Tematy prac magisterskich i doktorskich

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

GRA Przykład. 1) Zbiór graczy. 2) Zbiór strategii. 3) Wypłaty. n = 2 myśliwych. I= {1,,n} S = {polować na jelenia, gonić zająca} S = {1,,m} 10 utils

Stochastyczne dynamiki z opóźnieniami czasowymi w grach ewolucyjnych

Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa

Gry hazardowe, gry ewolucyjne, ekspresja genów, tak czy owak łańcuchy Markowa

Matematyk Ci powie, co łączy Eugeniusza Oniegina i gry hazardowe

Zasada średniego potencjału w grach ewolucyjnych. Paweł Nałęcz-Jawecki

Analiza modelu ekspresji genu białka Hes1

H. SKRÓCONY OPIS PROJEKTU

Równania różniczkowe z opóźnieniem w opisie zjawisk biologicznych

Wykład 2. Przykład zastosowania teorii prawdopodobieństwa: procesy stochastyczne (Markova)

Hypatia? 415 PROCESY KAWAŁKAMI DETERMINISTYCZNE I ICH ASYMPTOTYKA RYSZARD RUDNICKI ŚLADAMI KOBIET W MATEMATYCE RZESZÓW, Strona 1 z 36 Wróć

Twierdzenia graniczne fluktuacji procesów przebywania dla układów gałazkowych

EGZAMIN DYPLOMOWY, część II, Biomatematyka

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Dryf genetyczny i jego wpływ na rozkłady próbek z populacji - modele matematyczne. Adam Bobrowski, IM PAN Katowice

11. Gry Macierzowe - Strategie Czyste i Mieszane

Rozkład materiału z biologii dla klasy III AD. 7 godz / tyg rok szkolny 2016/17

EGZAMIN DYPLOMOWY, część II, Biomatematyka

2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27

Hopfa w modelach reakcji biochemicznych z opóźnieniem

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Układy statystyczne. Jacek Jurkowski, Fizyka Statystyczna. Instytut Fizyki

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

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

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

BioFizMat 5. Bistabilny przełącznik genetyczny

Prawa wielkich liczb, centralne twierdzenia graniczne

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału

MODELOWANIE RZECZYWISTOŚCI

EGZAMIN MAGISTERSKI, 18 września 2013 Biomatematyka

Twierdzenie 2: Własności pola wskazujące na istnienie orbit

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

ALGORYTMY GENETYCZNE (wykład + ćwiczenia)

Statystyka matematyczna dla leśników

ALHE Z11 Jarosław Arabas wykład 11

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

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

Teoria gier. Strategie stabilne ewolucyjnie Zdzisław Dzedzej 1

Centralne twierdzenie graniczne

TEORIA ERGODYCZNA. Bartosz Frej Instytut Matematyki i Informatyki Politechniki Wrocławskiej

Elementy modelowania matematycznego

EGZAMIN DYPLOMOWY, część II, Biomatematyka

Układy dynamiczne. proseminarium dla studentów III roku matematyki. Michał Krych i Anna Zdunik. rok akad. 2014/15

Zadania do wykładu Jakościowa Teoria Równań Różniczkowych Zwyczajnych

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Modelowanie stochastyczne Stochastic Modeling. Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 2W E, 2C

Proces Poissona. Proces {N(t), t 0} nazywamy procesem zliczającym jeśli N(t) oznacza całkowitą liczbę badanych zdarzeń zaobserwowanych do chwili t.

TEORIA CHAOSU. Autorzy: Szymon Sapkowski, Karolina Seweryn, Olaf Skrabacz, Kinga Szarkowska

Statystyka matematyczna dla leśników

Konstruktywne metody znajdowania równowag w dużych gospodarkach.

Rozdział 1 PODSTAWOWE POJĘCIA I DEFINICJE

ϕ(t k ; p) dla pewnego cigu t k }.

Wstęp do rachunku prawdopodobieństwa. Cz. 2 / William Feller. wyd. 4, dodr. 3. Warszawa, Spis treści

Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Kierunek Matematyka. Studia stacjonarne i niestacjonarne I i II stopnia

STATYSTYKA MATEMATYCZNA. rachunek prawdopodobieństwa

Do czego przydaje się matematyka? Od układów dynamicznych, przez optymalizację, do algorytmów genetycznych

Wykład 11: Martyngały: definicja, twierdzenia o zbieżności

Stabilność II Metody Lapunowa badania stabilności

Metody probabilistyczne

Metody Rozmyte i Algorytmy Ewolucyjne

Teoria ewolucji. Podstawowe pojęcia. Wspólne pochodzenie.

