A szöveg csak Firefox böngészőben jelenik meg helyesen. Használja a fenti PDF file-ra mutató link-et a letöltésre. Három egyszerű népességdinamikai modell
Ebben az írásban a népességdinamika modellezésébe szeretném bevezetni azokat az igényes középiskolásokat, akiket érdekel a társadalmi jelenségek matematikai megfogalmazása. Az egyes országok népességének (létszámának és korösszetételének) alakulása gazdaságilag és politikailag egyaránt érdekes. Miközben a harmadik világ jelentős részében még tart a népességrobbanás, a fejlett világ egyes országaiban drámai ütemű népességfogyás és öregedés tapasztalható. Például Magyarországon az 1980-as 10,7 milliós népességmaximum elérése óta ma már 10 millió alá csökkent a létszám. De ennél sokkal súlyosabb a nemzedéki (korosztályi) arányok eltolódása: jelenleg az idősek (60 éven felettiek) aránya 20%, de 2050-re 40% várható. Nem nehéz belátni, hogy ezek a fejlemények feszültségekhez vezetnek a nyugdíj- és az egészségügy területén, bár az optimisták szerint az idősek egészségi állapotának folyamatos javulása nyomán jelentősen emelkedik majd az idősek munkakínálata, s ez enyhíti e feszültségeket. A társadalmi problémák jelentős részét matematikailag modellezzük, akárcsak a természettudományos problémákat. Egy jó modell elősegíti a probléma megértését, és a korábbi problémák megoldásában nyert tapasztalatokat alkalmazhatóvá teszi az újabb problémák kezelésében. Hasonlatokkal élve: más léptéket várunk egy Budapest-térképtől, mint egy Magyarország-térképtől. Mindkét térkép lehet jó is, rossz is, a céltól függően. Ha Budapestről Debrecenbe autózunk, akkor országos térképre van szükségünk; ha Pestről Budára megyünk, akkor viszont fővárosira. Ha tudjuk, hogy mitől függ az inga lengésideje, akkor megértjük az elektromos áramkörök rezgéseit is. Már láttuk, hogy a demográfia fontos. Azt szeretném igazolni, hogy elméletileg is érdekes, és gazdag modellezési lehetőségei vannak. Három modellt mutatok be. Az első modell annyira egyszerű, hogy alig érdemli meg a modell nevet: az év eleji népesség egyenlő az előző év eleji népességgel születések halálozások. Ha feltesszük, hogy mind a születésszám, mind a halálozásszám arányos a népességgel, akkor egyszerűen alakul a népességszám stb. A második és harmadik modell közös alapfeltevése, hogy az egyes korosztályok ugyanannyi évet fognak át. A második modellel a gyermekek‐szülők‐nagyszülők nemzedékeinek együttélése írható le. (Természetesen a nagyszülők a szülők szülei, de ezt a bonyodalmat figyelmen kívül hagyhatjuk.) Kulcsszerepet játszanak az átmeneti valószínűségek, amelyek azt mutatják, hogy egy adott gyermeknemzedék hányad része lesz szülő, illetve nagyszülő. A termékenységi együttható pedig azt mutatja, hogy egy átlagos családban hány gyermek van. A harmadik modellben eltekintek az időközi halandóságtól, elhagyom a nagyszülőket, de felbontom a szülőket fiatalabb és idősebb részre. Nemcsak kvalitatív, de kvantitatív eredményekhez jutunk: hogyan függnek a népesség növekedési üteme és korosztályi arányai a túlélési valószínűségektől és a termékenységi együtthatótól? Az elemzésben először felírjuk az alapösszefüggéseket, majd egyszerűsítésként feltesszük, hogy a termékenységi együtthatók és túlélési valószínűségek időben állandók: ún. stabil népesség. A lineáris differenciaegyenlet-rendszerek elméletet menetközben elmagyarázva, majd alkalmazva, érdekes tételeket mondunk ki és bizonyítunk be. Végül levonok néhány következtetést.
