Rekursioyhtälön ratkaisu ja anisogamia

Samankaltaiset tiedostot
LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

Ratkaisuehdotukset LH 10 / vko 48

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

HEIJASTUMINEN JA TAITTUMINEN

3. Teoriaharjoitukset

Insinöörimatematiikka IA

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

1 Eksponenttifunktion määritelmä

MATA172 Sami Yrjänheikki Harjoitus Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki!

. Kun p = 1, jono suppenee raja-arvoon 1. Jos p = 2, jono hajaantuu. Jono suppenee siis lineaarisesti. Vastaavasti jonolle r k+1 = r k, suhde on r k+1

2.2.1 Ratkaiseminen arvausta sovittamalla

Tehtäviä neliöiden ei-negatiivisuudesta

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

802320A LINEAARIALGEBRA OSA III

Matematiikka B2 - TUDI

5 Differentiaaliyhtälöryhmät

Matematiikan ja tilastotieteen laitos Reaalianalyysi I Harjoitus Malliratkaisut (Sauli Lindberg)

DEE Sähkömagneettisten järjestelmien lämmönsiirto

MS-A0003/A Matriisilaskenta Laskuharjoitus 6

sitä vastaava Cliffordin algebran kannan alkio. Merkitään I = e 1 e 2 e n

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Investointimahdollisuudet ja niiden ajoitus

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

2 u = 0. j=1. x 2 j=1. Siis funktio v saavuttaa suurimman arvonsa jossakin alueen Ω pisteessä x. Pisteessä x = x on 2 v. (x ) 0.

j = I A = 108 A m 2. (1) u kg m m 3, (2) v =

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx

IV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

Ei-inertiaaliset koordinaatistot

EX1 EX 2 EX =

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

S Laskennallinen systeemibiologia

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

Generoivat funktiot, Poisson- ja eksponenttijakaumat

c) 22a 21b x + a 2 3a x 1 = a,

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

3.1 Lineaarikuvaukset. MS-A0004/A0006 Matriisilaskenta. 3.1 Lineaarikuvaukset. 3.1 Lineaarikuvaukset

MS-C1340 Lineaarialgebra ja

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

Neliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on

Differentiaali- ja integraalilaskenta 3 Mallit laskuharjoitukseen 3 /

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

ja λ 2 = 2x 1r 0 x 2 + 2x 1r 0 x 2

Ionisoiva säteily. Tapio Hansson. 20. lokakuuta 2016

Lineaarikuvaukset. 12. joulukuuta F (A r ) = F (A r ) r .(3) F (s) = s. (4) Skalaareille kannattaa määritellä lisäksi seuraavat tulot:

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Ennakkotehtävän ratkaisu

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Matematiikan olympiavalmennus 2015 helmikuun helpommat

J1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6

Luento 8: Epälineaarinen optimointi

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

Vaihtoehtoinen tapa määritellä funktioita f : N R on

Luento 8: Epälineaarinen optimointi

Kokonaislukuoptimointi

F dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause

Diofantoksen yhtälön ratkaisut

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Algebra I, harjoitus 8,

Rekursio. Funktio f : N R määritellään yleensä antamalla lauseke funktion arvolle f (n). Vaihtoehtoinen tapa määritellä funktioita f : N R on

Luento 7 Luotettavuus Koherentit järjestelmät

Funktion raja-arvo ja jatkuvuus Reaali- ja kompleksifunktiot

Luento 6 Luotettavuus Koherentit järjestelmät

Harjoitus 7: vastausvihjeet

Toispuoleiset raja-arvot

Nyt n = 1. Tästä ratkaistaan kuopan leveys L ja saadaan sijoittamalla elektronin massa ja vakiot

Klassisen fysiikan ja kvanttimekaniikan yhteys

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Bifurkaatiot Pro gradu Olli-Pekka Hyttinen Itä-Suomen yliopisto

9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.

Matriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

Lohkoasetelmat. Vilkkumaa / Kuusinen 1

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Moniulotteisia todennäköisyysjakaumia

Mat Dynaaminen optimointi, mallivastaukset, kierros Vaimennetun heilurin tilanyhtälöt on esitetty luennolla: θ = g sin θ r θ

KIINTEÄN AINEEN JA NESTEEN TILANYHTÄLÖT

Lineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Salausmenetelmät LUKUTEORIAA JA ALGORITMEJA. Veikko Keränen, Jouko Teeriaho (RAMK, 2006) 3. Kongruenssit. à 3.4 Kongruenssien laskusääntöjä

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Määritelmä Olkoon T i L (V i, W i ), 1 i m. Yksikäsitteisen lineaarikuvauksen h L (V 1 V 2 V m, W 1 W 2 W m )

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

1 Kompleksitason geometriaa ja topologiaa

Koodausteoria, Kesä 2014

7. Olemassaolo ja yksikäsitteisyys Galois n kunta GF(q) = F q, jossa on q alkiota, määriteltiin jäännösluokkarenkaaksi

Transkriptio:

Rekursioyhtälö ratkaisu ja aisogamia Eeva Vilkkumaa.0.2008

Rekursioyhtälö ratkaisu (Liite I) Edellie esitelmä: +/m -koiraide (p) ja -aaraide (P) osuus populaatiossa kehittyy rekursiivisesti: p P + + a P 2a * b P 2b* + p 2 + p 2 () a*:b* alkup. populaatio koiraat:aaraat a:b mutaatiopopulaatio (+/m) koiraat:aaraat

Yleisesti: Lasketaa kerroimatriisi C omiaisarvot: P p P P p p δ γ β α + + + + (3) 0 ) ( ) ( ) det( 2 + + βγ αδ λ δ α λ λ δ γ β α I A C (2) Rekursioyhtälö ratkaisu

Rekursioyhtälö ratkaisu Lieaarise differessiyhtälöryhmä ratkaisu o tällöi p Aλ + Bλ 2 (4) P A' λ + B' λ 2 (5) missä λ ja λ 2 ovat karakterise yhtälö (3) ratkaisut.

Rekursioyhtälö ratkaisu Parametrit α,β,γ,δ mutati ja ESS: ilmiasuje (a,b), (a*,b*) fuktioita Aluee reualla myös bf(a) ja b*f(a*) Karakteristie yhtälö (3) voidaa siis kirjoittaa: φ ( λ, a, a*) 0 (6)

Rekursioyhtälö ratkaisu Merkitää ρ(p, P) Tällöi: p+ ρ + Cρ λρ p+ λp λ p jote omiaisarvo λ mittaa mutati (a) suhteellise osuude kasvuvauhtia ESS a*:ee verrattua

Siispä: Rekursioyhtälö ratkaisu (i) Ku aa*, λ (ii) a* o ESS, jote λ< ku a a*, ts. mutatti ei voi vallata alaa ESS:ltä a* siis maksimoi fuktio λ(a), eli dλ da 0; d 2 a a* da a a* 2 λ < 0 (7)

Rekursioyhtälö ratkaisu Karakterisesta yhtälöstä (6): dφ φ dλ+ λ φ da a 0 dλ da φ / a φ. λ Jos siis φ / a 0, dλ / da 0 ESS-ilmiasu a* löytyy täte ratkaisemalla yhtälö: φ a a λ 0 a * (8)

Rekursioyhtälö ratkaisu Edellise esitelmä tapauksessa systeemi oli muotoa (), jolloi karakteristie yhtälö (3): φ( λ, a, a*) Tällöi 2 b b a λ + λ+ 2 b* 4 b* a * 0 φ a 2b db λ+ da 4b* db da 4a*

Rekursioyhtälö ratkaisu Sijoitetaa (8): mukaisesti λ ja aa*, jolloi ESSilmasulle (a*,b*) tulee päteä: a* + * 0, kute edellisessä esitelmässä todettii. b db da *

