এই প্রশ্নটি উত্তরগুলি পেয়েছে যা জ্যোতির্বিজ্ঞানগতভাবে ছোট থেকে প্রায় 100% পর্যন্ত পরিবর্তিত হয়, আমি উন্নত সমাধানগুলির জন্য একটি রেফারেন্স এবং অনুপ্রেরণা হিসাবে পরিবেশন করার জন্য একটি সিমুলেশন অফার করতে চাই।
আমি এগুলিকে "শিখা প্লট" বলি। পৃথক প্রজন্মে পুনরুত্পাদন করার সাথে সাথে প্রত্যেকটি জনসংখ্যার মধ্যে জিনগত উপাদানগুলির বিস্তারের নথি দেয়। প্লটগুলি হ'ল পাতলা উল্লম্ব বিভাগগুলির অ্যারে যা লোককে চিত্রিত করে। প্রতিটি সারি শীর্ষে প্রারম্ভিক একটি প্রজন্মকে উপস্থাপন করে। প্রতিটি প্রজন্মের বংশধররা তত্ক্ষণাত্ এর নীচে সারি।
শুরুতে আকারের একটি জনসংখ্যা মাত্র এক ব্যক্তি হিসাবে চিহ্নিত এবং লাল যেমন প্লট করা হয়। (এটি দেখতে পাওয়া শক্ত, তবে এগুলি সর্বদা শীর্ষ সারির ডানদিকে চক্রান্ত করা হয়)) তাদের সরাসরি বংশধররাও একইভাবে লাল টানা হয়; তারা সম্পূর্ণ এলোমেলো অবস্থানগুলিতে প্রদর্শিত হবে। অন্যান্য বংশধরদের সাদা হিসাবে চক্রান্ত করা হয়। জনসংখ্যার আকারগুলি এক প্রজন্ম থেকে পরের প্রজন্মে পরিবর্তিত হতে পারে, ডানদিকে ধূসর সীমানা খালি স্থান পূরণ করতে ব্যবহৃত হয়।n
এখানে ২০ টি স্বতন্ত্র সিমুলেশন ফলাফলের অ্যারে রয়েছে।
লাল জিনগত উপাদান শেষ পর্যন্ত এই 9 টি সিমুলেশনে মারা গেল, বাকি 11 (55%) এ বেঁচে গেল। (এক দৃশ্যে, নীচের বামে, দেখে মনে হচ্ছে পুরো জনগোষ্ঠী শেষ পর্যন্ত মারা গেল ver) যেখানেই বাঁচতে পেরেছিল, যদিও প্রায় সমস্ত লোকেই লাল জিনগত উপাদান ছিল। এটি প্রমাণ দেয় যে লাল জিনযুক্ত সর্বশেষ প্রজন্ম থেকে এলোমেলোভাবে নির্বাচিত ব্যক্তির সম্ভাবনা প্রায় 50%।
সিমুলেশন প্রতিটি প্রজন্মের শুরুতে এলোমেলোভাবে একটি বেঁচে থাকা এবং গড় গড় হার নির্ধারণ করে কাজ করে। বেটা (6,2) ডিস্ট্রিবিউশন থেকে বেঁচে থাকা টানা: এটির গড় গড় 75%। এই সংখ্যাটি যৌবনের আগে মরণব্যাধি এবং যেসব লোকের কোনও সন্তান নেই তাদের উভয়ই প্রতিফলিত করে। গ্যামার (২.৮, ১) বিতরণ থেকে জন্মের হার আঁকা, তাই এটির গড় হার ২.৮। ফলাফলটি হ'ল সাধারণভাবে উচ্চ মৃত্যুর জন্য ক্ষতিপূরণ দেওয়ার জন্য অপর্যাপ্ত প্রজনন ক্ষমতার নৃশংস গল্প। এটি একটি চরম হতাশাবাদী, সবচেয়ে খারাপ মডেলের প্রতিনিধিত্ব করে - তবে (আমি মন্তব্যগুলিতে যেমন পরামর্শ দিয়েছি) জনসংখ্যার বৃদ্ধির ক্ষমতা অপরিহার্য নয়। প্রতিটি প্রজন্মের মধ্যে যা কিছু গুরুত্বপূর্ণ তা হল জনসংখ্যার মধ্যে লাল অনুপাত ।
