Биология · объяснение и практика

Почему растущее среднее не исключает вымирания популяции

Сопоставить среднюю численность и вероятность окончательного вымирания линейного процесса рождения смерти. Разобраны метод, собственный пример, проверка результата и границы вывода.

Синий лист бережно держит оранжевое семя — метафора жизни и роста.

В теме Организмы, популяции и экосистемы · Учебная карта

Главная мысль

В случайной модели потомства положительный средний рост не гарантирует выживания каждой реализации. Ожидание численности усредняет множество историй, включая исчезнувшие. Вероятность окончательного вымирания отвечает на другой вопрос и зависит также от стартового числа независимых линий.

Постановка и метод

Предположим, что каждый организм независимо даёт рождение с постоянной интенсивностью λ и исчезает с интенсивностью μ. Общие интенсивности пропорциональны текущей численности. Нулевое состояние поглощающее: иммиграции нет. Временная единица должна совпадать у обеих интенсивностей и момента наблюдения. Ограничения ресурсов и взаимодействия в этой постановке отсутствуют.

Средняя численность равна стартовой, умноженной на экспоненту разности интенсивностей и времени. Для одной стартовой линии при превосходстве рождений окончательная вероятность исчезновения равна μ/λ. Для нескольких независимых линий она возводится в степень их числа. При непревышении рождений над смертями и положительной смертности окончательное вымирание почти достоверно.

Пример и проверка

Полезная проверка различает окончательную вероятность и вероятность к указанному сроку. Вычисленный предел не сообщает, что популяция уже исчезнет завтра или к моменту, для которого показано ожидание. Смешение горизонтов создаёт ложное противоречие: большое среднее через некоторое время может сосуществовать с заметной вероятностью eventual extinction.

При равных положительных интенсивностях средняя численность остаётся постоянной, но окончательное исчезновение всё равно имеет вероятность единица. Редкие большие реализации поддерживают среднее среди множества исчезающих историй. Этот случай особенно ясно показывает, почему среднее значение нельзя описывать как типичную гарантированную траекторию одной малой популяции.

Пример

Пусть λ=2 за единицу времени, μ=1, начальная численность 3. Рассмотрим среднее через две единицы времени.

Ожидание равно 3e²≈22,167. Окончательная вероятность вымирания равна (1/2)³=0,125. Она относится ко всему будущему, а не только к первым двум единицам времени.

Ошибка и границы вывода

Нулевые интенсивности требуют отдельной логики. Если оба события невозможны и стартовая численность положительна, популяция сохраняется, а не вымирает по формальной ветке равенства интенсивностей. Если стартовая численность нулевая, исчезновение уже состоялось. Явная проверка этих границ полезнее механического применения отношения с нулевым знаменателем.

Модель годится для изучения случайности независимых линий, но не для персональных или природоохранных решений по реальной популяции. Общая среда, конкуренция, сезонность и миграция нарушают независимость и постоянство интенсивностей. Учебные параметры не являются эмпирическими оценками вида. Надёжное применение потребовало бы проверки механизма и неопределённости самих исходных интенсивностей.

От чтения к действию

А теперь — вы

Что возможно при λ=μ>0?

Частые вопросы

Вероятность 0,125 относится к моменту t=2?

Нет. Это предельная вероятность когда-либо достичь нуля; конечный момент используется только для показанного среднего.

Почему важна независимость линий?

Именно она позволяет перемножить вероятности исчезновения стартовых линий; общая случайная среда может нарушить такое правило.

Углублённый разбор

Двухтипное ветвление: спектральный критерий вымирания

Полный цикл смены двух типов определяет субкритичность, которую невозможно увидеть по большому среднему потомству только одного типа.

Перед началом: Среднее число потомков по типам; Собственные значения и оценка вероятности через ожидание.

Вывод и выбор модели

Для двухтипного ветвящегося процесса порог роста определяется спектральным радиусом матрицы средних потомств, а не средним числом потомков одного выбранного типа.

Многотипная линия хранит не только число потомков, но и их состояние. Тип A способен дать сразу двух B, однако каждый B лишь с вероятностью половина возвращает линию к A. Поэтому локально высокий выход первого перехода может быть потерян на следующем. Считать оба типа одним и присвоить всем среднее A означало бы изменить сам закон размножения после первого поколения.

