Markov-Ketten - Max-Planck-Institut für Dynamik komplexer ...
Markov-Ketten - Max-Planck-Institut für Dynamik komplexer ...
Markov-Ketten - Max-Planck-Institut für Dynamik komplexer ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Alternativer Prozess (Zustandsraum nach oben beschränkt und p01 �= 0):<br />
Beispiel: Biochemisches Netzwerk<br />
R1 : B k1<br />
−→ A a1(n) = (N − a) · k1<br />
R2 : A k2<br />
−→ B a2(n) = a · k2<br />
Betrachtet man das Zusammenspiel von mehreren Species, ist der <strong>Markov</strong>-Prozess nicht linear miteinander<br />
verknüpft, sondern der Zustandsraum zeigt sich als ein verzweigtes Netz.<br />
R1 : A k1<br />
−→ A + P a1(x = [p, a, i]) = a · k1<br />
R2 : A+P k2<br />
−→ I a2(x) = a · p · k2<br />
R3 : I k3<br />
−→ A + P a3(x) = i · k3<br />
R4 : P k4<br />
−→ ∅ a4(x) = p · k4<br />
5 2 0 6<br />
5 1 1<br />
6 1 1<br />
5 0 2 6 0 2<br />
Chemical master equation<br />
2 0 7 2 0 8 2 0<br />
7 1 1<br />
8 1 1<br />
7 0 2 8 0 2<br />
Bezeichnet x ∈ N L den Zustandsvektor (bestehend aus den Teilchenzahlen der einzelnen Species), und<br />
sµ die Änderung bei Reaktion Rµ, also<br />
Rµ : x ↦→ x + sµ<br />
Dann schreiben sich die Propensities <strong>für</strong> kleine δt als<br />
aµ(x)δt = P(x + sµ, t + δt|x, t)<br />
Und es ergibt sich die Chemical Master Equation als Differentialgleichungssystem <strong>für</strong> die Wahrscheinlichkeiten<br />
Px(t), zur Zeit t im Zustand x zu sein.<br />
dPx(t)<br />
dt = −Pn(t) ·<br />
M�<br />
aµ(x) +<br />
µ=1<br />
M�<br />
aµ(x − sµ) · Px−sµ(t)<br />
Diese Gleichungen kann man <strong>für</strong> einfache Systeme sofort angeben. Sie bilden die Grundlage <strong>für</strong> die<br />
Analyse stochastischer Systeme.<br />
8<br />
µ=1