een waargenomen biologisch verschijnsel. En deze nauwe wisselwerking tussen theorie en experiment is ook een opwindende manier om hypothesen te testen en te valideren. Dr. Sophie Rabouille NIOO Yerseke bron:http://www.cdbeta.uu.nl/vo/ Sophie’s enthousiasme voor modelleren komt voort uit het willen weten hoe de natuur werkt. Haar onderzoek heeft alledaagse toepassingen. Ze werkt bij NIOO: het Nederlands instituut voor ecologie. In de natuurbescherming is het voor het beschermen van populaties erg belangrijk om te begrijpen hoe de populatiedynamiek werkt. Voordat er dassentunnels worden aangelegd of een bepaalde hoeveelheid bevers uitgezet worden, zijn de consequenties berekend met een computermodel. Een andere toepassing is ‘biologische bestrijding’. Om te voorkomen dat het dier dat wordt uitgezet zelf geen plaag wordt, is het modelleren van de interacties tussen de populaties erg belangrijk.

We gaan kijken naar een prooi-roofdier model.

Figuur 5.47 - Sophie Rabouille

De ecologie onderzoekt de samenhang van levende wezens met elkaar en hun omgeving. De tak van de ecologie die de veranderingen in populatiegroottes bestudeert, heet de populatiedynamica

140

In schoolboeken wordt als voorbeeld van een prooi-roofdier model vaak het model van sneeuwhazen en lynxen gegeven.

Figuur 5.48- De grafiek is gebaseerd op het aantal pelzen dat verhandeld is door de Hudson Bay Company. Deze vertonen min of meer regelmatige schommelingen met een periode van ongeveer 10 jaar. Een verklaring hiervoor is de schommeling in populaties van de sneeuwhazen (hares) en de lynxen. Meer over populatiebepalingen; zie bron 1, blz 143. ‘Daar komt opeens een jager, jager aan.

Zou een dergelijk patroon ook gelden voor het konijn in de Nederlandse duinen? De centrale vragen deze paragraaf zijn: Hoe is de konijnenpopulatie in de Nederlandse duinen te beschrijven? Wat factoren bepalen de populatiegrootte? Deze vragen ga je met behulp van Coach onderzoeken. Je gaat in deze opdracht zeer zelfstandig aan de slag. Je bouwt een eenvoudig model, test en evalueert het en vervolgens pas je het model aan. Je volgt een aantal deze stappen in drie rondes. Je past de vaardigheden en kennis toe die je in vorige hoofdstukken hebt opgedaan. Per ronde lever je de antwoorden en het Coachmodel in. De eerste ronde: een eenvoudig model bouwen

Stap 1: de Coach onderdelen. De modellen uit de vorige hoofdstukken hadden de volgende onderdelen.

een toestandsvariabele stroomvariabelen constanten relatiepijlen

Lees de informatiebronnen 2 en 3. Noteer gegevens die je wilt gebruiken. Je kunt deze noteren in de verzameltabel 5.50. Je kunt niet alle benodigde gegevens halen uit bron 2 en 3. De rest vul je in de volgende stap aan.

Figuur 5.49 – Wild konijn De grootte van een konijnenpopulatie is niet constant: het sterftecijfer varieert en het geboortecijfer varieert. Dit hangt af van allerlei factoren die zelf ook variëren. De ontwikkeling van een populatie is daarmee een dynamisch proces.

141

Modelonderdeel Naam/namen Invulling: getal of formule

Toestandsvariabele

Stroomvariabelen

Constanten

Relatiepijlen tussen …… en ….

tussen …… en ….

tussen ……. en ….

Tussen ……. en ….

Nvt

Figuur 5.50 - Verzameltabel gegevens uit bronnen

Stap 2: Vereenvoudigingen en aannames Aanname

De tijdstap die het Coach model gebruikt is 1. Voor ons model betekent dat 1 jaar.

Neem aan dat het aantal mannetjes en vrouwtjes even groot is. Bepaal nu het aantal geboorte per konijn per jaar (geboortefactor)

Bepaal nu met bron 3 de sterftefactor Neem aan dat de sterftefactor en de geboortefactor door de jaren

heen constant blijven. Hoe meer konijnen er zijn, hoe harder de toename en de afname.

Vereenvoudigingen De populatiegegevens waarmee je het eerste model test, komen van een eiland. Gebruik dit gegeven in je model. Het model wordt er een stuk eenvoudiger op in vergelijking met een model van een konijnenpopulatie in de Noord-Hollandse duinen.

128 Twee factoren uit bron 2 spelen geen rol op een eiland. a. Noem deze factoren en geef aan welke consequenties dit heeft voor je

model.

Bron 2 Populatiegrootte Bij populatieonderzoek worden 4 factoren bepaald om een goed model te bouwen. geboortecijfer: het aantal jongen dat per jaar geboren wordt. Het cijfer hangt uiteraard van de soort af. sterftecijfer: het aantal dieren per jaar dat sterft. emigratie: het aantal dieren dat per jaar wegtrekt en niet meer terugkomt immigratie: het aantal dieren dat per jaar van een andere populatie komt en blijft.

