VélFiz 6.tétel

Innen: TételWiki
A lap korábbi változatát látod, amilyen Csega (vitalap | szerkesztései) 2009. augusztus 23., 16:37-kor történt szerkesztése után volt. (Új oldal, tartalma: „= 6. tétel: Születési-kihalási problémák = Jelölje <math>P_{n}</math> azt a valószínűséget, hogy a populációban éppen '''n''' darab élőlény él. Defini…”)
(eltér) ← Régebbi változat | Aktuális változat (eltér) | Újabb változat→ (eltér)

6. tétel: Születési-kihalási problémák

Jelölje P_{n} azt a valószínűséget, hogy a populációban éppen n darab élőlény él.

Definiáljuk a következő átmeneti valószínűségeket:

  • \lambda_{n} - pozitív irányba ugrunk 1-et (a populáció 1-gyel nő)
  • \mu_{n} - negatív irányba ugrunk 1-et (a populáció 1-gyel csökken)

Ha n=0 egy olyan pont, melyből nem lehet kijönni, ekkor kihalt a populáció. Ettől a határfeltételtől most eltekintünk.

Ezeknek megfelelően a Master-egyenlet:

\partial_{t}P_{n}=-(\lambda_{n}+\mu_{n})P_{n}+\lambda_{n-1}P_{n-1}+\mu_{n+1}P_{n+1}

  • (\lambda_{n}+\mu_{n})P_{n} - annak valószínűésge, hogy ellép n helyről
  • \lambda_{n-1}P_{n-1} - annak valószínűésge, hogy n helyre lép P_{n-1}-ből
  • \mu_{n+1}P_{n+1} - annak valószínűésge, hogy n helyre lép P_{n+1}-ből

Ebben az esetben egyszerűbb a számolás, ha a generátor függvényt az eloszlás fourier transzformáltjával vezetjük be. Itt hallgatólagosan kiterjesztettük az állapotteret negatív egyedszámra is, azonban ez csupán formalizmus.

G(s,t)=\sum_{n=-\infty}^{\infty}e^{isn}P_{n}(t)

Tehát ha a Master-egyenlet mindkét oldalát szummázzuk n-szerint, és megszorozzuk e^{isn}-nel, akkor megkapjuk a Generátor-függvény változását:

\partial_{t}G=-\sum_{n=-\infty}^{\infty}(\lambda_{n}+\mu_{n})e^{isn}P_{n}+\sum_{n=-\infty}^{\infty}\lambda_{n-1}e^{is(n-1+1)}P_{n-1}+\sum_{n=-\infty}^{\infty}\mu_{n+1}e^{is(n+1-1)}P_{n+1}=

=-\sum_{n}(\lambda_{n}+\mu_{n})e^{isn}P_{n}+e^{is}\sum_{n}\lambda_{n-1}e^{is(n-1)}P_{n-1}+e^{-is}\sum_{n}\mu_{n+1}e^{is(n+1)}P_{n+1}=\,

=\sum_{n}\left[\lambda_{n}\left(e^{is}-1\right)+\mu_{n}\left(e^{-is}-1\right)\right]e^{isn}P_{n}\,

Stacionárius megoldás

Feltesszük, hogy az eredmény valószínűségek normalizálhatóak lesznek. Eből következik, hogy nincsen áramló megoldás, mert az végtelen idő alatt végtelenbe menne el, és nem lenne normalizálható. Ekkor teljesülni fog a részletes egyensúly:

\lambda_{n}P_{n}^{*}=\mu_{n+1}P_{n+1}^{*}

Tegyük fel, hogy P_0 ismert (a normalizációból meghatározható). Ekkor:

\begin{array}{ccc} P_{1}^{*}=\frac{\lambda_{0}}{\mu_{1}}P_{0} & \rightarrow & P_{-1}^{*}=\frac{\mu_{0}}{\lambda_{-1}}P_{0}\\ P_{2}^{*}=\frac{\lambda_{1}}{\mu_{2}}P_{1}=\frac{\lambda_{0}\lambda_{1}}{\mu_{1}\mu_{2}}P_{0} & \rightarrow & P_{-2}^{*}=\frac{\mu_{0}\mu_{1}}{\lambda_{-1}\lambda_{-2}}P_{0}\\ \vdots &  & \vdots\\ P_{n}^{*}=\prod_{k=1}^{n}\frac{\lambda_{k-1}}{\mu_{k}}P_{0} & \rightarrow & P_{-n}^{*}=\prod_{k=1}^{n} \frac{\mu_{-(k+1)}}{\lambda_{-k}}P_{0}\end{array}

Ezek alapján a normálás:

\partial_{t}G=P_{0}\left[1+\sum_{n=1}^{\infty}\prod_{k=1}^{n}\frac{\lambda_{k-1}}{\mu_{k}}+\sum_{n=1}^{\infty}\prod_{k=1}^{n}\frac{\mu_{-(k+1)}}{\lambda_{-k}}\right]=1

Ez az egyenlet megadja P_0-t. Bár bonyolultak a szummák, de a stacionárius megoldást meg lehet kapni és teljesül a részletes egyensúly is.

Lineáris folyamatok

A lineáris folyamatokat úgy definiálhatjuk, mint olyan folyamatok, ahol az egyedszámot befolyásoló halálozási és születési ráták a populáció méretétől (n) lineárisan függnek:

  • \lambda_{n}=\lambda_{0}+\lambda_{1}n
  • \mu_{n}=\mu_{0}+\mu_{1}n

Ez egy speciális esete az általánosan felírható n függésnek, amit például hatványsor alakjában tekinthetünk, feltéve, hogy a sor konvergens:

  • \lambda_{n}=\lambda_{0}^{(0)}+\lambda_{1}^{(0)}n+\lambda_{2}^{(0)}n^{2}+...
  • \mu_{n}=\mu_{0}^{(0)}+\mu_{1}^{(0)}n+\mu_{2}^{(0)}n^{2}+...

Korábban már meghatároztuk a generátor-függvény időfejlődését:

\partial_{t}G=\sum_{n}\left[\lambda_{n}\left(e^{is}-1\right)+\mu_{n}\left(e^{-is}-1\right)\right]e^{isn}P_{n}\,

Látható, hogy \lambda_{n}-k az P_{n} tényezővel vannak megszorozva a zárójelen kívül. Azonban \lambda_{n}-ban szerepelnek n különböző hatványai, amik a P szorzóval éppen a különböző momentumokat adják (ha a külső szummát egy pillanatra bevisszük):

k. momentum = \sum_{n} n^k P_{n}

Itt k a \lambda_{n}, vagy \mu_{n} sorfejtésében az összegző index. Tehát a generátor-függvényre vonatkozó egyenletben a különböző momentumok szerpelnek különböző \lambda^{(0)}, vagy \mu^{(0)} szorzókkal. Van azonban még egy exponenciális szorzó is, ezzel a generátor függvényre játszható át a kifejezés, felhasználva, hogy a momentumok a generátor-függvény deriváltjaikélnt állíthatóak elő. Összességében a születési és halálozási ráták a következőképpen írhatóak:

\lambda_{n}=\sum_{k} \lambda_{k}^{(0)} (-i)^{k}\frac{\partial^{k}}{\partial s^{k}}G

\mu_{n}=\sum_{k} \mu_{k}^{(0)} (-i)^{k}\frac{\partial^{k}}{\partial s^{k}}G

Visszaírva G időbeli változásának egyenletébe:

\partial_{t}G=\sum_{n}\left[\sum_{k}\lambda_{k}^{(0)}(-i)^{k}\frac{\partial^{k}}{\partial s^{k}}G(e^{is}-1)+\sum_{k}\mu_{k}^{(0)}(-i)^{k}\frac{\partial^{k}}{\partial s^{k}}G(e^{-is}-1)\right]

A következőket tekinthetjük operátoroknak, így átírhatóak a következő formába:

\sum_{k}\lambda_{k}^{(0)}(-i)^{k}\frac{\partial^{k}}{\partial s^{k}}=\lambda\left(-i\frac{\partial}{\partial s}\right)

\sum_{k}\mu_{k}^{(0)}(-i)^{k}\frac{\partial^{k}}{\partial s^{k}}=\mu\left(-i\frac{\partial}{\partial s}\right)

