Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Stochastische Populationsmodelle - Abteilung für Mathematische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4 <strong>Populationsmodelle</strong> mit fester Populationsgröße<br />
und somit<br />
p i =<br />
i<br />
2N . (4.3)<br />
Also ist die Wahrscheinlichkeit in einem bestimmten Typ zu fixieren ist gleich der relativen<br />
Häufigkeit des Typs zur Zeit 0. Wie wir später sehen werden stammt für große n die gesamte<br />
Population von einem Vorfahr aus der Zeit 0 ab. Dieser Vorfahr wird zufällig gewählt und die<br />
W’keit, dass er vom Typ A ist, ist gerade p i .<br />
Wie für p i , kann man für die mittlere Absorptionszeit E i [τ] auch eine Rekurrenzgleichung<br />
hinschreiben. Es ist jedoch kompliziert diese explizit zu lösen. Später bei der Diffusionsapproximation<br />
werden wir approximativ E i [τ] angeben.<br />
Nun berechnen wir die Varianz von X n . Es gilt<br />
Var[X n ] = E[Var[X n |X n−1 ]] + Var[E[X n |X n−1 ]]<br />
= E[2N X n−1<br />
2N (1 − X n−1<br />
2N ] + Var[X n−1]<br />
= E[X n−1 ] − 1<br />
2N E[X2 n−1] + Var[X n−1 ]<br />
= E[X n−1 ] − 1<br />
2N (Var[X n−1] + E 2 [X n−1 ]) + Var[X n−1 ]<br />
= E[X 0 ](2N − E[X 0 ]) 1<br />
2N + (1 − 1<br />
2N ) Var[X n−1]<br />
= · · · = E[X 0 ](2N − E[X 0 ])(1 − λ n ) + λ n Var[X 0 ],<br />
(4.4)<br />
wobei λ = 1 − 1<br />
2N . Insbesondere konvergiert die Varianz gegen 2NE[X 0/2N](1 − E[X 0 /2N])<br />
(also gegen die Varianz der (2N, E[X 0 ]/2N)-Binomialverteilung) für n → ∞.<br />
Eine wichtige Größe für Variation in der Population ist die so genannte Heterozygotie. Sie ist<br />
definiert als die Wahrscheinlichkeit h(r), dass zwei in Generation r zufällig (mit zurücklegen)<br />
gezogene Individuen unterschiedliche Typen haben, d.h.<br />
h(r) := 2E<br />
Mit der Formel für die Varianz erhalten wir<br />
Es folgt<br />
[<br />
Xr<br />
2N<br />
2N − X r<br />
2N<br />
E[X r (2N − X r )] = 2NE[X r ] − E[X 2 r ] = 2NE[X 0 ] − Var[X r ] − E 2 [X r ]<br />
= 2NE[X 0 ] − E[X 0 ](2N − E[X 0 ])(1 − λ r ) − λ r Var[X 0 ] − E 2 [X 0 ]<br />
= λ r (2NE[X 0 ] − Var[X 0 ] − E 2 [X 0 ]) = λ r E[X 0 (2N − X 0 )].<br />
h(r) = λ r h(0).<br />
Somit nimmt die Heterozygotie geometrisch ab.<br />
Man kann das Wright-Fisher Modell in verschiedene Richtungen verallgemeinern, und damit<br />
das Modell “realistischer” machen. So kann man z.B. auch Mutation, Selektion und Rekombination<br />
modellieren und einen allgemeineren Typenraum zulassen. Einige dieser Verallgemeinerungen<br />
werden wir bei dem Moran Modell betrachten.<br />
]<br />
.<br />
43