Bron 3 Fokgegevens wilde konijnen Er zijn in Nederland zo'n 200 konijnenfokkerijen. Deze bieden onderdak aan 50.000 voedsters. Een vruchtbaar vrouwtje wordt een voedster genoemd. Elke voedster produceert ongeveer 60 jongen per jaar. Na een periode van 2 1/2 maand worden de konijnen geslacht. Wilde konijnen kunnen als ze goed verzorgd worden zo’n 10 jaar oud worden.

142

Start vanuit de Coach-opzet in figuur 5.51. Maak eerst een kladversie op papier voordat je het model bouwt met

Coach.

Figuur 5.51- Start Coachmodel Konijnenpopulatie op een eiland

Start met het begin aantal van 10 konijnen. Tenslotte bepaal je hoeveel jaar het model gaat doorrekenen. Dat

stel je in onder Opties | instellingen. Als hier voor Stoppen 10 invult rekent het model van jaar 0 tot 10.

b. Sla je model op. Noteer hier je filenaam:

Stap 3: Je model testen De instroom en uitstroom zijn in je model constant. Je verwacht evenredige groei te zien. Hoe verloopt de grafiek van de populatiegroei?

129 Schets de verwachte grafiek in figuur 5.52.

Figuur 5.52 - Schets van de verwachtte populatie toename

Laat je model doorrekenen en maak de uitkomsten zichtbaar door

een tabel en grafiek in te voegen.

130 Teken het verloop van de grafiek in figuur 5.52. Gebruik daarbij een andere kleur. Geef het schaalbereik van de y-as aan.

143

131 Bekijk goed de resultaten van je model in grafiek. a. Met wat voor soort wiskundige functie kun je de curve beschrijven?

De populatiedynamica kent twee type curves die een kenmerkende populatiegroei weergeven; de S-groeicurve en de J-groeicurve. Voor uitleg over deze curves, zie bijlage II of een biologiemethode. b. Op welke curve uit de populatiedynamica lijkt je grafiek?

c. Als in de natuur de situatie voorkomt die weergegeven wordt door de J-curve, ervaart men die vaak als een plaag. Onder welke milieu omstandigheden kan er in de natuur een plaag ontstaan?

Modellen testen aan populatiegegevens uit de natuur blijkt lastig. Er zijn weinig gegevens beschikbaar van betrouwbare tellingen van konijnen. Of de manier van meten is over de jaren heen veranderd en dus niet vergelijkbaar. Voor meer informatie over de betrouwbaarheid van dichtheidsbepalingen, zie bron 1 ‘Daar komt opeens een jager, jager aan…’ . In de onderstaande grafiek staan de schattingen van het aantal konijnen op Schiermonnikoog van 1967 tot ongeveer 1979.

Fig 5.54- Konijnenpopulatie Schiermonnikoog (1967 – 1979) en Model resultaten Coach

In figuur 5.54 zijn naast elkaar de schattingen van de konijnenpopulatie op Schiermonnikoog en de modeluitkomsten van Coach geplaatst. Houd er rekening mee dat de eerste grafiek een y-as heeft met een logaritmische schaal. Te zien is dat de konijnenpopulatie begon met 20 konijnen. Ongeveer 10 jaar later is dat opgelopen tot 8000 konijnen.

132 Vergelijk de beide grafieken. Er zijn 2 duidelijke verschillen. Noteer de verschillen.

Fig.5.53- ‘We hadden er maar twee meegenomen……’

Time

aant

al_k

onijn

en

0 5 10

5e14

1e15

2e15

2e15

3e15

3e15

144

Je gaat het sterftecijfer en het geboortecijfer in je model aanpassen, zodat de helling van de grafieken meer overeenkomt en de populatiegrootte na 10 jaar.

Zet het aantal konijnen waarmee je begint op 20. Je start dan met dezelfde populatiegrootte als op Schiermonnikoog.

133 Liggen de nieuwe waardes van s en g hoger of lager? En hoe verhouden s

en g zich tov elkaar? Noteer wat er met de populatie gebeurt als s>g of s<g of s=g?

De waarden van g en s blijken in de natuur anders dan in ‘ideale’ leefomstandigheden bij fokkers. Daarnaast varieert het geboortecijfer enorm per jaar en per streek. Voor Nederland lijkt een gemiddelde van 8 jongen per vrouwtje redelijk. Dat komt in je model neer op een gemiddelde per konijn van 4 jongen. Je zult nu een hoge sterftefactor moeten vullen, willen de resultaten van je model en ‘Schiermonnikoog’ overeenkomen. Kortom, de sterfte onder de konijnen is erg groot.

134 Noem zoveel mogelijk factoren die invloed hebben op het sterftecijfer van wilde konijnen.

135 Welke factoren in de natuur hebben invloed op het geboortecijfer van wilde konijnen? Maak hierbij gebruik van bron 4.

Bron 4 Konijnen in het wild De omstandigheden thuis of in een fokkerij zijn redelijk constant. In de natuur er grotere schommelingen en omstandigheden die er thuis niet zijn. Weersomstandigheden zoals hevige regenval, sneeuwval, hitte, overstromingen, menselijke activiteit zoals het aanleggen van een weg of huizen hebben sterke invloed op de populatie. Er blijkt een verband te zijn tussen het aanbod van voedsel en het aantal worpen dat een voedster per jaar heft. Meer voedingsrijk eten geeft meer worpen en een groter aantal jongen per worp. Het aantal zonuren op een dag blijkt van invloed te zijn op de ei-sprong. Meer zonuren, vaker een eisprong. Zo heeft een voedster in een fokkerij door het jaar heen 6 à 7 nesten met jongen. Per jaar gemiddeld 60 jongen. Terwijl in de natuur de voedster voornamelijk jongen krijgen van maart tot juli en daarbij 2 nesten krijgt. Stress lijkt een remmende invloed te hebben op de ei-sprong. Konijnen krijgen meer stresshormoon als de groep groter wordt en meer naarmate de sociale positie in de groep lager is.