Bár elvileg minden pillanatban születik egy csecsemő és meghal egy aggastyán, a gyakorlatban célszerűtlen évesnél finomabb bontású népességmodellekkel dolgoznunk. (Elméleti elemzésben azonban jogosult lehet folytonos koreloszlás alkalmazása is, de az nagyon elbonyolítja a matematikai elemzést.) A legegyszerűbb demográfiai modellben nincsenek korosztályok. Éves keretben dolgozva, jelölje a naptári éveket , a születések számát , a halálozásokét , végül a népesség év eleji értékét . Könnyen belátható a következő azonosság: Ha ismerjük a és sorozatot, és kezdőértéket, akkor ismert a népesség bármilyen évi értéke. Kicsit továbbjutunk, ha az adott évbeni születések és a halálozások számát arányosnak vesszük az az év eleji népességszámmal, ahol és rendre a születési és halálozási arányszám: és . Behelyettesítve a második egyenletet az elsőbe: | |
Ezzel eljutottunk a legegyszerűbb tételhez.
1. tétel. Ha a születési arányszám minden évben nagyobb mint a halálozási, akkor a népességszám nő. Ha a születési arányszám minden évben kisebb mint a halálozási, akkor a népességszám csökken. Ha a születési arányszám minden évben azonos a halálozásival, akkor a népességszám állandó.
1. táblázat. Születések, halálozások, népesség, Magyarország, ezer fő [b!ht Figyeljük meg, hogy a tételben nem tesszük fel, hogy a születési és halálozási arányok időben változatlanok, csak a különbségük előjeléről beszélünk. A valóságban nem is volna helyes feltenni, hogy ezek az arányok időben változatlanok, hiszen például ha egy ország népességéből eltűnnének a szülőképes nők, akkor a népesség hosszabb távon kihalásra van ítélve. Ideje áttérni egy reálisabb modellre. De még beillesztjük az 1. táblázatot, amely válogatott évekre tartalmazza a hazai népesség szülési, halálozási és állományi adatait. (Ha a táblázattal akarnánk ellenőrizni az alapegyenlet érvényességét, akkor vagy minden évet fel kellett volna tüntetnünk, vagy összesíteni kellett volna az évtizedes születéseket és halálozásokat!) 3. Gyermekek, szülők, nagyszülők Mostantól kezdve a népességet korosztályokra tagoljuk. A középiskolai keretekre való tekintettel azonban az éves bontásnál jóval durvább tagolással élünk: csak 3 nemzedéket különböztetünk meg. Ebben a modellünkben gyermekeket, szülőket és nagyszülőket különböztetünk meg. Legyen egy elemzési időszak hossza 25 év, ezt régen emberöltőnek nevezték. A naptári időszakok indexe t=0,1,.... Legyen a t-edik időszakban a gyermekek száma Kt, a szülőké Wt és a nagyszülőké Pt. A népesség teljes létszáma Nt=Kt+Wt+Pt. A demográfusok megkülönböztetik a következő három függőségi hányadost, ahol a szülők létszámához viszonyítják a gyermekek, a nagyszülők, illetve a gyermekek és a nagyszülők létszámát.
Fiatalkori függőségi hányados: Időskori függőségi hányados: Teljes függőségi hányados: Ezek a hányadosok mutatják, hogy milyen teher hárul a szülőkre a gyermekek és a nagyszülők eltartásában. (Az eltartás szó nem azt jelenti, hogy a gyermekek és az idősek henyélők!) Például a gazdasági fejlődés korai szakaszaiban a fiatalkori függőségi hányados nagyon nagy, 1 közeli, nehézzé téve a magas színvonalú kötelező iskolai képzés finanszírozását. A fejlődés késői szakaszában viszont az időskori függőségi hányad nagy, 1 közeli érték, megdrágítva a nyugdíj- és egészségügyi rendszer finanszírozását. A teljes függőségi hányad viszonylag stabil. A 2. táblázat a magyar népességre mutatja be e mutatók alakulását (azonban ideiglenesen lemondva arról a kulcsfeltevésünkről, hogy a korosztályok azonos számú évjáratot tartalmaznak). 2. táblázat. Korosztályi és függőségi hányadok alakulása Magyarországon Gyermekek Idősek Időskori Teljes Évarányafüggőségi hányadt Kt/Nt Pt/Nt pt dt 1970 0,283 0,131 0,224 0,7062000 0,236 0,146 0,236 0,6182050 0,189 0,262 0,477 0,821 Megjegyzés: gyermekek: 0‐19 év, idősek: 65‐. 