Aisogamia Aisogamia: lisäätymisessä aktiiviset sukusolut erikokoisia (vrt. muasolu ja siittiösolu) Isogamia: sukusolut samakokoisia Tutkiaa evoluutiopeliteoreettisi meetelmi, kumpi tilae o ESS tiettyje olosuhteide vallitessa

Oletuksia: Aisogamia: oletuksia (i) Tuotettuje sukusoluje yhteismassa korkeitaa M (ii) Yhde sukusolu vähimmäismassa δ (iii) Yksilöt voivat tuottaa kaikekokoisia sukusoluja [δ,m] (iv) Yksilö tuottaa vai yhdetyyppisiä sukusoluja, + tai (mua- tai siittiösolu)

Aisogamia: oletuksia Merkitää S(x) t., että x-massaie hedelmöittyyt solu säilyy hegissä aikuiseksi sukusoluje tuottajaksi Ol. S(x): [0, ] [0,] kasvava fuktio, S(0)0. Aikuie voi tuottaa kpl m-massaista sukusolua s.e. mm

δ-populaatio isogamia Kysymys: oko vai δ-massaisia sukusoluja tuottava populaatio evolutiivisesti stabiili? (Isogamia) Tällaisessa populaatiossa: Yksilö tuottaa M/δ sukusolua Hedelmöittyee sukusolu massa o 2δ Kelpoisuus mitattua aikuiseksi selviävie jälkeläiste lukumäärällä o M W δ S( 2δ ) δ

δ-populaatio isogamia Ol. mutatti, joka tuottaa m-massaisia sukusoluja, m > δ m-solu lisäätyy δ-solu kassa, jote m-tuottaja kelpoisuus: W m M S( m+ δ ) m Jotta δ-populaatio olisi ev. stabiili, o oltava W δ >W m : M S(2δ ) > δ M m S( m+ δ ), eli S(2δ ) δ > S( m+ δ ) m

Stabiili δ-populaatio: S-käyrä kulkee 2δ: jälkee S(2δ)/δ-suora alla

m*-populaatio isogamia Kuva 7b tapaus: isommat mutattisukusolut pääsevät tukeutumaa δ-populaatioo Oko tuloksea aisogamia, vai isompie sukusoluje isogamia? Kysytää esi: mikä o lokaalisti stabiili koko m*?

m*-populaatio isogamia Nyt: W m M S( m+ m*) M S( m+ m*) 2 m m m m Jos m* o ESS, o se maksimoitava kelpoisuus, eli: Wm S( m+ m*) 0, ts. m m S(2m*) * m m* m m* m

m*-populaatio lok. stabiili: S(2m*)/m*-suora tageeraa S:ää 2m*:ssä

Aisogamia Oko tulos siis isompie sukusoluje populaatio isogamia? Kysymys: Oko m*-populaatio stabiili δ-tuottajaa vastaa? Jotta äi olisi, o pädettävä W m* > W δ, ts.: M m * S(2m*) > M δ S( m* + δ ), eli S(2m*) m* > S( m* + δ ) δ

Aisogamia Jos edellie ehto ei päde, voi δ-tuottaja tukeutua populaatioo Tuloksea δ-isogamia Isoje ja pieie sukusoluje aisogamia, jos δ-populaatio ei ole ev. stabiili mutaatioita vastaa

Yhteeveto Aisogamia / isogamia stabiilisuus riippuu tjakauma S(x) muodosta Löyhästi Kupera S(x): δ- populaatio isogamia Kellomaisempi S(x): aisogamia Vahvasti kellomaie S(x): isompie sukusoluje isogamia

Kotitehtävä Olkoo S(x)5x 4-4x 5, δ0.2, M Oko δ-populaatio stabiili? Jos ei, etsi lokaalisti stabiili m* Oko m* stabiili δ-tuottajaa vastaa? Mikä johtopäätökse voit tehdä (aisogamia/isogamia)? Piirrä myös kuva (esim. Matlabilla)