145

De tweede ronde: het model aanpassen In ons model blijft de populatie onbeperkt doorgroeien. In de natuur kennen de meeste populaties een ander groeiverloop; zie evt. bijlage II of een biologiemethode.

136 Schets in een grafiek hoe jij denkt dat een kleine populatie zich door de jaren heen ontwikkelt.

Figuur 5.55 – Schets populatiegroei Dichtheidsafhankelijke regulatie

137 In vraag 134 en 135 hebben heb je factoren benoemd die van invloed zijn op de populatiegroei. Sommige van die zijn van invloed op de konijnenpopulatie onafhankelijk van het aantal konijnen dat er is. Zo heeft ‘vorst’ in het najaar een ongunstig effect op konijnen, onafhankelijk van het aantal. Dichtheidsonafhankelijke factoren treffen hetzelfde percentage dieren ongeacht hoe groot de populatie is. Dichtheidsafhankelijke factoren beïnvloeden een groter deel van de populatie naarmate deze groeit. De dichtheid kun je berekenen met de formule: D = K / A waarin A de oppervlakte is van het leefgebied en K de grootte van de populatie konijnen. a. Welke van de factoren die van invloed zijn op het sterftecijfer, zijn

dichtheidsafhankelijk? Licht je antwoord toe.

b. Welke van de factoren die van invloed zijn op het geboortecijfer, zijn dichtheidsafhankelijk? Licht je antwoord toe.

146

Vooral het sterftecijfer is dichtheidsafhankelijkheid. Je gaat dit verwerken in het model. We hebben de gegevens van het duingebied van het eiland Texel. Dit is een oppervlakte van 4800 ha (1 ha = 10.000 m2 = 0,01 km2).

Voeg oppervlakte als constante toe aan je model. Zet een rekenvariabele dichtheid in je model met daarin een formule.

Het realistischer sterftecijfer kan als volgt geformuleerd worden: sreal = s × (1 + dichtheid) Al je geïnteresseerd bent in de ‘afleiding’ hiervan en waardoor alleen het sterftecijfer wordt aangepast, zie bron 6. In je model voeg je nu sreal toe. De ‘afname’ is nu niet meer afhankelijk van s maar van sreal l. Verbindt sreal op een logische manier met de toegevoegde variabele dichtheid en constante oppervlakte.

Laat je model doorrekenen op basis va de volgende gegevens. Een realistisch geboortecijfer van 4 konijntjes. En de konijnen worden gemiddeld 5 jaar oud. Het aantal konijnen dat op Texel uitgezet wordt is 20; evenveel mannetjes als vrouwtjes.

Stel onder Modelinstelling, stapgrootte de tijdstap in op 0.1. T

138 Sla dit model op, noteer de filenaam.

139 Teken hieronder het resultaat.

Figuur 5.57 – Schets populatiegroei Je gaat onderzoeken welke van de onderstaande factoren invloed op de vorm van de grafiek en de uiteindelijke populatiegrootte.

g geboortecijfer s sterftecijfer A het oppervlakte van de leefruimte de aanvangsdichtheid dwz het aantal konijnen waarmee je start

140 Met andere woorden onderzoek het gedrag van dit model voor verschillende

waarden van g, s, A en de aanvangsdichtheid. In figuur 5.58 zijn er vier assenstelsels getekend. Per grafiek kun je verschillende resultaten schetsen als je één variabele verandert. a. Noteer de variabele en de verschillende waardes bij de schetsen. Zet

onder de grafieken je conclusie.

Figuur 5.56 - Het duingebied van Texel.

147

Figuur 5.58 – Schetsen van populatiegroei bij verschillende waardes van g,s, en de aanvangsdichtheid

Conclusie: De hoogte van het maximale aantal konijnen wordt beïnvloed door …… Maar niet door ……….

148

Je ziet dat de populatie in het model uiteindelijk steeds op een vaste waarde uitkomt. Deze vaste waarde noemen we de draagkracht van dat gebied. De draagkracht wordt weergegeven met C van carrying capacity. b. Wat gebeurt er als je met een populatiegrootte ver boven de draagkracht

begint? Schets de grafiek bij een aanvangspopulatie van 30.000 en een draagkracht van 8.000.

Figuur 5.59 – Schets populatiegroei

Het model testen en evalueren De resultaten van je model in figuur 5.57 lijkt wel op de S-curve, maar er is een duidelijk verschil: figuur 5.57 is steiler. Daarnaast kun je de vraag stellen of de draagkracht van 90.000 konijnen realistisch is.

141 Van de konijnenpopulatie op Texel is de draagkracht te berekenen. Vanaf

1851 is er een konijnenpopulatie bekend op Texel en deze is de laatste jaren stabiel. Er is bepaald dat er op Texel 10 konijnen per ha voorkomen. a. Hoeveel konijnen zijn er dan totaal op Texel, en wat is dus de

draagkracht?

b. Je kunt je grafiek meer laten lijken op een S-curve met de juiste draagkracht, door de waarde van slechts één modelvariabele aan te passen. Welke aanpassing heeft geleid tot het gewenste resultaat?