2050: előrejelzés. [h!tb Visszatérünk az azonos számú évjáratokat tartalmazó modellhez. Az adott korosztály létszámcsökkenését a 0 és 1 közti αt és ωt pozitív számok, az ún. túlélési valószínűségek határozzák meg, amelyek feltevésünk szerint kívülről adottak: Az időben változó φt termékenységi együttható pedig kapcsolatot teremt a szülők és a gyermekek száma között: Megjegyezzük, hogy korábban nagyfokú volt a gyermekhalandóság, s ezen belül a csecsemő halandóság. Például 100 évvel ezelőtt hazánkban még minden ötödik csecsemő meghalt 1 éves kora előtt, és még 50 évvel ezelőtt is minden huszadik csecsemő meghalt. Ma már a csecsemőhalandóság gyakorlatilag megszűnt. Magas csecsemőhalandóság esetén félrevezető termékenységi egyenletünk. Hasonló a helyzet a szülői és a nagyszülői halandósággal. A termékenységi együttható általában tört szám, s ez csak úgy értelmezhető, hogy vannak családok, ahol 0, 1, 2 stb. számú csecsemő születik, és ezek gyakorisága időben változik, jelük f0,t, f1,t, f2,t, f3,t. Képletben: | φt=f1,t⋅1+f2,t⋅2+f3,t⋅3+.... | A továbbiakban e bonyodalommal nem foglalkozunk. Szokás korfáról beszélni, amikor a vízszintes tengelyre mérjük föl a korosztályok létszámát, és a függőlegesre a korosztály életkorát, balra a nőkét, jobbra a férfiakét. Mi az egyszerűség kedvéért egynemű népességet modellezünk, elhanyagolva a férfi és női szaporodási szerepek közti alapvető különbségeket. Bármilyen visszásnak látszik e feltevés, a demográfiában nagyon elfogadott és hasznos. Az interneten számos valóságos és képzelt korfát találhatunk. A rendszer dinamikájának meghatározásához meg kell adnunk két kezdőértéket: W-1-et és W0-t. Ekkor meghatározható P0=ω0W-1 és K0=φ0W0 stb. De mélyebb értelemben W-1-re nincs igazából szükségünk. Ha ismert W0, akkor ismert K0 is, és abból már t≥1-re minden ismert. A 3. táblázat szemlélteti az idealizált kínai népességdinamikát, halandóság nélkül: αt=1 és ωt=1. Számolási könnyebbség kedvéért a kezdő időszak szülőinek létszámát vesszük 1 egységnek. Abszolút számokra gondolva 1950-ben Kínának körülbelül 0,5 milliárd lakója volt, jelenleg pedig körülbelül 1,4 milliárd lakója van. Ismert, hogy 1925‐1975 között a sokgyermekes család volt tipikus Kínában, vegyünk például 4 gyermeket: φ0=2 volt (egy család 2 felnőttből állt, a férjre és a feleségre 2-2 gyermek jutott). Aztán a Mao Ce-tung halála után a kirakatpereket túlélő kínai politikusok végre valahára felfedezték, hogy egy ilyen gyorsan szaporodó népesség nem fér el Kínában, és hajtűkanyart téve, bevezették az egygyermekes családmodellt, φ1=0,5-del. De a késleltetés miatt a népességszám egyelőre nem csökken. Nagyon elnagyolt modellünk 2025-ig vár, hogy visszatérjen a kétgyermekes családmodellhez, de akkorra már felére csökkenne a népesség. 3. táblázat. Stilizált kínai népességdinamika Teljes Modell- Negyed- Termé- Gyermek Szülők Nagyszülők Összesenfüggőségiidő század kenység létszáma hányadt ‐ φt Kt Wt Pt Nt dt-1-1925‐ 2,5 2 1 0,53,5 2,50 1950‐ 2,5 4 2 1,5 7,5 2,51 1975‐ 0,5 2 4 2,5 8,5 1,52 2000‐ 0,5 1 2 4,5 7,5 2,53 2025‐ 1,5 1 1 2,5 4,5 3,5 [h!tb A 3. táblázat utolsó oszlopa élesen megvilágítja a kínai gazdasági csoda egyik forrását: az elmúlt évtizedekben a teljes függőségi hányad 2,5-ről ideiglenesen 1-re csökkent, de majd vissza fog térni a magas értékre. A népességtudományban kiemelkedő szerepet játszik az ún. stabil népesség fogalma. Egy népességet stabilnak nevezünk, ha a korosztályi arányai állandók. Képletben: Fontos speciális eset a stacionárus népesség, azaz amikor nemcsak az arányok, de maguk a korosztályi létszámok is állandók. Képletben: Legegyszerűbben állandó termékenységi és túlélési paraméterértékekkel lehet stabil népességeket előállítani. Tegyük föl, hogy φt=φ, αt=α és ωt=ω. Ekkor belátható a következő tétel.