Определим строку матрицы как тип родителя, столбец как тип ребёнка. Тогда строки M равны(0;1,5) и(0,5;0). То же правило можно записать действием: A→в среднем1,5 B, B→в среднем0,5 A. За два поколения M² становится0,75I. Поэтому собственные значения удовлетворяют λ²=0,75, а радиус равен√0,75. Транспонирование соглашения о строках не изменит спектр, но изменит направление умножения вектора.

Как интерпретировать наблюдение

Тип с большим числом потомков может лишь переводить линию в другой тип, который редко продолжает размножение. Полный цикл смены типов решает судьбу процесса.

Для данного примера вымирание можно доказать без ссылки на общий спектральный критерий. Начав с одного A, в каждом чётном поколении ожидаем число A равным0,75^k. Вероятность иметь хотя бы одного A не превышает этого ожидания, поскольку число целое неотрицательное. Предел равен нулю. Событие вечного выживания требовало бы ненулевой численности во всех этих поколениях, поэтому его вероятность тоже нулевая. Аналогичный аргумент работает при начальном B.

Ограничения и проверка предпосылок

Тип A даёт ноль потомков с вероятностью 1/4 или двух B с вероятностью 3/4. Тип B даёт одного A с вероятностью 1/2 или никого. Линии независимы, бессмертных типов нет.

Матрица средних не задаёт полное распределение конечного числа потомков и не определяет время вымирания сама по себе. Для общего критерия на границе радиуса1 важны условия: детерминированная линия с ровно одним ребёнком может жить вечно, хотя её радиус единичный. Здесь есть реальные нулевые исходы и радиус строго меньше1, поэтому такого исключения нет. Зависимые семейные линии, смена среды и плотностная регуляция требуют другого вероятностного описания.

Самостоятельный расчёт с проверкой

Условие. Тип A независимо даёт ноль потомков с вероятностью 1/4 или двух B с вероятностью 3/4; тип B даёт одного A с вероятностью 1/2 или никого. Найти спектральный радиус матрицы средних потомств по поколениям.

  1. Среднее число B от A равно 2·3/4=1,5.
  2. Среднее число A от B равно 1/2.
  3. Матрица имеет нулевую диагональ и собственные значения ±√(1,5·0,5).
  4. Спектральный радиус равен √0,75≈0,866025.

Ответ. Результат: ≈0,8660254.

Проверка. За два поколения среднее возвращение A равно 0,75<1. Поэтому обе линии субкритичны, хотя отдельный тип A производит в среднем больше одного потомка.

Где легко ошибиться. Заключить о выживании всей линии из того, что A в среднем даёт1,5 потомка, не учитывая их тип и следующий шаг.

Проверьте понимание

В этом процессе ожидаемое число A через два поколения от одного A равно0,75. Что верно о вероятности хотя бы одного A в этом поколении?

Вопросы к этой главе

Почему отрицательное собственное значение не означает отрицательных особей?

Это режим линейного чередования отклонений между типами. Матрица и реальные численности неотрицательны; для порога используется модуль ведущих значений.

Достаточно ли конечного ожидаемого числа для вымирания?

Само по себе нет. Здесь решает стремление ожидания целой ненулевой численности к нулю, которое через вероятностную оценку исключает вечное выживание.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Alili and Rugh,2008: branching processes, §6

    Прочитаны начало статьи с независимым воспроизводством и §6 с многотипными векторами потомства и отдельными вероятностями вымирания по начальному типу. Наш спектральный расчёт и доказательство субкритичности через два поколения выведены отдельно, без приписывания статье общего критерия без условий.

Поступление особей извне: нуль перестаёт быть поглощающим

Иммиграция меняет поведение нулевой численности: пустой участок снова может заселиться. Одного устойчивого среднего недостаточно, чтобы описать колебания всей популяции. Выведем стационарные веса из соседних потоков, установим границу существования и проверим конкретный закон с ненулевой вероятностью пустого состояния.

Перед началом: Интенсивность перехода в непрерывном времени; Стационарное распределение и производящая функция.

Иммиграция не требует уже имеющегося родителя

Непрерывное время, численность n≥0. Интенсивности роста λn+ν и убыли μn постоянны по параметрам; ν>0, μ>0, λ≥0, ограничение ресурсов отсутствует.

В состоянии n рождение местных потомков имеет интенсивность λn, внешнее прибытие — ν. Поэтому суммарный переход n→n+1 идёт со скоростью λn+ν, а смерть n→n−1 со скоростью μn. В нуле смерть невозможна, но прибытие имеет положительную интенсивность ν. Нуль перестал быть поглощающим.