Bron 1: Daar komt opeens een jager, jager aan…. Over de moeilijkheid van dichtheidsbepalingen van populaties Om te bepalen of de populatie toeneemt, afneemt of gelijk blijft is nog niet zo eenvoudig. Je kunt natuurlijk niet in het veld gaan zitten en tellen hoeveel er voorbij komen. Waarom niet? In het verleden is gebruik gemaakt van de afschotgegevens van plezierjagers. Waardoor zijn is deze methode niet betrouwbaar genoeg? Een meer betrouwbaarder methode is de ‘afschot volgens een vast protocol’: ieder jaar op een vaste plek, gedurende een vaste tijd zoveel mogelijk konijnen schieten. Je kunt daar niet direct uit afleiden hoeveel konijnen er in dat gebied rondliepen, maar wel of het aantal toe- of afneemt. Een meer konijnvriendelijke methode is de merk-en- terugvangmethode.

Eerst wordt in een gebied met een bekende oppervlakte een flink aantal konijnen gevangen. Zij krijgen een aluminium oormerkje, waarna ze weer worden losgelaten. Na een paar weken worden er opnieuw veel konijnen gevangen. Daarvan is een bepaald aantal gemerkt. Met behulp van de onderstaande formule wordt nu het totale aantal konijnen in een bepaald gebied geschat: aantal konijnen gemerkt gemerkte konijnen in tweede vangst totaal aantal konijnen totaal in tweede vangst. Vaak is in de loop van de jaren de telmethode veranderd, bijvoorbeeld van afschot naar merken en terugvangen. Je kunt geen goede conclusies trekken als in het ene jaar volgens een andere methode geteld is dan in het andere jaar.

149

De derde ronde: de predator sluipt het model binnen .... In je model blijkt de konijnenpopulatie op een stabiel niveau te eindigen. Dat niveau kon hoog of laag zijn, maar uiteindelijk werd het aantal konijnen constant. In werkelijkheid fluctueert het aantal konijnen voortdurend; zie figuur 5.61.

Figuur 5.61a - Schatting van het aantal konijnen in de Amsterdamse duinen van 1990 -2002 5.61b - Schattingen van de konijnenpopulatie in Schiermonnikoog 1967 -1989

142 Kleinere fluctuaties kunnen veroorzaakt worden door temperatuur tijdens het voortplantingsseizoen, de hoeveelheid zeewater die een duingebied binnenstroomt, of de aanleg van een weg door de leefruimte. Er zijn ook sterke dalingen zichtbaar. a. Bedenk minstens twee mogelijke oorzaken voor de sterke daling in

aantallen (in 5.61a na 1994, in 5.61b rond 1979).

b. Een predatorpopulatie is afhankelijk van de dichtheid van de konijnpopulatie, èn werkt zelf regulerend op de dichtheid van de konijnenpopulatie. Leg dit met een voorbeeld uit.

Een factor die afhankelijk van de niveauvariabele, èn zelf regulerend op die niveauvariabele heb je niet eerder ingebouwd in een model. Voordat je deze factor gaat inbouwen, kijk je eerst naar de wiskundige beschrijvingen van die relatie tussen konijn en de predator; de vos. De Italiaan Vito Volterra en de Amerikaan Alfred Lotka ontwierpen onafhankelijk van elkaar een model waarin prooien en predatoren elkaar beïnvloeden. Zij gingen van de volgende twee veronderstellingen uit:

De sterfte van konijnen hangt ook af van het aantal vossen: hoe meer vossen, hoe meer konijnen worden opgegeten;

De geboorte van vossen hangt ook af van het aantal konijnen: hoe meer konijnen, hoe meer jonge vossen.

Figuur 5.60 - Predator en prooi

Figuur 5.62 - V. Volterra

150

In formule (met konijnenpopulatie K en vossenpopulatie V):

waarin g = geboortesnelheid konijnen; s = ‘vraatfactor’ bij gegeven vossenpopulatie; c = ‘omzettingsnelheid’ van opgegeten konijnen in jonge vossen; m = sterftesnelheid vossen.

143 Leg per veronderstelling uit hoe deze terug te vinden is in de formule.

144 Met behulp van de formules ga je een predator-prooi model maken. Hiervoor

bouw je het eerste konijnenmodel (opdracht 128) uit.

Open het bestand. Kopieer het model en plak de kopie ernaast. Niet aan elkaar.

Van deze 2 schema’s pas je er een aan voor de konijnenpopulatie en de andere voor de vossenpopulatie. Gebruik dezelfde afkortingen als in de bovenstaande formules.

Teken 2 relatiepijlen op grond van de bovenstaande formules. Vul de constanten en formules in op grond van de onderstaande

berekeningen.