Katedra Fizyki Ciała Stałego Uniwersytetu Łódzkiego. Ćwiczenie 2 Badanie funkcji korelacji w przebiegach elektrycznych.

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

Metody probabilistyczne opracowane notatki 1. Zdefiniuj zmienną losową, rozkład prawdopodobieństwa. Przy jakich założeniach funkcje: F(x) = sin(x),

Metody probabilistyczne

Kurs z NetLogo - część 4.

PROGRAM. XVIII Krajowej Konferencji Zastosowań Matematyki w Biologii i Medycynie

Wykład 4, 5 i 6. Elementy rachunku prawdopodobieństwa i kombinatoryki w fizyce statystycznej

WYKŁAD 2. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

Fizyka statystyczna, elementy termodynamiki nierównowagowej Cele, zakres zagadnień

Zmienna losowa. Rozkład skokowy

PROCESY STOCHASTYCZNE. PEWNE KLASY PROCESÓW STOCHASTYCZNYCH Definicja. Procesem stochastycznym nazywamy rodzinę zmiennych losowych X(t) = X(t, ω)

10. Wstęp do Teorii Gier

Rozdział 1. Zmienne losowe, ich rozkłady i charakterystyki. 1.1 Definicja zmiennej losowej

Matematyka ubezpieczeń życiowych r.

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

Lista 1. Procesy o przyrostach niezależnych.

Teoria gier. wstęp Teoria gier Zdzisław Dzedzej 1

Nowe terapie choroby Huntingtona. Grzegorz Witkowski Katowice 2014

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

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

Wykład 8 i 9. Hipoteza ergodyczna, rozkład mikrokanoniczny, wzór Boltzmanna

Modelowanie Preferencji a Ryzyko. Dlaczego w dylemat więźnia warto grać kwantowo?

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Metody Lagrange a i Hamiltona w Mechanice

Co ma piekarz do matematyki?

Politechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie

Prawdopodobieństwo i statystyka

Zmienność. środa, 23 listopada 11

Podstawy Automatyki. Wykład 5 - stabilność liniowych układów dynamicznych. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

EGZAMIN MAGISTERSKI, czerwiec 2015 Biomatematyka

Dobór parametrów algorytmu ewolucyjnego

Biostatystyka, # 3 /Weterynaria I/

Generowanie i optymalizacja harmonogramu za pomoca

Autorzy: Anna Gambin, Urszula Foryś, Jacek Miękisz, Bartosz Wilczyński

MODELE STOCHASTYCZNE Plan wykładu

Superdyfuzja. Maria Knorps. Wydział Fizyki Technicznej i Matematyki stosowanej, Politechnika Gdańska

Teoria ergodyczności: co to jest? Średniowanie po czasie vs. średniowanie po rozkładach Twierdzenie Poincare o powrocie Twierdzenie ergodyczne

Wstęp do równań różniczkowych, studia I stopnia. 1. Znaleźć (i narysować przykładowe) rozwiązania ogólne równania y = 2x.

Transkrypt:

Tematy prac magisterskich i doktorskich Stochastyczna dynamika z opóźnieniami czasowymi w grach ewolucyjnych oraz modelach ekspresji i regulacji genów Jacek Miękisz Instytut Matematyki Stosowanej i Mechaniki Uniwersytet Warszawski 1 marca 2017

Przykład elementarny

Dlaczego opóźnienie czasowe może powodować powstawanie cykli t=0,1, dynamika strzałkowa -m 0 m wprowadźmy opóźnienie warunki początkowe Pojawia się cykl stabilny o amplitudzie i okresie

Wprowadźmy stochastyczne zaburzenie z prawdopodobieństwem 1 - ε = z prawdopodobieństwem ε Otrzymaliśmy prosty przykład dynamiki stochastycznej z opóźnieniem czasowym

m = 20 = 9 ε = 0.1

jeżeli przez stan naszego układu w czasie t będziemy uważaćτ+ 1 położeń (x(t), x(t-1), x(t-2), x(t-τ)) to otrzymamy ergodyczny łańcuch Markowa z rozkładem stacjonarnym µ ε i przestrzenią stanówω Definicja jest stochastycznie stabilny jeśli lim ε 0 µ ε (x) > 0 (=1) Twierdzenie lim ε 0 µ ε (cykl) = 1