Így \partial_{t}G-re a végleges formula:

\partial_{t}G=G\sum_{n}\left[(e^{is}-1)\lambda\left(-i\frac{\partial}{\partial s}\right)+(e^{-is}-1)\mu\left(-i\frac{\partial}{\partial s}\right)\right]

(Ez tulajdonképpen egy differenciálegyenlet G-re)

Momentumok számolása

(Továbbra is lineáris folyamatokat vizsgálunk), tehát \lambda_{n}=\lambda^{0}+\lambda^{1}n és \mu_{n}=\mu^{0}+\mu^{1}n

Kiindulási képletünk ismét a

\partial_{t}P_{n}=-(\lambda_{n}+\mu_{n})P_{n}+\lambda_{n-1}P_{n-1}+\mu_{n+1}P_{n+1}

Megint szummázunk n-szerint, de most n-nel szorzunk. Így n várható értékének változását kapjuk:

\partial_{t}<n>=-\sum_{n}(\lambda_{n}+\mu_{n})nP_{n}+\sum_{n}\lambda_{n-1}nP_{n-1}+\sum_{n}\mu_{n+1}nP_{n+1}=

=-<(\lambda_{n}+\mu_{n})n>+<\lambda_{n}n>+<\lambda_{n}>+<\mu_{n}n>-<\mu_{n}>\,

ahol <(\lambda_{n}+\mu_{n})n>, <\lambda_{n}n> és <\mu_{n}n> kiejtik egymást.

\left(felhaszn\acute{a}ltuk,hogy:\sum_{n}\lambda_{n-1}(n-1+1)P_{n-1}; \sum_{n}\mu_{n+1}(n+1-1)P_{n+1}\right)

Így adódik: \dot{<n>}=<\lambda_{n}>-<\mu_{n}>=\lambda^{(0)}-\mu^{(0)}+\left(\lambda^{(1)}-\mu^{(1)}\right)<n>, ami egy lineáris egyenletrendszer, melynek megoldása a homogén és a partikuláris megoldások összege:

<n>_{t}=<n>_{0}e^{(\lambda^{(1)}-\mu^{(1)})t}+\frac{\mu^{(0)}-\lambda^{(0)}}{\lambda^{(1)}-\mu^{(1)}}

A homogén megoldásból adódik a feltétel, hogy \lambda^{(1)}<\mu^{(1)}. Különben elszállna az exponens.

\partial_{t}<n^{2}>=-<\left(\lambda_{n}+\mu_{n}\right)n^{2}>+\sum_{n}\lambda_{n-1}n^{2}P_{n-1}+\sum_{n}\mu_{n+1}n^{2}P_{n+1}

n^2-et átírjuk a következőképp: n^{2}=(\left(n-1\right)+1)^{2}=(n-1)^{2}+2(n-1)+1=(\left(n+1\right)-1)^{2}=(n+1)^{2}-2(n+1)+1. Így:

\partial_{t}<n^{2}>=

=-<\left(\lambda_{n}+\mu_{n}\right)n^{2}>+<\lambda_{n}n^{2}>+2<\lambda_{n}n>+<\lambda_{n}>+<\mu_{n}n^{2}>-2<\mu_{n}n>+<\mu_{n}>=

=2<\lambda_{n}n>+<\lambda_{n}>-2<\mu_{n}n>+<\mu_{n}>=<\lambda_{n}(2n+1)>-<\mu_{n}(2n-1)>\,

Itt újra be lehet helyettesíteni a \lambda_{n}-re és \mu_{n}-re felírt összefüggéseket...

Egyensúlyban a fentiekből a következőket fogjuk kapni:

<n^{2}>^{*}=\frac{\left(\lambda^{(0)}-\mu^{(0)}\right)+\lambda^{(0)}\mu^{(1)}-\mu^{(0)}\lambda^{(1)}}{\left(\lambda^{(1)}-\mu^{(1)}\right)^{2}}\Longrightarrow<n^{2}>^{*}-<n>^{*2}=\frac{\lambda^{(0)}\mu^{(1)}-\mu^{(0)}\lambda^{(1)}}{\left(\lambda^{(1)}-\mu^{(1)}\right)^{2}}