Als gebied nemen we weer het eiland Texel. Zoals bekend leven daar gemiddeld zo’n 10 konijnen per hectare. Voor vossen is bij veldonderzoek een dichtheid van 2 vossen/km2 gevonden, dus op 4800 ha zijn dat er 96. Ga ervan uit dat een vos elf jaar leeft. Voor een realistischer geboortefactor van konijntjes in het wild hanteer je het aantal van 8 konijntjes per voedster per seizoen. a. Noteer de waarden voor V, K, m en g. (Rond de getallen af)

V = K = m = g =

De constanten s en c kun je niet afleiden uit de gegeven informatie: s is zoiets als de kans dat een konijn als het bij een vos in de buurt komt ook opgegeten wordt, c is zoiets als het aantal jongen dat een vos kan maken per opgegeten konijn. Beide hangen af van allerlei externe factoren (bijvoorbeeld hoeveel schuilmogelijkheden het landschap aan een konijn biedt of de mogelijkheid voor een vos om een partner te vinden). We kunnen wel afleiden dat in een evenwichtssituatie, waar K en V beide constant zijn, geldt: g × K = s × K × V en c × K × V = m × V

Figuur 5.63 - A.J. Lotka

Figuur 5.64- Coach uitgangsmodel voor prooi-predator model

151

b. Welke waarden hebben s en c? Vul de afgeleide en gevonden waarden hieronder in. (Rond de getallen af)

s = c =

Voeg een grafiek in voor het konijn en een voor de vos. Stel onder Stimulate | Stimulation Setup, de Method op RK4

(fixedstep) in plaats van Euler. Dit voorkomt modelproblemen, dit heeft te maken de manier waarop Coach rekent. Vraag voor meer uitleg je docent.

Laat het model nu een periode van 50 jaar doorrekenen. c. Als je model is gelukt, zijn de resultaten in overeenstemming met de

figuren 5.65 en 5.66. Wat is de periode van de schommelingen die je ziet optreden bij konijn en vos?

d. En welk van de twee populaties bereikt steeds als eerste een top? Verklaar de beweging die je ziet met behulp van de relatie tussen de aantallen prooidieren en predatoren.

e. Sla je model op. Noteer hier de filenaam.

Evaluatie van je prooi-roofdier model Is je model een realistische weergave van de relaties tussen een wilde konijnen- en vossenpopulatie in Nederland? Vergelijk de resultaten van je model met grafiek 5.48. Deze geeft de schommelingen in populaties lynxen en sneeuwhazen weer. Er zijn twee grote overeenkomsten te zien en een duidelijk verschil.

145 Beschrijf de twee overeenkomsten en een duidelijk verschil. Probeer daarbij een verklaring te geven voor het verschil.

Om het model te testen heb je gegevens nodig van een vossen- en konijnenpopulatie in hetzelfde gebied in Nederland. Die hebben we niet kunnen vinden. Alleen uit gebieden in Australië zijn gegevens beschikbaar. De gebieden hebben een gematigd klimaat, net als Nederland. In figuur 5.65 zijn schommelingen zijn duidelijk te zien, maar let op, er zijn meer metingen per jaar gedaan.

146 Welke twee processen veroorzaken de grote variaties binnen een jaar.

Time

aant

alko

nijn

en

0 10 20 30 40 50

40.000

45.000

50.000

55.000

60.000

Figuur 5.65 – Aantal konijnen uitgezet tegen de tijd.

Time

aant

alvo

ssen

0 10 20 30 40 50

96

99

102

Figuur 5.66 – Aantal vossen uitgezet tegen de tijd.

152

De onderzoekers hebben correlatie berekeningen gedaan. Uit de berekeningen en vervolgonderzoek kwamen de volgende conclusies:

De populatiedynamiek van vossen is niet zo sterk afhankelijk van de konijnenpopulatie als je op grond van het sneeuwhaas-lynx model zou verwachten.

Ook de populatiedynamiek van de konijnen is niet zo sterk afhankelijk van de vossenpopulatie.

De schommelingen in konijnenpopulatie hangen meer af van het voedselaanbod dan van de aanwezigheid van vossen.

Modellen voor noordelijke klimaatzones kunnen niet zonder meer gebruikt worden voor gematigde gebieden.

Welke aspect(en) spelen in gematigde gebieden een (grotere) rol?

147 Aan figuur 5.69 te zien, worden konijnen niet alleen door vossen gegeten. En vossen blijken niet alleen konijnen te eten. Welk ecologisch verschijnsel is in de modellen weggelaten?

Figuur 5.67 – Resultaten vos en konijnentellingen uit gebieden met een gematigd klimaat in Australië. De lichte blokjes links bovenste grafiek rechts onderste grafiek geven de aantallen konijnen weer. De andere de vossen. Van een bepaalde periode zijn geen betrouwbare metingen. Er is in deze periode een besmettelijke ziekte uitgebroken onder konijnen.

Figuur 5.69 – Tellingen van vos, konijn en wilde kat Australië.

Figuur 5.68 – Vos en konijn: houden ze elkaar in evenwicht of niet?

153

Kortom, er is nog geen goed model van de populatiedynamiek van konijnen in gematigde gebieden. De bestaande wetenschappelijke modellen zullen worden uitgebreid met het aspect voedsel aanbod en meerdere predatoren. Paragraaf 5.7 gaat het over dit laatste aspect met als prooidier de lemming en als predatoren een poolvos, sneeuwuil en een andere roofvogel. Als extra opdracht bij deze paragraaf kun je kijken naar het aspect besmettelijke onder de konijnenpopulatie.