Modele

Teoria gier ewolucyjnych

Deterministyczna dynamika replikatorowa A B U = A a b B c d p A (t) liczba osobników grających strategią A w czasie t p B (t) liczba osobników grających strategią B w czasie t U A = ax + b(1-x) U B = cx + d(1-x) Proponujemy p A (t+ε)=(1-ε)p A (t) + εp A (t)u A (t) U av = xu A +(1-x)U B

p A (t+ε) = (1-ε)p A (t) + εp A (t)u A (t) p B (t+ε) = (1-ε)p B (t) + εp B (t)u B (t) p(t+ε) = (1-ε)p(t) + εp(t)u av (t)

dx/dt = x(1-x)(u A U B ) Polowanie na jelenia J Z J 5 0 Z 3 3 Gołąb - Jastrząb 0 3/ 5 1 wewnętrzny stan stacjonarny jest niestabilny J G J -1 2 G 0 1 0 1/2 1 wewnętrzny stan stacjonarny jest stabilny

Opóźnienie czasowe Opóźnienie typu społecznego Zakładamy, że gracze w czasie t replikują się proporcjonalnie do średniej wypłaty w czasie t-τ Proponujemy x *

Odpowiednie równanie replikatorowe w czasie ciągłym ma następująca postać może być też zapisane jako Twierdzenie (Jan Alboszta i JM, J. Theor. Biol. 231: 175-179, 2004) x * jest asymptotycznie stabilny dla odpowiednio małego τ x * jest asymptotycznie niestabilny dla odpowiednio dużego τ

Opóźnienie czasowe typu biologicznego Zakładamy, że dzieci rodzą sięτjednostek czasu po tym jak ich rodzice grali i otrzymali wypłaty. Proponujemy Twierdzenie (JA i JM, JTB 2004) x * jest asymptotycznie stabilny dla każdego opóźnienia τ

Stochastyczna dynamika skończonych populacji n - liczba osobników z t - liczba osobników grających A w czasie t Ω ={0,,n} - przestrzeń stanów z t+1 > z t selekcja jeśli średnia z A > średnia z B mutacje Każdy osobnik może zmienić swoją strategię z prawdopodobieństwem ε

Klasyczny model, Kandori-Mailath-Rob, 1993 A B A a b B c d a>c i d>b, (A,A) i (B,B) równowagi Nasha A jest stategią efektywną, a>d B jest strategią dominującą ze względu na ryzyko c+d>a+b Twierdzenie Dla dostatecznie dużych n, B jest stochastycznie stabilne

Ekspresja i regulacja genów

Komórka matematyczna DNA mrna Ø białko Ø

Poziom makroskopowy DNA mrna Ø białko Ø

Poziom mikroskopowy r - liczba cząsteczek mrna p - liczba cząsteczek białka prawdopodobieństwo zajścia w czasie (t,t+h) proces urodzin i śmierci

Auto-represja genów w komórce

Równania Mistrzów prawdopodobieństwo, że w komórce jest n cząsteczek białka i gen jest odpowiednio w stanie 0 lub 1 w czasie t

Tematy prac magisterskich 1. Wpływ heterogenicznych opóźnień czasowych na stochastyczna stabilność w niesymetrycznych grach ewolucyjnych 2. Zbadanie prawdopodobieństw wymierania strategii w grach ewolucyjnych z opóźnieniami czasowymi 3. Wpływ opóźnień czasowych procesu translacji na wariancję liczby białek w stanie stacjonarnym 4. Wpływ opóźnień czasowych procesu transkrypcji na zachowanie się układów bi-stabilnych

Dodatkowe motywacje 4 stypendia magisterskie, 800 PLN przez 9 miesięcy 1 stypendium doktorskie, 2500 PLN przez 24 miesiące w ramach grantu NCN OPUS Opóźnienia czasowe w stochastycznych modelach biologicznych kierownik: Jacek Miękisz, współwykonawca: Marek Bodnar

Zadania badawcze grantu Wpływ opóźnień na zachowanie układów genetycznych ze sprzężeniami zwrotnymi Równowaga szczegółowa w stochastycznych układach biologicznych Osobliwe zaburzenia skokowych procesów Markowa Stabilność stanów stacjonarnych w modelach z wieloma opóźnieniami

Dziękuję za uwagę wiecej na https://www.mimuw.edu.pl/~miekisz