Perché mi cimento in qualcosa di cui non mi interessa nulla? Per dimostrare l'inefficacia dei modelli deterministici classici (Malthus, Verhulst, etc), che trattano i parametri demografici come costanti fisse. Le popolazioni reali sono assimilabili molto di più a sistemi fisici dinamici perché sono soggette a fluttuazioni ambientali, epidemie e cicli economici che introducono una casualità sostanziale. La fisica dei sistemi complessi è lo strumento migliore per affrontare questo problema: una popolazione P(t) può essere vista come una «particella» che evolve in un paesaggio di potenziale effettivo, soggetta a un rumore stocastico.
Il mio lavoro prova a spiegare questa analogia, attraverso un'equazione di Langevin con un potenziale polinomiale di grado quattro e rumore moltiplicativo, mostrando che la distribuzione stazionaria di Fokker–Planck presenta una vera transizione di fase controllata dal rapporto σ²/a. Il modello predice bistabilità, risonanza stocastica ed estinzione indotta dal rumore — fenomeni che hanno riscontri empirici in popolazioni ecologiche e umane.
Nella versione originale del modello, il tasso di crescita intrinseco a era trattato come una costante. Questa scelta, accettabile per popolazioni ecologiche in regime stazionario, è strutturalmente inadeguata per la popolazione umana, il cui tasso di crescita ha subìto variazioni di ordine di grandezza nel corso dei secoli. La sezione 2.4 introduce l'estensione a(t) e ne discute la necessità formale.
La popolazione P(t) la rappresento come un'equazione differenziale stocastica nella convenzione di Stratonovich:
dove ξ(t) è rumore bianco gaussiano con ⟨ξ(t)ξ(t')⟩ = δ(t–t'), σ è l'intensità del rumore, e V(P) è il potenziale demografico.
Scelgo un potenziale polinomiale che ammette sia regimi monostabili che bistabili:
La forza deterministica corrispondente è:
Al primo ordine recupero la dinamica logistica (aP – bP²), arricchita da un termine cubico che abilita un secondo equilibrio stabile — una caratteristica assente nei modelli di Verhulst standard.
I cicli stagionali, le recessioni economiche e le epidemie entrano come perturbazioni periodiche additive:
Il fenomeno alla base di questa variazione è noto in demografia come transizione demografica: il passaggio da un regime ad alta natalità e alta mortalità (che si compensano, lasciando a ≈ 0) a uno a bassa natalità e bassa mortalità, con un picco transitorio di crescita nel periodo intermedio in cui la mortalità cala prima della natalità.
La sostituzione formale è:
Il modello completo corretto diventa quindi:
La forma funzionale più naturale per a(t), che cattura il profilo a campana della transizione demografica, è una differenza di sigmoidali:
dove S(t; t₀, k) = 1/(1 + e^{–k(t–t₀)}) è una funzione logistica, t₁ ≈ 1850 segna l'inizio della crescita sostenuta, t₂ ≈ 1970 il picco, e k₁, k₂ controllano la rapidità delle transizioni. Calibrata sui dati ONU 1800–2024, questa forma riproduce fedelmente il profilo storico osservato.
Le conseguenze formali di a(t) sul resto del modello sono importanti:
| Quantità | Modello con a costante | Modello con a(t) |
|---|---|---|
| Soglia di estinzione | σ²_ext = 2a (fissa) | σ²_ext(t) = 2a(t) (varia nel tempo) |
| Soglia di bistabilità | σ²_c = a – b²/(4c) (fissa) | σ²_c(t) = a(t) – b²/(4c) (varia) |
| Equilibrio stabile P* | –b + √(b²+4ac) / 2c | dipende da a(t): non stazionario |
| Distribuzione stazionaria | ρₛ(P) esatta (eq. 4) | soluzione quasi-stazionaria se ȧ/a ≪ γ |
| Correzione di Stratonovich | a_eff = a + σ²/2 | a_eff(t) = a(t) + σ²/2 |
Una conseguenza non ovvia: nel periodo in cui a(t) cresce rapidamente (XIX–XX secolo), la soglia di estinzione σ²_ext(t) = 2a(t) si innalza — la popolazione diventa paradossalmente più robusta alle fluttuazioni proprio quando cresce di più. Viceversa, nella fase di declino del tasso di crescita (fine XXI secolo), la popolazione si avvicina strutturalmente alla soglia di estinzione stocastica anche in assenza di shock esterni.
