27.08.2014 Aufrufe

Stochastische Populationsmodelle - Abteilung für Mathematische ...

Stochastische Populationsmodelle - Abteilung für Mathematische ...

Stochastische Populationsmodelle - Abteilung für Mathematische ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

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

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!