মডেল প্রজননের জন্য, বর্তমান জনসংখ্যাকে কাঙ্ক্ষিত আকারের একটি সাধারণ এলোমেলো নমুনা গ্রহণ করে বেঁচে থাকা লোকদের কাছে কমাতে হবে। এই জীবিতদের এলোমেলোভাবে জুড়ি দেওয়া হয় (জোড়া লাগানোর পরে কোনও বিজোড় বেঁচে যাওয়া পুনরুত্পাদন করতে পারে না)। প্রতিটি জুটি একটি পোইসন বিতরণ থেকে অঙ্কিত বেশ কয়েকটি শিশুকে উত্পন্ন করে যার অর্থ প্রজন্মের জন্ম হার। যদি পারেন পিতামাতার লাল মার্কার রয়েছে, সব পারেন পিতা বা মাতা মাধ্যমে এই মডেল সরাসরি বংশদ্ভুত ধারনা: শিশুদের এর উত্তরাধিকারী।
এই উদাহরণটি 512 জনসংখ্যার সাথে শুরু হয় এবং 11 প্রজন্মের জন্য সিমুলেশন চালায় (শুরু সহ 12 টি সারি)। এই সিমুলেশনের বিভিন্নতা যেমন শুরু হয় কম হিসাবে এবং প্রায় 2 14 = 16 , 384 জন, বিভিন্ন পরিমাণে বেঁচে থাকা এবং জন্মহার ব্যবহার করে, সমস্ত একই বৈশিষ্ট্য প্রদর্শন করে: লগ 2 ( এন ) প্রজন্মের শেষে (নয় ) এক্ষেত্রে), সমস্ত লাল মারা যাওয়ার প্রায় ১/৩ টি সম্ভাবনা রয়েছে, তবে যদি তা না হয় তবে জনসংখ্যার বেশিরভাগ অংশই লাল। আরও দুই বা তিনটি প্রজন্মের মধ্যে, প্রায় সমস্ত জনসংখ্যা লাল এবং লাল থাকবে (অন্যথায় জনসংখ্যা পুরোপুরি মারা যাবে)।n=8214=16,384log2(n)
কোনও প্রজন্মের 75% বা তারও কম বেঁচে থাকার উপায়টি কল্পিত নয়। 1347 সালের শেষদিকে বুবোনিক প্লেগ দ্বারা আক্রান্ত ইঁদুররা প্রথম এশিয়া থেকে ইউরোপে যাত্রা করেছিল; পরবর্তী তিন বছরে, কোথাও ইউরোপীয় জনসংখ্যার ১০% থেকে ৫০% এর মধ্যে মারা গিয়েছিল। প্লেগ প্রায় এক বছর পরে শত শত বছর ধরে প্রজন্মের পুনরাবৃত্তি হয়েছিল (তবে সাধারণত একই চরম মৃত্যুর সাথে নয়)।
কোড
সিমুলেশনটি ম্যাথমেটিক 8 দিয়ে তৈরি হয়েছিল :
randomPairs[s_List] := Partition[s[[Ordering[RandomReal[{0, 1}, Length[s]]]]], 2];
next[s_List, survive_, nKids_] := Flatten[ConstantArray[Max[#],
RandomVariate[PoissonDistribution[nKids]]] & /@
randomPairs[RandomSample[s, Ceiling[survive Length[s]]]]]
Partition[Table[
With[{n = 6}, ArrayPlot[NestList[next[#, RandomVariate[BetaDistribution[6, 2]],
RandomVariate[GammaDistribution[3.2, 1]]] &,
Join[ConstantArray[0, 2^n - 1], ConstantArray[1, 1]], n + 2],
AspectRatio -> 2^(n/3)/(2 n),
ColorRules -> {1 -> RGBColor[.6, .1, .1]},
Background -> RGBColor[.9, .9, .9]]
], {i, 1, 20}
], 4] // TableForm