指数関数的およびロジスティック曲線（収容力、倍加時間、変曲点付き）。
個体群動態は、疫学（感染症のR₀、ワクチン接種閾値）、生態学（生息地の収容力、漁業のティッピングポイント）、人口統計学（2100年までの国連世界人口予測）、微生物学（フラスコ内の細菌培養、抗生物質キル曲線）など、あらゆるものに関わっています。その数学的中心は、常微分方程式dN/dt = r・N（指数関数的成長）または、資源の限界が関わる場合はdN/dt = r・N・(1 - N/K)（ロジスティック成長）です。どちらも閉形式解を持ち、質的に異なる曲線を描きます。指数関数は無限に上昇し、ロジスティックは収容力Kで飽和します。どちらのモデルが適用されるか、そしてシステムが曲線のどこに位置するかを理解することは、予測と政策にとって極めて重要です。この計算機は両方を並べて計算し、ユーザーが無制限の軌跡と制限された軌跡を比較し、ロジスティックモデルが指数関数から分岐する変曲点を確認できるようにします。
指数関数: N(t) = N₀・e^(r・t)、ここでrは単位時間あたりの一人当たりの成長率です。
倍加時間は T_d = ln(2) / r ≈ 0.693 / r です。年間成長率0.05は、13.86年の倍加時間をもたらします。
ロジスティック（Verhulst 1838）: N(t) = K / (1 + ((K − N₀) / N₀)・e^(−r・t))、ここでKは収容力です。
ロジスティック曲線は、成長率が最大となるN = K/2で変曲点を持ちます。変曲点までの時間は t_inflection = ln((K − N₀)/N₀) / r です。
N₀ → 0 の場合、両モデルは初期段階で一致します。NがKに近づくにつれて、ロジスティックは指数関数から乖離します。
計算機は、100個のサンプルポイントで両方の曲線を描画し、ロジスティック曲線上の変曲点をマークし、Kに水平な破線を表示します。Y軸は、min(5 × max_logistic, K)に収まるように自動スケーリングされ、指数関数的な爆発がロジスティックの詳細を飲み込まないようにします。
初期個体数N₀、成長率r（選択した時間単位あたり。動物個体群では年間0.01〜0.5、細菌では1時間あたり0.5〜3が一般的）、経過時間t、収容力K（指数関数のみを希望する場合はオフに切り替え可能）、および時間単位（年または日）を入力します。結果パネルには、両モデルのN(t)、倍加時間、および変曲点までの時間が表示されます。
細菌培養がN₀ = 10⁶ cells/mLで始まります。成長率r = 0.69 /h（豊富な培地中の大腸菌、1時間ごとに倍加）。
t = 6 h における指数関数: - N(6) = 10⁶ × e^(0.69 × 6) = 10⁶ × e^4.14 = 10⁶ × 62.8 = 6.28 × 10⁷ cells/mL。 - 倍加時間: ln(2)/0.69 ≈ 1 h ✓。
K = 10⁹ cells/mL（典型的なバッチ培養飽和）におけるロジスティック: - N(6) = 10⁹ / (1 + ((10⁹ − 10⁶)/10⁶) × e^(−0.69 × 6)) - = 10⁹ / (1 + 999 × e^(−4.14)) - = 10⁹ / (1 + 999 × 0.0159) - = 10⁹ / 16.89 = 5.92 × 10⁷ cells/mL — 無制限の指数関数よりもわずかに下（まだ初期成長段階）。
t = 12 h では、ロジスティックは4.7 × 10⁸（K/2に近く、変曲点付近）でプラトーになります。指数関数は4 × 10⁹を超えて爆発します — 有限資源では物理的に不可能です。
K = 500 の生息地を持つ50頭のシカの野生個体群、r = 0.2/年: - 変曲点までの時間 = ln(450/50) / 0.2 = ln 9 / 0.2 ≈ 11 年。 - 30年後: N_log = 500 / (1 + 9 × e^(−6)) ≈ 488（収容力に非常に近い）。 - 指数関数 N_exp = 50 × e^6 ≈ 20 200（不可能）。
指数関数は最先端の近似です。実際のシステムは、最終的には資源の限界、捕食、病気、社会的な密度などに直面します。指数関数を初期段階を超えて使用すると、大幅に予測を上回ります。
Kの選択が難しい。収容力は正確に知られることはまれであり、環境条件、気候、技術によってそれ自体が変化する可能性があります。人口統計学的な予測では、しばしば大きな不確実性を持つKの範囲が引用されます。
rが一定であることはめったに現実的ではありません。実際の成長率は、季節、資源の利用可能性、密度依存的なフィードバックによって変動します。rが一定であるという仮定は、平滑化です。
Nが小さい場合、確率的効果が重要です。N₀ = 10個体の場合、人口統計学的な確率性（ランダムな出生/死亡）により、決定論的なrが正であっても個体群がゼロに陥る可能性があります。決定論的な曲線は、個々の実現の予測ではなく、個体群の平均軌跡です。
アリー効果。一部の個体群は、成長が負になる最小の生息可能密度を持っています。単純なロジスティックモデルではこれを捉えられず、小規模で孤立した個体群は成長せずに崩壊する可能性があります。
負の成長（減少）。r < 0 は指数関数を減衰に変えます。K > 0 のロジスティックは、依然としてKに漸近します（Kは今や上方からのアトラクターです）。モデルの解釈を切り替えると混乱を招くことがあります。曲線の方向を読んでください。
単位の一貫性。rとtは同じ時間単位を使用する必要があります。細菌のrは通常時間あたり、人口統計学のrは年あたりであり、桁違いに異なります。
連続時間 vs. 離散時間。閉形式解は連続時間を前提としています。毎年決まった時期に繁殖する個体群（一年生植物、サケの遡上）の場合、Beverton–HoltモデルやRickerモデルのような離散時間モデルの方が適切です。
パラメトリック vs. 密度依存的調節。ロジスティックモデルは、調節が純粋に密度依存的である（種内競争）と仮定します。実際の調節は、捕食者-被食者、寄生者-宿主、資源パルスダイナミクスを組み合わせることが多く、多種モデルはより豊かなダイナミクスをもたらします。
変曲点 vs. 飽和。変曲点は成長率が最も高い点であり、曲線が平坦になる点ではありません。飽和（Kの95％）は、変曲点から約4.4/r時間単位後と、はるかに遅く起こります。