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 />
Definition 4.5 (Kingmann’s Koaleszent). Der Kingman k-Koaleszent ist eine Markovkette auf<br />
E k , den Äquivalenzklassen auf [k], mit Übergangsraten q ξ,η , ξ, η ∈ E k definiert durch<br />
{<br />
1 wenn η aus ξ durch Verschmelzen von genau zwei Klassen erhalten werden kann,<br />
q ξ,η :=<br />
0 sonst.<br />
Der Kingmann N-Koaleszent ist ein Prozess auf Äquivalenzrelationen auf N mit der Eigenschaft,<br />
dass jede Einschränkung auf eine Menge der Größe k ein k-Koaleszent ist. In jedem Fall besteht<br />
die Anfangsbedingung aus einelementigen Äquivalenzklassen.<br />
Wenn wir nur an der jeweiligen Anzahl der Äquivalenzklassen, nicht jedoch an deren Zusammensetzung<br />
zur Zeit t interessiert sind, so kann man Kingmann’s k-Koaleszent als eine Todeskette<br />
auffassen, mit Übergangsraten<br />
{( k<br />
)<br />
q k,j :=<br />
2<br />
: wenn j = k-1,<br />
0 : sonst.<br />
Es sei W k die Zeit bis zum jüngsten gemeinsamen Vorfahr (MRCA=most recent common ancestor)<br />
von k Individuen. Dann gilt<br />
W k = T k + T k−1 + · · · + T 2 ,<br />
wobei T l jeweils die Wartezeit für den Sprung von l nach l + 1 ist. Wir erhalten<br />
E[W k ] =<br />
k∑<br />
( ) l −1<br />
=<br />
2<br />
l=2<br />
k∑<br />
l=2<br />
2<br />
k∑<br />
( 1<br />
l(l − 1) = 2 l − 1 − 1 )<br />
= 2(1 − 1 ). (4.14)<br />
l<br />
k<br />
Damit ist die erwartete Zeit bis MRCA der ganzen Population durch 2 beschränkt. Außerdem<br />
gilt für K ≥ k<br />
l=2<br />
0 ≤ E[W K − W k ] = 2( 1 k − 1 K ) ≤ 2 k .<br />
Insbesondere unterscheiden sich die Zeit zum MRCA von k Individuen und der von der ganzen<br />
Population nur wenig für nicht zu kleine Werte von k. Man beachte auch, dass in (4.14) E[T 2 ] = 1<br />
den größten Beitrag liefert.<br />
Für die Varianz von W k erhalten wir<br />
Var[W k ] =<br />
k∑<br />
Var[T l ] =<br />
l=2<br />
k∑<br />
( l<br />
2<br />
l=2<br />
) −2<br />
= 8<br />
k−1<br />
∑<br />
l=1<br />
1<br />
l 2 − 4(1 − 1 k )(3 + 1 k )<br />
und es folgt<br />
1 = Var[W 2 ] ≤ Var[W k ] ≤ lim Var[W k] = 8 π2<br />
− 12 ≈ 1.16.<br />
k→∞ 6<br />
Also kommt auch bei der Varianz der größte Anteil von der Verschmelzungszeit der letzten<br />
zwei Individuen. Die Verteilung und auch Dichte von W k können auch berechnet werden. Wir<br />
verweisen auf (Tavaré 2004, 2.3, p. 21).<br />
52