La Figura 1b (vedi sotto) illustra questa dinamica mostrando come l'equilibrio P*(t) evolva nel tempo quando a(t) segue il profilo della transizione demografica.
L'equazione di Fokker–Planck per la densità di probabilità ρ(P,t), nella convenzione di Stratonovich, è:
Il termine σ²P/2 è la correzione di Stratonovich: rinormalizza il tasso di crescita effettivo da a ad a + σ²/2. Questo è già un risultato fisicamente rilevante: il rumore ambientale sposta l'equilibrio demografico.
Ponendo ∂ρ/∂t = 0 e imponendo corrente di probabilità nulla (detailed balance), la soluzione stazionaria esatta è:
Questa distribuzione vale rigorosamente solo per a costante. Nel caso a(t), la soluzione stazionaria esatta non esiste, ma si può ricorrere all'approssimazione quasi-stazionaria: se il tasso di variazione di a(t) è lento rispetto al tempo di rilassamento del sistema (|ȧ/a| ≪ γ, dove γ è la larghezza della buca di potenziale), allora ρₛ mantiene la forma dell'equazione (4) con a sostituito da a(t) istantaneo.
| Fattore | Interpretazione fisica | Parametro chiave |
|---|---|---|
| P^(2a/σ²–1) | Legge di potenza — effetto Allee stocastico | rapporto a/σ² |
| exp(–2bP/σ²) | Soppressione esponenziale — competizione | b/σ² |
| exp(–cP²/σ²) | Confinamento gaussiano — termine P⁴ del potenziale | c/σ² |
I massimi di ρₛ soddisfano –cP² – bP + (a – σ²) = 0, da cui la soglia critica di bistabilità:
e la soglia di estinzione:
Con a(t), entrambe queste soglie diventano funzioni del tempo: il sistema attraversa diversi regimi demografici in modo dinamico, non per variazione del rumore ma per evoluzione intrinseca del tasso di crescita.
Integro l'equazione (3′) numericamente con lo schema di Eulero–Maruyama a passo temporale Δt = 0.05. Ogni traiettoria è una realizzazione del processo stocastico; la distribuzione empirica di molte traiettorie converge alla distribuzione teorica della Figura 1.
L'algoritmo è il seguente: dato P(t), si calcola la forza deterministica f(P,t) = a(t)P – bP² – cP³, si estrae un incremento gaussiano dW ~ N(0, √Δt), e si aggiorna P(t+Δt) = P(t) + f(P,t)·Δt + σ·P·dW. Quando a è costante si recupera esattamente l'equazione originale; quando a = a(t) la traiettoria riflette la non-stazionarietà del sistema.
Quando σ² colloca il sistema nel regime bistabile (due equilibri separati da una barriera di potenziale ΔV), l'aggiunta di una piccola forzante periodica Acos(ωt) può — paradossalmente — essere amplificata dal rumore. Questo fenomeno, noto come risonanza stocastica, si verifica quando il tasso di transizione di Kramers tra i due bacini si sintonizza con la frequenza di forzante:
Il rumore ottimale per massimizzare l'amplificazione è:
Con a(t), la barriera ΔV dipende dal tempo attraverso l'equilibrio P*(t), rendendo σ²_opt anch'esso dipendente dal tempo. Ciò implica che la capacità di risonanza stocastica di una popolazione varia lungo la sua storia demografica: massima nel periodo di crescita rapida, minima nelle fasi di stagnazione.
I tre regimi (bistabile, unimodale, estinzione) tassellano lo spazio dei parametri (σ², a). Il confine tra bistabile e unimodale è la parabola σ²_c = a – b²/(4c); il confine tra unimodale ed estinzione è la retta σ²_ext = 2a. Con a(t), la traiettoria del sistema nello spazio dei parametri non è un punto fisso ma un percorso: la popolazione attraversa i regimi nel tempo, indipendentemente da variazioni del rumore σ.
Le migrazioni meritano un trattamento esplicito e differenziato. Il punto cruciale è che immigrazione ed emigrazione hanno nature matematiche distinte: la prima è un termine additivo, indipendente da P; la seconda è un termine moltiplicativo, proporzionale alla popolazione esistente.
