离散模型和连续模型的优缺点

首先声明，我只是个搞生物竞赛的，假如你对这个一无所知的话，也许我略知道一点，试着解释一下吧。
人口模型有离散的吗？好像不是吧。离散模型适用于许多一年生植物与昆虫，其特点是种群各世代不相重叠（说白了，也就是子代出生看不见它爹妈了的）。有人告诉我说一些原生动物的裂体生殖也适用的，因为它们的亲代变成了子代。
公式： Nt+1=R0Nt (t+1,t,0是下标，我打不出了）
Nt为t世代种群大小，Nt+1是t世代下一代。
这个挺好理解的吧。
生物书上明确地说，人和多数兽类其种群增长是连续的，用微分方程描述。
连续增长也就是说，你在什么时候找那么个种群看看，它都是有老有少，几代在一起的，对人类当然是这样。
标准的连续增长模型方程式dN/dt=(b-d)N=rN 积分式Nt=N0e^rt(0为下标）
在很短的时间dt内,b,d为瞬时出生率、死亡率，N为种群大小。r为每员增长率，与密度无关（这里的离散模型和连续模型）都是与密度无关的。
把考虑与密度有关，就有了逻辑斯谛（logistic）方程：
dN/dt=rN(1-N/K).
K即环境容纳量。也就是说，K为环境可容纳的最多个体数，每个个体就占有1/K的空间。可供种群继续增长的空间也就是（1-N/K)了。对照上面的连续增长模型会好理解一些。
所以说，离散模型和连续模型适用于不同对象，当然有上面所说的区别，但不能比较优缺点吧。非要比较，那我只好告诉你，离散模型更简单啦。
估计你是个学地理的吧。祝你好运喽。

先说一个熟悉的内容，数列与函数。
当然数列也是函数，但它的取值是自然数，取值是离散的，
而一般的函数取值是某一个区间，在这区间内取值往往是可以连续的。

离散型随机变量与连续型随机变量也是由随机变量取值范围（或说成取值的形式）确定，
变量取值只能取离散型的自然数，就是离散型随机变量，
比如，一次掷20个硬币，k个硬币正面朝上，
k是随机变量，
k的取值只能是自然数0，1，2，…，20，而不能取小数3.5、无理数√20，
因而k是离散型随机变量。

如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量，
比如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，
x的取值范围是[0,15)，它是一个区间，从理论上说在这个区间内可取任一实数3.5、√20等，因而称这随机变量是连续型随机变量。