2. tétel. Állandó túlélési és termékenységi paraméterértékek esetén a népesség stabil és a növekedési tényezője ν=αφ. Ha ν=1, akkor a népesség stacionárius.
Bizonyítás. Behelyettesítve Wt=αKt-1-t Kt=φWt-be: Kt=φαKt-1, azaz a gyermekszám mértani sorozatot alkot, ν hányadossal. A Kt=φWt termékenységi egyenlet alapján ugyanez igaz a szülők létszámára is. Végül Pt=ωWt-1 szerint az idősek létszáma is ugyanazzal a növekedési ütemmel nő. □
Érdekes a függőségi hányadosok alakulása.
3. tétel. Stabil népesség esetén a fiatalkori függőségi hányados kt=φ, az időskori függőségi hányados pt=ω/(αφ), míg a teljes függőségi hányados dt=kt+pt.
Bizonyítás. A fiatalkori függőségi hányados Az időskori függőségi hányados Érdekes, hogy adott α, ω túlélési valószínűségek mellett a d teljes függőségi hányados a minimumát a termékenységi együttható esetén éri el. Valóban, a számtani és a mértani közép összehasonlítása alapján teljesül, és a bal oldal a minimumát a két tag egyenlősége esetén éri el, azaz tényleg φ=φ*. 4. Fiatal és idős szülők modellje Több szempontból is érdemes módosítani az előbbi modellt, és a szülőkön belül megkülönböztetni a fiatal és az idős szülőket. Ez annak felel meg, hogy az időszak hosszát lerövidítjük 25-ről 15 évre. Az egyszerűség kedvéért eltekintünk a termékenység és a halandóság változásától: a stabil népességre szorítkozunk. Sőt, eltekintünk a halandóságtól, és feltesszük, hogy senki sem hal meg idő előtt. Mint matematikailag felesleges toldaléktól, szintén eltekintünk az idősektől, pontosabban a terméketlen idősektől. A fiatal szülők számát Ut, az idős szülőkét pedig Vt jelöli; a fiatal és az idős szülők termékenységi együtthatóját rendre χ és ψ jelöli. Újra felírjuk az alapegyenleteket, de most megbontva a két szülői kategóriát.
Túlélési egyenletek: Termékenységi egyenlet: Az elemzés előtt a 4. táblázattal szemléltetjük modellünket. Legyen χ=ψ=0,5 és K-1=60000 és K0=40000. Látni fogjuk, hogy φ=1 miatt a népesség egy stacionárius népességhez tart. 4. táblázat. Számított népességdinamika Időszak Gyermekek Fiatal szülők Idős szülőkt Kt Ut Vt 0 40 000 60 000 ‐ 1 50 000 40 000 60 000 2 45 000 50 000 40 000 3 47 500 45 000 50 000 4 46 250 47 500 45 000 5 46 875 46 250 47 500 6 46 563 46 875 46 250 7 46 719 46 563 46 875 8 46 641 46 719 46 563 9 46 680 46 641 46 719 [h!tb Akinek jó szeme van, az láthatja, hogy a folyamat tart egy végállapothoz, ahol K*=U*=V*=46667. (A határérték valójában egy végtelen tizedestört: 46666,666..., de ennek nincs gyakorlati jelentősége.) Visszatérünk az elméleti elemzéshez. Behelyettesítve a túlélési egyenleteket a termékenységi egyenletbe, egy érdekes rekurziót kapunk az egymást követő gyermekszámok között: | Kt=χKt-1+ψKt-2,t=0,1,...K-1,K-0adott. |
Ilyen feladatot először Fibonacci pisai matematikus vizsgált először 1202-ben, de ő nem tudta a megoldást zárt alakban előállítani. Szerencsére 1740 körül Leonhard Euler talált egy viszonylag egyszerű módszert az ún. másodrendű homogén lineáris rekurzió megoldására, ezt ismertetjük a következőkben. (Egyébként Euler volt a valaha élt egyik legnagyobb és legtermékenyebb matematikus, a stabil népesség elméletét is ő dolgozta ki.) Most is mértani sorozat alakjában keressük a megoldást: Kt=κλt, ahol κ és λ valós számok. Behelyettesítjük a feltételezett megoldást a rekurzióba: Egyszerűsítés után a másodfokú egyenlethez jutunk. Ennek az egyenletnek két különböző valós gyöke van, és ezek lineáris kombinációjaként adódik a megoldás. Pontosabban a következő igaz.