Il modello completo con migrazioni esplicite e tasso variabile diventa:
| Termine | Tipo | Interpretazione | Effetto principale |
|---|---|---|---|
| a(t)P | moltiplicativo, non-staz. | crescita intrinseca variabile nel tempo | trascinamento del sistema tra regimi |
| –μₑP | moltiplicativo | emigrazione proporzionale a P | riduce a_eff → abbassa soglia estinzione |
| +I | additivo costante | immigrazione netta stabile | barriera anti-estinzione per P→0 |
| F_s(t) = A_s cos(ω_s t) | additivo periodico | cicli stagionali / economici | risonanza stocastica |
| F_shock(t) = Σ Mₖδ(t–tₖ) | additivo impulsivo | guerre, carestie, crisi | salti tra bacini, transizioni irreversibili |
In presenza di un flusso costante I > 0, la distribuzione stazionaria esatta si modifica in:
Il termine aggiuntivo +2I/(σ²P) diverge positivamente per P→0: l'immigrazione erge una barriera di potenziale effettiva contro l'estinzione. Anche un flusso migratorio modesto può quindi stabilizzare una popolazione che altrimenti collasserebbe per fluttuazioni stocastiche — un risultato con implicazioni dirette per le politiche demografiche. Con a(t), questo effetto di stabilizzazione diventa particolarmente critico nelle fasi in cui a(t) → 0.
Il tasso di emigrazione μₑ si somma al rumore nel determinare la vulnerabilità della popolazione. Il tasso di crescita effettivo diventa a_eff(t) = a(t) – μₑ, e le soglie si abbassano:
Una regione con emigrazione cronica elevata è strutturalmente più vicina al regime di estinzione stocastica. Con a(t) decrescente (scenario demografico attuale in molti paesi sviluppati), l'effetto combinato di a(t) → 0 e μₑ > 0 può portare a_eff(t) a diventare negativo — una crisi demografica irreversibile in assenza di immigrazione compensativa.
Un impulso migratorio istantaneo di ampiezza M sposta P di una quantità pari a M. Se tale spostamento supera la barriera di potenziale ΔV tra i due equilibri bistabili, il sistema transisce irreversibilmente da un regime demografico all'altro.
Il modello produce cinque risultati empiricamente falsificabili.
Primo. Le distribuzioni demografiche tra regioni comparabili dovrebbero mostrare bimodalità quando il rumore ambientale è al di sotto della soglia critica σ²_c. Distribuzioni bimodali della densità di popolazione sono state osservate in sistemi ecologici, ma restano poco studiate in demografia umana.
Secondo. Le popolazioni in ambienti moderatamente rumorosi dovrebbero seguire i cicli stagionali meglio di quelle in ambienti molto stabili o molto variabili — la firma della risonanza stocastica. Questo suggerisce che un certo grado di variabilità climatica o economica possa, sorprendentemente, essere «utile» alla capacità adattiva di una popolazione.
Terzo. Il tasso di crescita effettivo misurato da serie storiche deve essere a(t) + σ²/2 anziché a(t) da solo, a causa della correzione di Stratonovich. Trascurare questa correzione porta a sottostimare il tasso intrinseco nei modelli calibrati su dati con molto rumore.
Quarto. Regioni con flusso migratorio netto positivo costante dovrebbero mostrare distribuzioni di popolazione con densità soppressa vicino a P = 0 rispetto a regioni isolate.
Quinto. Il profilo a(t) ricavato dalla calibrazione sui dati ONU dovrebbe predire il regime demografico corrente (unimodale, con a(t) in declino verso zero) e la traiettoria futura verso la soglia di estinzione stocastica entro la fine del XXI secolo — una previsione verificabile su scala temporale accessibile.
Perché non può funzionare sempre e con certezza nemmeno questo modello? Perché la demografia non è una scienza e, anche nel caso in cui si adotti un approccio scientifico, bisogna fare delle assunzioni per niente banali come l'omogeneità del potenziale nel tempo (ma quando mai?) e l'assenza di una struttura spaziale (ma quando mai?). Poi, c'è sempre il discorso della riproducibilità e del metodo scientifico, ma questa è un'altra storia.
Tuttavia, anche per fenomeni di poco conto, come può essere la dinamica delle popolazioni, una descrizione basata sul potenziale di Langevin quartico, rumore moltiplicativo e tasso di crescita dipendente dal tempo a(t) è quanto di più preciso si possa ottenere rispetto ai modelli deterministici tradizionali. L'introduzione di a(t) non è un abbellimento: è la correzione che rende il modello applicabile alla storia reale dell'umanità, non solo a sistemi ecologici in regime stazionario.