EXTRA ‘RONDE’: Besmettelijke ziekten

Wanneer wordt een ziekte een epidemie binnen een populatie? Ziekten kunnen een sterke invloed kunnen hebben op het aantal konijnen. In 1953 bereikte het myxoma-virus ons land. Er brak een epidemie uit waarvan zeer veel konijnen het slachtoffer werden. In 1991 werden de konijnen opnieuw getroffen: nu door het VHS-virus. In veel gebieden liep de konijnenstand in de jaren daarna terug tot 10% van het aantal dat vóór het uitbreken van de VHS-epidemie onze duinen bevolkte. Zoals je in figuur 5.59 ziet, loopt daardoor in 1994 het aantal konijnen enorm terug. Hoewel de ziekte inmiddels geen epidemie meer vormt is het virus nog steeds in de populatie aanwezig. Om de een of andere reden kan het virus op dit moment geen epidemie veroorzaken.

Waardoor kan een virus niet altijd een epidemie veroorzaken? We proberen met behulp van Coach verklaren hoe dat komt. In 1927 maakten de Schotten Kermack en McKendrick een wiskundig model waarin zij de ontwikkeling van een epidemie in een populatie probeerden te beschrijven. Uiteindelijk zag hun model er als volgt uit: Als VAoud de vatbare konijnen weergeeft en Zoud de konijnen die door een besmettelijke ziekteverwekker zijn aangestoken, dan geldt: VAnieuw = VAoud + g × VAoud - b × VAoud × Zoud Znieuw= Zoud + b × VAoud × Zoud - v × Zoud waarbij g = groeisnelheid konijnen (geboorte – natuurlijke sterfte), b = besmettelijkheid ziekteverwekkers en v = virulentie ziekteverwekkers (of ziekteverwekkende kracht = 1/verwachte levensduur van een besmet dier). Hieronder zie je een Coach weergave van het model:

figuur. 5.70 - Coachmodel konijn en epidemie

154

148 Bestudeer de onderdelen van het model en hun relaties. Beantwoord daarna de volgende vragen. a. Er staat vanuit vatbare konijnen en vanuit besmette konijnen een

relatiepijl naar besmetting. Verklaar beide pijlen.

b. Welke aannames worden in dit model gedaan over het herstel en de voortplanting van zieke konijnen?

Neem als beginwaarden voor vatbaren 50 en zieken 4. Neem voor

de groeisnelheid g de waarde 14,8. Geef de besmettingsfactor b de waarde 0.00003 en ga ervan uit dat een besmet dier nog 1/12 jaar te leven heeft. De virulentiegraad wordt dan 12. Kies (vanwege de beperking van het modelleerprogramma) een stapgrootte van 0.001 als methode RK (variabele stap) en laat het model een periode van 10 jaar doorrekenen.

c. Noteer de filenaam.

Geef de resultaten van de gezonde en zieke dieren weer in een

grafiek.

d. Schets het verloop van het aantal gezonde en zieke dieren in de tijd.

Figuur 5.71 - Schets van het aantal gezonde en zieke dieren door de jaren heen. e. Wat is de periode van het uitbreken van epidemieën?

155

f. Onderzoek systematisch hoe de volgende factoren het verloop van de epidemie beïnvloeden:

start aantal zieke dieren v Virulentie b Besmettelijkheid g Groeisnelheid

Vanaf een bepaalde populatiegrootte schiet het aantal zieken enorm ophoog. Door de X-as te verkleinen kun je aflezen bij e grafiek zieken op welk tijdstip dit is, en vervolgens bij het aantal vatbare aflezen hoe groot de populatie dan ongeveer is. g. Formuleer nu een antwoord op de vraag waarmee de paragraaf startte.

Waardoor kan een virus niet altijd een epidemie veroorzaken?

Bron 6: Afleiding van het reële sterftecijferJe hebt in opgave 5 gezien dat de groei van de populatie uiteindelijk alleen afhangt van het verschil tussen g en s. Het maakt dus voor het uiteindelijke resultaat niet uit of je de geboorte laat dalen en de sterfte laat stijgen (figuur 5.70a) of dat je de geboorte constant houdt en de sterfte iets harder laat stijgen (figuur 5.70b).

Figuur 5.72a - Geboorte- en sterftesnelheid beide afhankelijk van dichtheid

Figuur 5.72b - Geboorte en sterfte verlopen anders, maar het netto-effect blijft gelijk Uitgaande van figuur 5.70b zou je het realistischer sterftecijfer kunnen beschrijven met de volgende formule: sreal = s × (1 + dichtheid)

156

Toepassingen van Dynamische modellen 5.7 De ‘vrije val’ van de lemming

Wat gaan we doen? Deze paragraaf is een vrije opdracht. Er worden weinig gegevens aangedragen. Je modelleert ‘het vallen en opstaan’ van de lemming.

In deze paragraaf zijn de centrale vragen: Welk van de 4 predatoren heeft het meeste effect op het aantal

schommelingen in de lemmingpopulatie?

Of is het een combinatie van predatoren?

De lemming en zijn predatoren .

Figuur 5.73 – Een lemming Lemmingen zijn kleine knaagdieren uit Scandinavië en Groenland. Bij een onderzoek in de Karup Vallei op Groenland telde een onderzoeksgroep van 1988 tot 2002 het aantal lemmingen. Bovendien werden de aantallen, het voortplantingssucces en het dieet bepaald van een aantal predatoren: de sneeuwuil, de kleinste jager (een meeuwachtige vogel) en de poolvos. Het gemiddelde aantal lemmingen dat per dag wordt gegeten als functie van de gemiddelde lemmingendichtheid is in onderstaande afbeelding weergegeven.

