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 />
Wir schauen uns nun eine weitere wichtige Größe, nämlich die Baumlänge der Genealogie von<br />
k Individuen an, die wir mit L k bezeichnen und die durch<br />
definiert werden kann.<br />
Es gilt<br />
und<br />
E[L k ] =<br />
k∑<br />
lE[T l ] =<br />
l=2<br />
Var[L k ] =<br />
L k := 2T 2 + · · · + kT k =<br />
k∑<br />
l=2<br />
l=2<br />
l=1<br />
k∑<br />
lT l<br />
l=2<br />
k∑<br />
k−1<br />
2<br />
l<br />
l(l − 1) = 2 ∑ 1<br />
l<br />
∑k−1<br />
l 2 Var[T l ] = 4<br />
l=1<br />
∼ 2 log k, für k → ∞<br />
1<br />
l 2 ∼ 2π2 , für k → ∞.<br />
3<br />
Insbesondere wächst ist die erwartete Länge unbeschränkt und die Varianz beschränkt in k.<br />
Nun kommen wir zur Verteilung von L k . Mit E(λ) bezeichnen wir eine exponentiell verteilte<br />
Zufallsvariable mit Rate λ. Alle solchen Zufallsvariablen die unten auftauchen sind unabhängig<br />
voneinander. Es gilt<br />
L k =<br />
k∑<br />
d<br />
lT l =<br />
l=2<br />
k∑<br />
( ) l − 1<br />
E<br />
2<br />
l=2<br />
∑k−1<br />
d<br />
=<br />
l=1<br />
min E lj(1/2) =<br />
d<br />
1≤j≤l<br />
max E j(1/2).<br />
1≤j≤k−1<br />
Es folgt<br />
P[L k ≤ t] =<br />
(<br />
1 − e −t/2) k−1<br />
, t ≥ 0.<br />
Daraus erhält man auch dass L k − 2 log k gegen die Gumbel-Verteilung mit Verteilungsfunktion<br />
e −e−t/2 konvergiert. Denn es ist<br />
P[L k − 2 log k ≤ t] =<br />
( )<br />
(<br />
k−1<br />
1 − e −t/2−log k) k−1<br />
= 1 − e−t/2 k→∞<br />
−−−→ e −e−t/2 .<br />
k<br />
Die Genealogie bei dem Moran Modell ist übersichtlicher als die bei dem (endlichen) Wright-<br />
Fisher Modell. Sie kann einfach von der graphischen Konstruktion abgelesen werden. Verfolgen<br />
wir eine Stichprobe von k Individuen, rückwärts in der Zeit, dann treffen wir irgendwann auf<br />
einen Pfeil der zwei Individuen miteinander verbindet. Das Individuum an der Pfeilspitze (wurde<br />
forwärt in der Zeit ersetzt) verschmilzt mit dem Individuum von dem der Pfeil ausgeht.<br />
Letzterer bleibt unverändert. Die Rate mit der man auf ein Pfeil zwischen k Individuen triff ist<br />
rückwärts wie vorwärts gleich und ist gegeben durch ( k<br />
2)<br />
. Dies ist genau die Verschmelzungsrate<br />
im Kingmann’s k-Koaleszent. Die Genealogie des Moran-Modells ist also genau durch den<br />
Kingman Koaleszent gegeben.<br />
Die große Stärke der Koaleszenten zeigt sich in der Betrachtung von neutralen Modellen im<br />
Multitypenfall und insbesondere mit Mutation. Wir erinnern an die graphische Konstruktion<br />
53