Временное наблюдение n=0 теперь нельзя назвать окончательным исчезновением. Даже стационарная популяция может неоднократно пустеть и заселяться. Для небольшого h вероятность одного прибытия из нуля равна νh+o(h), а среднее время ожидания первого прибытия равно1/ν. Это другой механизм, чем мутация отсутствующего аллеля в конечном пуле фиксированного размера.

Соседние потоки задают бесконечный ряд весов

Для стационарного закона π соседний баланс имеет вид πₙ(λn+ν)=πₙ₊₁μ(n+1). При λ>0 обозначим q=λ/μ,r=ν/λ. Рекурсия даёт πₙ=π₀·(r)ₙqⁿ/n!, где (r)ₙ=r(r+1)…(r+n−1). Растущий факториал допускает нецелый положительный r: это не число обязательных успешных опытов.

При q<1 биномиальный ряд суммируется в (1−q)^(−r), откуда π₀=(1−q)ʳ. При λ>μ отношения соседних весов стремятся к числу больше единицы, и ряд расходится. При λ=μ положительные веса ведут себя по порядку как n^(r−1); при r>0 их сумма тоже бесконечна. Положительная иммиграция не создаёт стационарный закон, когда местное воспроизводство не ниже смертности.

Моменты проверяют закон, но не заменяют его

При μ>λ производящая функция G(z)=[(1−q)/(1−qz)]ʳ даёт E(n)=ν/(μ−λ), Var(n)=νμ/(μ−λ)². Среднее совпадает с решением стационарного баланса ν+(λ−μ)E(n)=0, но дисперсия остаётся положительной. Одно значение среднего не сообщает вероятность нуля или хвост численности.

Граница λ=0 рассматривается отдельно, без деления ν/λ: остаётся иммиграция со смертью, и π имеет распределение Пуассона со средним ν/μ. При ν=0 исходные условия главы нарушены: нуль снова поглощающий, а δ₀ является стационарным даже в режимах без положительного открытого равновесия. Нельзя переносить вывод о ненормируемости на это другое граничное условие.

Среднее равно одному, но пустое состояние занимает почти половину закона

Условие. Пусть λ=1,μ=3,ν=2 в согласованных единицах времени. Найдите стационарные πₙ, вероятность пустого состояния, среднее и дисперсию; проверьте первый соседний поток.

  1. Параметры q=1/3,r=2. Растущий факториал (2)ₙ/n! равен n+1, поэтому πₙ=(n+1)(2/3)²(1/3)ⁿ=4(n+1)/3^(n+2).
  2. π₀=4/9,π₁=8/27,π₂=4/27. Нормировка следует из Σ(n+1)qⁿ=1/(1−q)²: произведение с4/9 равно единице.
  3. Среднее ν/(μ−λ)=2/2=1. Дисперсия νμ/(μ−λ)²=6/4=3/2, поэтому закон не сосредоточен на n=1.
  4. Поток0→1 равенπ₀ν=(4/9)·2=8/9. Обратный поток1→0 равенπ₁μ=(8/27)·3=8/9.
  5. Из пустого состояния популяция в среднем ждёт1/ν=1/2 единицы времени до прибытия. Вероятностьπ₀ не является вероятностью остаться пустой навсегда.

Ответ. πₙ=4(n+1)/3^(n+2),π₀=4/9,E(n)=1,Var(n)=3/2; стационарный нуль не поглощает.

Проверка. Проверка всех соседних отношений сокращает факторn+1 и возвращает интенсивности(n+2)/(3n+3). Независимые стационарные уравнения первых двух моментов дают E(n)=1,E(n²)=5/2.

Где легко ошибиться. Не подменяйте вероятность пустого состояния вероятностью окончательного вымирания. При ν>0 из нуля есть выход.

Проверьте понимание

Что означает π₀=4/9 в задаче?

Вопросы к этой главе

Отрицательно-биномиальный закон здесь считает число испытаний?

Нет. Это стационарный закон численности процесса с заданными интенсивностями. То же семейство распределений возникает из другого вероятностного механизма.

Линейная модель описывает ёмкость среды?

Нет. Ресурсное ограничение не задано. Если интенсивности зависят от плотности иначе, стационарные веса и граница существования меняются.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Robert Wolpert: Birth and Death, §3.2

    Прочитаны произведение соседних интенсивностей и Example4: immigration with linear birth/death. Наши λ=1,μ=3,ν=2, два момента и граничные различия проверены самостоятельно; конечнопопуляционная дрейфовая модель не используется.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться