MODELE ROZWOJU POPULACJI Z UWZGLĘDNIENIEM WIEKU

Podobne dokumenty
WYKŁAD 3. DYNAMIKA ROZWOJU POPULACJI

WYKŁAD 3. DYNAMIKA ROZWOJU

MODELE WIELOPOPULACYJNE. Biomatematyka Dr Wioleta Drobik

Genetyka populacji. Analiza Trwałości Populacji

14 Modele z czasem dyskretnym

Wykład z modelowania matematycznego.

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

MODELE ODDZIAŁYWAŃ MIĘDZY DWIEMA POPULACJAMI

4. Ubezpieczenie Życiowe

Procesy stochastyczne WYKŁAD 2-3. Łańcuchy Markowa. Łańcuchy Markowa to procesy "bez pamięci" w których czas i stany są zbiorami dyskretnymi.

Konspekt lekcji biologii w gimnazjum klasa I

Wprowadzenie do modelowania matematycznego w biologii. Na podstawie wykładów dr Urszuli Foryś, MIM UW

Metody numeryczne I Równania nieliniowe

Formy kwadratowe. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 14. wykład z algebry liniowej Warszawa, styczeń 2017

PORÓWNYWANIE POPULACJI POD WZGLĘDEM STRUKTURY

WYKŁAD 3. DYNAMIKA ROZWOJU

MODELOWANIE I PROGNOZOWANIE ZAGROŻEŃ EPIDEMIOLOGICZNYCH

Analiza korespondencji

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2013

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

UKŁADY RÓWNAŃ LINIOWYCH

2. CZYNNIKI ZABURZAJĄCE RÓWNOWAGĘ GENETYCZNĄ

PODSTAWY AUTOMATYKI. MATLAB - komputerowe środowisko obliczeń naukowoinżynierskich - podstawowe operacje na liczbach i macierzach.

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne

ANALIZA WYNIKÓW NAUCZANIA W GIMNAZJUM NR 3 Z ZASTOSOWANIEM KALKULATORA EWD 100 ROK 2012

Ekotoksykologia 12/9/2016. Testy ekotoksykologiczne (według Leona i Van Gestela, 1994) Trzy powody, dla których warto robić krótkotrwałe testy

1 Genetykapopulacyjna

Macierzowe algorytmy równoległe

Aproksymacja funkcji a regresja symboliczna

Analiza numeryczna Lista nr 3 (ćwiczenia) x x 2 n x.

Spacery losowe generowanie realizacji procesu losowego

2. Układy równań liniowych

Układy równań i nierówności liniowych

Własności wyznacznika

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

19 marzec, Łańcuchy Markowa z czasem dyskretnym. Procesy Stochastyczne, wykład 6, T. Byczkowski, Procesy Stochastyczne, PPT, Matematyka MAP1136

Zmienność. środa, 23 listopada 11

ALGEBRA LINIOWA. Wykład 2. Analityka gospodarcza, sem. 1. Wydział Zarządzania i Ekonomii Politechnika Gdańska

Lista. Algebra z Geometrią Analityczną. Zadanie 1 Przypomnij definicję grupy, które z podanych struktur są grupami:

Wyznaczniki. Mirosław Sobolewski. Wydział Matematyki, Informatyki i Mechaniki UW. 6. Wykład z algebry liniowej Warszawa, listopad 2013

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI. Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt

1 Zbiory i działania na zbiorach.

MATEMATYKA I SEMESTR ALK (PwZ) 1. Sumy i sumy podwójne : Σ i ΣΣ

Układy równań liniowych i metody ich rozwiązywania

KARTA KURSU. Mathematics

Tematyka do egzaminu ustnego z matematyki. 3 semestr LO dla dorosłych

D1. Algebra macierzy. D1.1. Definicje

Ćwiczenia 3. Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.

Ćwiczenia 3. Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.

Egzamin test GRUPA A (c) maleje na przedziale (1, 6). 0, ,5 1

Zaawansowane metody numeryczne

Rozwiązania zadań testowych. a n, że a 1 = 5 oraz a n = 100. Podać sumy następujących n=1

Zakres badań demograficznych

4. Ubezpieczenie Życiowe

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Ćwiczenia 3 ( ) Współczynnik przyrostu naturalnego. Koncepcja ludności zastojowej i ustabilizowanej. Prawo Lotki.

Przykład: matematyczny model populacji cykad

3. Macierze i Układy Równań Liniowych

ZARZĄDZANIE POPULACJAMI ZWIERZĄT DRYF GENETYCZNY EFEKTYWNA WIELKOŚĆ POPULACJI PRZYROST INBREDU

Ćwiczenia 2. Tablice trwania życia. (life tables)

1 Podstawowe pojęcia z zakresu genetyki. 2 Podstawowy model dziedziczenia

Macierze - obliczanie wyznacznika macierzy z użyciem permutacji

Ćwiczenia z zakresu Kalkulatora EWD

Definicja problemu programowania matematycznego

Model przepływów międzygałęziowych (model Leontiewa)

Macierze Lekcja I: Wprowadzenie

Algorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny

1 Wartości własne oraz wektory własne macierzy

EGZAMIN MAGISTERSKI, Biomatematyka

Programowanie dynamiczne

Prognoza demograficzna dla gmin województwa dolnośląskiego do 2035 roku

Zbigniew S. Szewczak Uniwersytet Mikołaja Kopernika Wydział Matematyki i Informatyki. Graniczne własności łańcuchów Markowa

w analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.

VII. Elementy teorii stabilności. Funkcja Lapunowa. 1. Stabilność w sensie Lapunowa.

Ćwiczenia: Ukryte procesy Markowa lista 1 kierunek: matematyka, specjalność: analiza danych i modelowanie, studia II

Zagrajmy w ekologię gra dydaktyczna.

Matematyka dla biologów Zajęcia nr 6.

MINIMUM PROGRAMOWE DLA SŁUCHACZY CKU NR 1

Zestaw 1 Organizacja plików: Oddajemy tylko źródła programów (pliki o rozszerzeniach.adb)!!! trójki sąsiednich elementów tablicy

Stabilność II Metody Lapunowa badania stabilności

3. Wykład Układy równań liniowych.

Genetyka populacji. Efektywna wielkość populacji

5. Rozwiązywanie układów równań liniowych

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Układy równań liniowych. Krzysztof Patan

Algorytmy ewolucyjne NAZEWNICTWO

SPRAWOZDANIE MERYTORYCZNE. z wykonanego zadania na rzecz postępu biologicznego w produkcji zwierzęcej

Modele epidemiologiczne

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Zadania ze statystyki, cz.6

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

1 Elementy teorii przeżywalności

Zadanie 1. Liczba szkód N w ciągu roku z pewnego ryzyka ma rozkład geometryczny: k =

D. Miszczyńska, M.Miszczyński KBO UŁ 1 GRY KONFLIKTOWE GRY 2-OSOBOWE O SUMIE WYPŁAT ZERO

RÓŻNICZKOWANIE FUNKCJI WIELU ZMIENNYCH: rachunek pochodnych dla funkcji wektorowych. Pochodne cząstkowe funkcji rzeczywistej wielu zmiennych

Stochastyczna dynamika z opóźnieniem czasowym w grach ewolucyjnych oraz modelach ekspresji i regulacji genów

III. Układy liniowe równań różniczkowych. 1. Pojęcie stabilności rozwiązań.

Generowanie i optymalizacja harmonogramu za pomoca

Transkrypt:

MODELE ROZWOJU POPULACJI Z UWZGLĘDNIENIEM WIEKU Dr Wioleta Drobik-Czwarno

CIĄG FIBONACCIEGO Schemat: http://blogiceo.nq.pl/matematycznyblog/2013/02/06/kroliki-fibonacciego/

JAK MOŻEMY ULEPSZYĆ DOTYCHCZASOWE MODELE? Wiek jest cecha różnicującą osobniki i mającą wpływ na ich wkład do populacji Osobniki bardzo młode i bardzo stare: mają znikomy wkład w reprodukcję charakteryzują się zwiększoną śmiertelnością http://ziemianarozdrozu.pl/artykul/2368/swiat-narozdrozu-wykresy-rodzial-4-piramida

MODELE ZE STRUKTURĄ WIEKU Wyróżniamy d kolejnych klas wieku: x 0, x 1, x 2,, x d-1 o równej długości W jednym kroku czasowym (pokoleniu), o długości równej długości klasy, każdy osobnik może przejść do późniejszej klasy wiekowej lub zginąć Założenia: Wiek osobników zmienia się w sposób dyskretny Każda klasa wiekowa jest jednorodna Klasy różnią się śmiertelnością i rozrodczością Wszystkie osobniki z ostatniej klasy wiekowej giną

SCHEMAT ZMIAN LICZEBNOŚCI POPULACJI

POPULACJA PODZIELONA NA KLASY WIEKOWE Zakładamy, że poziom reprodukcji i śmiertelności zależy jedynie od wieku osobników Pierwsza klasa zawiera tylko osobniki młode jej rozmiar zależy wyłącznie od poziomu reprodukcji grup rodzicielskich: n(1, t 1) gdzie: d liczba grup wiekowych (klas wieku) t czas (pokolenie) f (1) n(1, t)... f(x) poziom reprodukcji grupy wiekowej x f ( d) n( d, t) n(x,t) liczebność grupy wiekowej x w pokoleniu t d x1 f ( x) n( x, t)

POPULACJA PODZIELONA NA KLASY WIEKOWE Rozmiar kolejnych klas wiekowych w roku następnym zależy od liczebności i przeżywalności w niższej klasie wiekowej: n( x 1, t 1) P( x) n( x, t) x 1 gdzie: x grupa wiekowa t czas (pokolenie) n(x,t) liczebność grupy wiekowej x w pokoleniu t P(x) śmiertelność w grupie wiekowej x

STRUKTURA POPULACJI Struktura populacji opisana jest za pomocą wektora, gdzie n(x,t) oznacza liczebność określonej grupy wiekowej x w pokoleniu t n( t) n(1, t) n(2, t) n( d, t) n(1,t) = osobniki nowonarodzone n(d,t) = osobniki najstarsze

STRUKTURA POPULACJI W KOLEJNYM POKOLENIU Strukturę populacji w kolejnym pokoleniu można otrzymać przez pomnożenie powyższego wektora przez macierz L zwaną macierzą projekcji lub macierzą Lesliego Macierz L zawiera informację o poziomie reprodukcji f(x) i przeżywalności P(x) w poszczególnych klasach: L f (1) P(1) 0 0 f (2) 0 P(2) P( d 1) f ( d) 0 0 Model macierzowy Lesliego: n( t 1) Ln( t)

WEKTOR A MACIERZ Wektor jednokolumnowa macierz Macierz prostokątna A o m wierszach i n kolumnach, oznaczaną [a ij ] m n :

MNOŻENIE MACIERZY Mnożenie macierzy przez wektor kolumnowy

KRZYWE PRZEŻYWALNOŚCI Krzywe przeżywalności funkcja opisująca liczbę osobników, które dożywają do określonego wieku jeśli znana jest początkowa liczebność grupy wiekowej (kohorty) https://pl.wikipedia.org/wiki/krzywa_prze%c5%bcywalno%c5%9bci

PRZYKŁAD 1 Struktura wiekowa populacji wraz ze współczynnikami reprodukcji oraz przeżywalności jednoroczne dwuletnie trzyletnie Liczebność początkowa 100 100 100 Poziom reprodukcji 1 1 1 Przeżywalność 0,8 0,5 0

PRZYKŁAD 1 Macierz Lesliego (projekcji) Rozwiązanie: Liczebności poszczególnych klas wiekowych

CO DALEJ? Własności rozwiązań zależą od postaci macierzy Lesliego oraz początkowego rozkładu wieku Przyszłość populacji możemy poznać stosując do niej twierdzenie Perrona-Frobeniusa: Największa wartość własna rzeczywistej nieujemnej kwadratowej macierzy jest rzeczywista i ma krotność 1 Wektor własny korespondujący z ta wartością własną jest ściśle dodatni Dla większości warunków początkowych populacja asymptotycznie osiąga rozkład wieku V 0 przy współczynniku rozrodczości λ 0