Figuur 5.74 – Het gemiddelde aantal lemmingen dat gegeten wordt door verschillende predatoren.

Lemmingen –The game Aan de basis van het computerspel staat een fabel. De fabel gaat dat lemmingen bij overbevolking collectief zelfmoord plegen door zich vanaf rotskliffen in zee te storten. In figuur 5.75 zijn grote fluctuaties in aantallen lemmingen te zien. Wat is wel de oorzaak?

157

149 Hoeveel hectare moet een sneeuwuil minstens bejagen voor het verkrijgen

van zijn dagelijkse buit lemmingen in een gebied met een dichtheid van één lemming per hectare?

Een andere predator van lemmingen is de hermelijn. De hermelijn heeft in het gebied een bijzondere positie. Hij eet vrijwel alleen lemmingen, terwijl de andere drie predatoren nog alternatieve voedselbronnen hebben. In de volgende afbeelding is de relatie tussen de dichtheid van de lemming en die van de hermelijn gedurende een aantal jaren weergegeven.

Figuur 5.75 – Het gemiddelde aantal lemmingen dat gegeten wordt door verschillende Iemand trekt uit de gegevens in het diagram van bovenstaande afbeelding de conclusie dat de hermelijn de lemmingendichtheid reguleert. Deze conclusie is voorbarig.

150 Geef hiervoor twee argumenten.

158

Het is de vraag of (alleen) de hermelijn de dichtheid van de lemmingen reguleert. Om dit te onderzoeken ga je met behulp van Coach de volgende vragen onderzoeken:

Welk van de 4 predatoren heeft het meeste effect op het aantal schommelingen in de lemmingpopulatie?

Of is het een combinatie van predatoren?

Volg een gestructureerde manier van werken, zoals je in de vorige hoofdstukken ook hebt gedaan.

Analyseer het probleem.

Benoem groothe(i)d(en) en factor(en) die van belang zijn.

Beschrijf de invloed van de groothe(i)d(en) en factor(en).

Stel één (of meerdere) relatie(s) op.

Schets en bouw je model.

Doe een voorspelling over de uitkomst.

Laat je model doorrekenen en controleer je voorspelling.

Pas evt je model aan, of breidt deze uit met de nieuwe groothe(i)d(en), factor(en) en relatie(s).

Doe een voorspelling over de uitkomst.

Laat je model doorrekenen en controleer je voorspelling.

Trek een conclusie.

159

BIJLAGE I Herhaling van de theorie van bewegingen Om een computermodel te maken voor kracht en beweging heb je wat kennis van de mechanica nodig. In de volgende opdrachten zet je eerst die kennis op een rij.

151 Een deel van de mechanica beschrijft bewegingen met behulp van de volgende drie grootheden: de afstand s tot een (willekeurig) startpunt, de snelheid v en de versnelling of vertraging a. Deze drie grootheden hangen met elkaar samen. a. Leg in je eigen woorden het begrip snelheid uit.

b. Vul de volgende formule in: .....

.....

v . Het symbool (de Griekse

hoofdletter delta) betekent verandering

c. Wat is het verschil tussen de snelheid en de gemiddelde snelheid?

d. Leg in je eigen woorden het begrip versnelling uit.

e. Vul de volgende formule in: .....

.....

a

152 Een ander deel van de mechanica beschrijft de oorzaak van bewegingen

met behulp van de volgende drie grootheden: de kracht F, de massa m en de versnelling of vertraging a. a. Wat wordt bedoeld met de resultante van de krachten Fres op een

voorwerp (of ook: de netto-kracht)?

b. Welk verband is er tussen de netto-kracht Fres op een voorwerp, de massa m van dat voorwerp en de versnelling of vertraging a die het voorwerp daardoor krijgt?

c. Hieronder staan de drie standaard-bewegingen uit de mechanica. Geef voor elk van deze bewegingen antwoord op de volgende vraag: welke eigenschappen (grootte en richting) heeft de netto-kracht Fres op het voorwerp?

- Eenparige beweging (snelheid v constant) - Eenparig versnelde beweging (versnelling a constant) - Eenparig vertraagde beweging (vertraging a constant)

Figuur 5.76 - Op een vliegtuig werken meerdere krachten

160

d. Schets in het volgende (s,t)-diagram voor elk van deze drie standaard-

bewegingen de afgelegde afstand als functie van de tijd. Doe hetzelfde in een (v,t)-diagram voor de snelheid als functie van de tijd.

0 0 t

s

00 t

v

Figuur 5.77 – Diagrammen voor de drie standaardbewegingen: constante snelheid, versneld en vertraagd.

e. Bij de drie standaard-bewegingen zijn de afgelegde afstand s en de

snelheid v van een voorwerp te berekenen met formules. Leg uit of laat zien hoe.