4. tétel. a) A rekurzió általános (kezdeti értéktől független) megoldása alakú, ahol λ1,2 a másodfokú egyenlet két különböző valós megoldása, valamint κ1 és κ2 tetszőleges valós szám. b) Adott kezdeti feltételek mellett a (κ1,κ2) együtthatópár egyértelműen meghatározható a következő lineáris egyenletrendszerből: | K0=κ1+κ2ésK-1=κ1λ1-1+κ2λ2-1. |
Bizonyítás. Ha χ>0 és ψ>0, akkor a gyökök és együtthatók összefüggése alapján λ1+λ2=χ<0 és λ1λ2=-ψ<0, azaz λ1>0>λ2>-λ1. Ha χ=0, akkor λ2=-λ1; ha ψ=0, akkor λ2=0. a) Ha mindkét λt megoldás kielégíti a rekurziót, ekkor tetszőleges lineáris kombinációjuk is kielégíti. b) Konstrukciója miatt a választott kombináció kielégíti a két kezdeti feltételt. Adós maradok annak az igazolásával, hogy más megoldás nincs, ami kétszeres gyök esetén nem is igaz. (Külön bonyodalmat okoz, amikor a másodfokú egyenletnek nincs valós gyöke, de ez is megoldható.) □
Tovább finomítjuk az elemzést. Kizárjuk az atipikus χ=0 esetet. (A kizárt esetben Kt+1/Kt növekedési tényező ciklikusan változik!) Általában nem igaz, hogy a népesség stabil, hiszen két különböző mértani sorozat zavarja egymást. (A kivételes eset ψ=0!) Mivel a negatív gyök abszolút értéke kisebb mint a pozitív gyök, még inkább áll egyre magasabb hatványaikra, tehát az aszimptotikus megoldás κ1λ1t, κ1≠0. Igazoltuk tehát a következő tételt.
5. tétel. a) Ha χ>0, akkor a Kt megoldás aszimptotikusan tart a κ1λ1t pályához, κ1>0. b) Ha χ+ψ>1, akkor a népesség létszáma növekvő; ha χ+ψ<1, akkor a népesség létszáma csökkenő; végül ha χ+ψ=1, akkor a népesség létszáma állandó. Végül egy érdekes állítást igazolunk, amely megvilágítja, hogy milyen fontos hatással van a stabil népesség növekedési ütemére az, hogy az adott termékenység hogyan oszlik meg a fiatal és az idős szülők között. Az egyszerűség kedvéért továbbra is eltekintünk az idő előtti halálozástól.
6. tétel. Stabil népességen belül rögzítjük a φ=χ+ψ együttes termékenységi arányszámot. a) Csökkenő népességben (φ<1), minél kisebb a fiatalkorú szülések aránya, annál lassabban csökken a népesség: ν(χ)<1 növekvő függvény. b) Növekvő népességben (φ>1), minél kisebb a fiatalkorú szülések aránya, annál lassabban nő a népesség: ν(χ)>1 csökkenő függvény. c) Állandó létszámú népességben (φ=1) a születések eloszlása közömbös: ν(χ)=1.
Bizonyítás. Már beláttuk, hogy a ν növekedési tényező másodfokú egyenletünk nagyobbik gyöke: A ν(χ) deriválásával mechanikusan belátható állításunk, de elemi meggondolás is segít. Vegyünk egy csökkenő stabil népességet. Ebben a korosztályok létszáma monoton időben csökken. A fiatal szülők létszáma kisebb mint az időseké, tehát szerepük csökkenése lassítja a népességszám csökkenési ütemét. □
Mondandónk végére értünk. Bemutattunk három népességdinamikai modellt: az elsőben az életkor alig játszott szerepet. A másodikban a szülőkorúak nem voltak megbontva, a harmadikban ketté voltak bontva. A második modell viszonylag egyszerű volt, és annak elemzésekor még arra is volt módunk, hogy a túlélési valószínűségeket és az időskorúakat is figyelemmel kísérjük. A harmadik modellben a másodrendű rekurzió kezelése annyira lefoglalta erőnket, hogy lemondtunk ezekről a bonyodalmakról. Megismerkedtünk viszont egy új technikával, amely elvileg lehetővé teszi, hogy tetszőleges korosztályra bontva elemezzük a népességdinamikai modellt. Ez azonban már felsőbb matematikai ismereteket igényelne, és erről itt lemondtunk.
|
|