R Markdown

##diagrama causal

knitr::include_graphics("C:/Users/lalov/OneDrive/Documents/causal1.png")

##diagrama de flujo

knitr::include_graphics("C:/Users/lalov/OneDrive/Documents/flujo1.png")

library("deSolve")
## Warning: package 'deSolve' was built under R version 4.2.3
#Variables exógenas o parámetros
parameters<-c(Tasa_Fertilidad_Adulto = 7/100, #x%
              Tasa_Fertilidad_Joven = 7*0.2/100, #x*.2%
              Tiempo_Nino = 13, #años
              Tiempo_Joven = 8, #años
              Tiempo_Adulto = 7+34, #años
              Tiempo_Jubilado = 7+14, #años
              Prop_ninos_crim = (7+2)/100, #x+2%
              Prop_jovenes_crim = (7+3)/100, #x+3%
              Prop_adultos_crim = (7+5)/100, #x+5%
              Prop_jubilados_crim = (7+1)/100, #x+1%
              Tasa_crimen_otros = 7+1, #millones
              Tasa_crimen_ninos = 7+1, #millones
              Tasa_crimen_jovenes = 7+2, #millones
              Tasa_crimen_adultos = 7+4, #millones
              Tasa_crimen_jubilados = 7-1 #millones
              )

#Condiciones iniciales de las variables de estado (aquí se escriben sin d)
InitialConditions <- c(ninos = 7*1000000,
                       jovenes = (7+1)*1000000,
                       adultos = (7+2)*1000000,
                       jubilados = (7+3)*100000
)

#Tiempo de modelación
times <- seq(0, #initial time
             50, #end of simulation
             1)#time step

#Método de integración
intg.method<-c("rk4")

#Función del caso
crime <- function(t, state, parameters) {
  with(as.list(c(state,parameters)), {
    #Variables endógenas
    ninos_criminales <- ninos*Prop_ninos_crim
    jovenes_criminales <- jovenes*Prop_jovenes_crim
    adultos_criminales <- adultos*Prop_adultos_crim
    jubilados_criminales <- jubilados*Prop_jubilados_crim
    crimenes <-Tasa_crimen_otros + Tasa_crimen_ninos*ninos_criminales + Tasa_crimen_jovenes*jovenes_criminales + Tasa_crimen_adultos*adultos_criminales + Tasa_crimen_jubilados*jubilados_criminales
    
    #Variables de flujo
    nacimiento <- Tasa_Fertilidad_Adulto*adultos + Tasa_Fertilidad_Joven*jovenes
    pubertad <- ninos/Tiempo_Nino
    madurez <- jovenes/Tiempo_Joven
    jubilacion <- adultos/Tiempo_Adulto
    muerte <- jubilados/Tiempo_Jubilado
     
    #Variables de estado (siempre inician con un d)
    dninos <- nacimiento-pubertad
    djovenes <- pubertad-madurez
    dadultos <- madurez-jubilacion
    djubilados <- jubilacion-muerte
     
    list(c(dninos, djovenes, dadultos, djubilados),crimenes = crimenes, nacimiento = nacimiento, pubertad = pubertad, madurez = madurez, jubilacion = jubilacion, muerte = muerte) #En la lista deben ir las variables que quieres plotear, dentro de la c() las variables de estado (las que inician con d) y fuera de la c(), pero dentro del paréntesis de la lista, las demás variables que se deseen plotear.
  })
}

#Simulación del model
out <- ode(y = InitialConditions,
           times = times,
           func = crime, #recuerda actualizar el nombre de tu función para cada caso que resulevas
           parms = parameters,
           method =intg.method )

#Gráficos de resultados del modelo
plot(out)

Podemos observar que el amuento de la poblacion llega a tener un comportamiento positivo al igual que los crimenes se puede decir que estos sucede debido a que la terminacion de mi matricula 7 genera que este comportamiento se aplique de esta manera.