- Eenparige beweging (snelheid v constant) - Eenparig versnelde beweging (versnelling a constant) - Eenparig vertraagde beweging (vertraging a constant)

Formules bij kracht en beweging Naast de formules die in BINAS staan zijn er ook nog enkele formules die voor het modelleren van bewegingen van belang zijn. Een overzicht:

tvs gem amFres uCFv 221

, vAcF wlw

221 tas gmFz nw FfF max, nrrw FcF ,

153 De krachten op een bewegend voorwerp zijn meestal afhankelijk van

één of meer andere grootheden. In het overzicht staan formules voor verschillende krachten.

a. Geef bij elke kracht aan om welke kracht het gaat.

b. Geef van elk symbool in de formules die over krachten gaan de betekenis.

c. De formules tvs gem en 221 tas zul je bij modelleren maar weinig

gebruiken. Leg uit waarom.

161

BIJLAGE II Verklarende woordenlijst van biologische begrippen (uit NVON begrippenlijst voor leerlingen biologie 2005, m.u.v. * )

antibioticum organische stof afkomstig van organismen, die micro- organismen doodt of hun groei beperkt

antibiotica zijn niet werkzaam bij virale infecties.

antistof immunoglobuline; antigeenbindend eiwit in het lichaam (o.a. in bloed, slijm, lymfe) dat door plasmacellen geproduceerd wordt als reactie op de aanwezigheid van het antigeen

Elk antistofmolecuul heeft een ruimtelijke bouw die ‘past’ op de ruimtelijke bouw van het bijbehorende antigeenmolecuul.

antigeen lichaamsvreemde stof die de afweerreacties op gang kan brengen. Elke vreemde cel die een organisme binnenkomt, bevat antigeenmoleculen op het celmembraan.

bacil staafvormige bacterie

bacteriën één van de vier rijken waarin alle organismen worden ingedeeld; eencellige, soms meercellige organismen met kleine cellen die geen kernmembraan en mitochondriën bevatten.

besmettelijk* van de een op de ander kunnen over gaan van micro- organisme of virus biologisch evenwicht zie natuurlijk evenwicht ecologie wetenschappelijke studie van de relatie van organismen en hun milieu ecosysteem * min of meer begrensd gebied van levende organismen en niet levende factoren die samen een eenheid vormen. Bijv. een heideveld, een naaldbos of een sloot. epidemie* Er wordt gesproken van een epidemie wanneer het aantal

gevallen van griep in een bepaald gebied gedurende een bepaalde periode veel hoger is dan gebruikelijk. Bij een aantal van meer dan 6 griepgevallen per 10.000 inwoners wordt er gesproken van een griepepidemie. Buiten een griepepidemie hebben er gemiddeld 3 op de 10.000 mensen griep in Nederland.

entstof vaccin

griepgolf de jaarlijkse verhoging van griepgevallen die in Nederland plaats kan vindt in de winter. Of het een epidemie wordt hangt af van het aantal zieken ten opzichte van de bevolking.

immuniseren immuun maken. Men onderscheidt actieve immunisatie waarbij een individu zelf een afweerreactie opbouwt en passieve immunisatie waarbij een individu antistof ontvangt.

immuniteit onvatbaarheid voor een bepaalde ziekte. Immuniteit berust op het bezit van geheugencellen.

immunoglobuline antistof

immuun onvatbaar voor een bepaalde ziekte

162

incubatietijd* tijd die verloopt tussen besmetting en het optreden van de eerste verschijnselen

J-vormige curve* Is de naam van een grafische weergave van populatiegroei onder gunstige omstandigheden. Op de y-as is het aantal dieren uitgezet, tegen de tijd (x-as). De grafiek laat dan een snelle toename zien, wiskundig te beschrijven als een exponentiële functie.

natuurlijk evenwicht biologisch evenwicht; toestand waarbij de grootte van elke populatie in een ecosysteem schommelt om een bepaalde waarde

predatie doden van dieren en ze als voedsel gebruiken predator roofdier S-vormige curve* Is een grafische weergave van een populatie die toeneemt onder gunstige omstandigheden. Na verloop van tijd gaat de gegroeide populatie invloed uitoefenen op de omgeving en dit heeft weer effect op de populatiegroei. Uiteindelijk stabiliseert het aantal dieren –al dan niet schommelend - rond een bepaalde waarde. Als je deze processen in een grafiek uitzet, heeft deze de vorm van een langgerekte S. vaccin entstof; onschadelijk gemaakte ziekteverwekkers of een antigeen van een ziekteverwekker, gebruikt voor actieve kunstmatige immunisatie. Bij het griepvirus wordt een combinatie van verwachte antigenen in gespoten. Met rekenmodellen wordt voorspeld welke varianten met welke antigenen in het najaar West Europa zullen bereiken.

vaccineren inenten; toedienen van een vaccin

virus deeltje dat in elk geval een molecuul DNA of RNA bevat, en omgeven is door een eiwitmantel. De vermeerdering van virussen kan alleen in levende cellen plaats vinden. virulentie* de mate waarin een micro-organisme of virus het vermogen bezit een ziekte te verwekken.

Figuur 5. 78 - J-vormige curve

Figuur 5.79 - S-vormige curve

163

BIJLAGE III Overzicht knoppen op de taakbalk Coach

164

Bronvermelding leerlingenmateriaal staat in de docentenhandleiding.

Dynamische modellen VWO - betavak-nlt.nl · verandert. In deze module maak je kennis met enkele...

Documents

Transcript of Dynamische modellen VWO - betavak-nlt.nl · verandert. In deze module maak je kennis met enkele...