POPULACJA WYMIERAJĄCA Współczynnik wzrostu populacji: Populacja podzielona na trzy grupy wiekowe w zależności od dominującej wartości własnej 0 Źródło: http://mst.mimuw.edu.pl/lecture.php?lecture=mbm&part=ch4 Wstawki pokazują ewolucję procentowego udziału poszczególnych grup wiekowych w całości populacji

POPULACJA ROZWOJOWA Populacja podzielona na trzy grupy wiekowe w zależności od dominującej wartości własnej 0 Wstawki pokazują ewolucję procentowego udziału poszczególnych grup wiekowych w całości populacji Źródło: http://mst.mimuw.edu.pl/lecture.php?lecture=mbm&part=ch4

POPULACJA STACJONARNA Populacja podzielona na trzy grupy wiekowe w zależności od dominującej wartości własnej 0 Wstawki pokazują ewolucję procentowego udziału poszczególnych grup wiekowych w całości populacji Źródło: http://mst.mimuw.edu.pl/lecture.php?lecture=mbm&part=ch4

WŁAŚCIWOŚCI MODELU W większości warunków początkowych populacja asymptotycznie osiąga stały rozkład wieku Możliwe są także cykliczne zmiany struktury wieku Z sytuacją taką mamy do czynienia gdy mamy tylko dwie grupy wiekowe, a rozmnażają się tylko osobniki najstarsze

WŁAŚCIWOŚCI MODELU Wymaga dużej ilości danych Specyficzne dla wieku wskaźniki przeżywalności i rozrodu Nie uwzględnia podziału na płeć Nie uwzględnia istnienia stadiów rozwojowych nie wszystkie osobniki opuszczają daną klasę wiekową stadia rozwojowej wyróżniamy np. u owadów

PRZYKŁAD 2 Przedstaw na wykresie zmiany w strukturze wiekowej populacji o poniższej strukturze wejściowej na przestrzeni 5 kolejnych pokoleń jednoroczne dwuletnie Liczebność początkowa 100 0 Poziom reprodukcji 0 0,8 Przeżywalność 0,7 0

PRZYKŁAD 3. JAK ZMIENIA SIĘ POPULACJA SZARAŃCZY W CZASIE? Aby odpowiedzieć na to pytanie musimy sprawdzić co dzieje na poszczególnych stadiach rozwojowych: Jajo 2% do nimfy, 5 % nimf do stadium imago Reprodukcja tylko w stadium imago samica składa przeciętnie 1000 jaj, po czym umiera Stadia rozwojowe: jajo, nimfa, dorosłe owady Model tylko dla samic Skonstruuj macierz Lesliego i oszacuj liczebności w poszczególnych klasach wiekowych dla 5 kolejnych pokoleń zakładając że zaczynamy od populacji liczącej 100 dorosłych samic

POPULUS Link http://cbs.umn.edu/populus/download-populus Model: Single-Species-Dynamics > Aged-Structured-Growth Oznaczenia: t - pokolenie x klasa wiekowa S x liczba osobników, które przeżyły w klasie wiekowej x V x współczynnik reprodukcji dla klasy wiekowej x l x m x tabela przeżycia, ze średnią liczbą potomstwa na samicę w wieku x (m x ) oraz średnim prawdopodobieństwem przeżycia od urodzenia do wieku x ( x ) f(x) liczba potomstwa przypada na samicę w wieku x, które przeżywa λ współczynnik wzrostu populacji - proporcja osobników w klasie wiekowej x

ŹRÓDŁA Foryś U. 2005. Matematyka w biologii, Wydawnictwa Naukowo- Techniczne, Warszawa. Sharov A. 2015. Quantitative population ecology lecture notes. http://alexei.nfshost.com/popecol/ Wrzosek D. 2014. Matematyka dla biologów. Wydawnictwa Uniwersytetu Warszawskiego. Program Populus http://cbs.umn.edu/populus/download-populus