cadeias de markov e a matriz de leslie
DESCRIPTION
Cadeias de Markov e a Matriz de LeslieTRANSCRIPT
Estado de Espírito
Em qualquer dia, Gladys é alegre (A), normal (N), ou chata (C). – Se ela está A hoje, então estará N, A ou C amanha
com probabilidades respectivas de 0.5, 0.4, 0.1.
– Se ela está N hoje, então ela estará C, A, ou N amanha com probabilidades de 0.3, 0.4, 0.3.
– Se ela está C hoje, então ela estará A,N ou C amanha com probabilidades de 0.2, 0.3, 0.5.
4 Representamos o estado de espírito de Gladys no dia n como Xn – Então { Xn , n ≥ 0} é uma cadeia de Markov de três
estados
Tempo Se chova ou não depende do tempo dos últimos
dois dias – Se choveu durante os últimos dois dias, então existe
uma probabilidade de 0.7 de que choverá amanhã
– Se choveu hoje, mas não ontem, então existe uma probabilidade de 0.5 de que choverá amanhã
– Se choveu ontem, mas não hoje, então existe uma probabilidade de 0.4 de que choverá amanhã
– Se não choveu durante os últimos dois dias, então existe uma probabilidade de 0.2 de que choverá amanhã
Tempo Se o estado no tempo n depende somente de se
chova ou não no tempo n, então não é uma cadeia de Markov – Por que nãot?
4 Mas podemos fazer uma cadeia de Markov se consideramos 4 estados (determinados pelas condições meteorológicas de hoje e ontem)
Estado 0 Se choveu hoje e ontem
Estado 1 Se choveu hoje mas não ontem
Estado 2 Se choveu ontem mas não hoje
Estado 3 Se não choveu nos dos dias
Tempo
Agora existe uma cadeia de Markov de 4 estados
Somente precisamos escrever a matriz de probabilidades de transição
Estado 0 Se choveu hoje e ontem
Estado 1 Se choveu hoje mas não ontem
Estado 2 Se choveu ontem mas não hoje
Estado 3 Se não choveu nos dos dias
Sciurus spp. Sciurus carolensis
– Introduzido na Grão Bretanha numa
serie de solturas em várias localidades desde 1876
– Agora ocupa a Inglaterra e Gales e parte de Escócia e Irlanda
Sciuris vulgaris Com uma subespécie endêmica
– Agora não esta presente na maioria
das áreas colonizadas por S. carolensis
– No último século a população caiu drasticamente e continuamente
• Extinta em muitas partes de Inglaterra e Gales
• Algumas populações ainda existem em ilhas marítimas no sul de Inglaterra e nos montanhas de Gales
• Introduções de S. carolensis duraram ate 1920
• Em 1930 foi considerada como praga as florestas decíduas e medidas de controle foram tentadas
• Levantamentos nacionais de distribuição foram realizados
• Encontraram que S. vulgaris estava sumindo das áreas colonizadas por S. carolensis durante os últimos 15 a 20 anos
• Questionários foram preenchidos por engenheiros florestais sobre as populações de Sciurus – Mudanças na abundancia de Sciurus, danos as árvores,
medidas de controle, e o número de Sciurus mortos
Sciurus spp.
• Com esses dados podemos fazer um modelo para prever a tendência na distribuição das espécies na Grão Bretanha
• Usher et al – Técnicas de sobreposição foram usadas para
extrair dados dos mapas de distribuição da comissão florestal
– Os mapas foram dividido em quadros de 10km
– Cada quadro de 10km foi classificado como
• somente S. vulgaris registrada no ano
• somente S. carolensis registrada no ano
• ambas espécies presentes
• nenhuma espécie presente
Sciurus spp.
Sciurus spp. Para satisfazer as premissas de Markov
somente precisamos considerar quadrantes em dois anos consecutivos. Existem 16 classes
S. vulgaris
S. carolensis
Ambas Nenhuma
S. vulgaris 2529 35 257 5
S. carolensis 61 733 20 91
Ambas 282 25 4311 335
Nenhuma 3 123 310 5930
Populações com Estrutura Etária
4 Populações com gerações que não sobrepõem
4 Pode existir problemas de várias gerações previas ou a distribuição etária inteira
4 Geralmente sua resolução é pelo uso daa matriz de Leslie, desenvolvido por P.H. Leslie (1945)
4 Representamos o número de indivíduos de idade de i no ano, ou geração, t como xit
Populações com Estrutura Etária
4 xit é o número de indivíduos de idade de i em ano, ou geração t
4 Os recém nascidos tem idade de 0 4 A idade máxima é w 4 Se estamos modelando uma espécie sexual
somente consideramos o número de fêmeas e recém nascidos – Tem a premissa que há machos suficientes
i
m
t
tip
i
i
idade cada de indivíduos
por produzidas proles de médio número
)1 ano o até sobrevive
ano no idade da indivíduo um quePr(
Matriz de Leslie
A “Fecundidade bruta” de indivíduos de idade de i = mip0 – (quantos filhotes)(quantos sobrevivem
(probabilidade))
– Número de indivíduos de idade de 1 na classe t+1 por indivíduo de idade de i no tempo t
Então
w
i
tiit
tiiti
xmpx
wixpx
1
,01,1
,111, ,...,3,2 para
Matriz de Leslie
A matriz de Leslie
tw
t
t
t
x
x
x
x
,
,2
,1
0
0
0
000
0...00
0...00
... 0
1
2
1
10302010
w
w
w mp
p
p
p
mpmpmpmp
L
Matriz de Leslie
Então
Nunca chega a x0 com essa formulação
É um processo de Markov? – Não! As i,j’s são transpostas de forma que Lij da
a contribuição xi de xj • Também, as somas das colunas refletiam o número de
indivíduos na geração t+1 por indivíduo de idade de j em t
• A soma não precisa ser =1 (diferente dos processos de Markov, que são conservativos
Lxx tt
1
Matriz de Leslie Muitas premissas ficam escondidas
– Somente a idade é o predito dominante da probabilidade de fecundidade e sobrevivência
– (ignora qualquer efeito do tamanho total da população)
– Mais outras premissas
Analogamente com as cadeias de Markov podemos solver a distribuição estável de idades
w
i
ti
ti
ti
x
xX
1
,
,lim
X
Matriz de Leslie 4 Analogamente as cadeias de Markov podemos
resolver a “distribuição estável de idades”
– Proporção da população total da idade de i
4 Se a distribuição etária é estável, então
w
i
ti
ti
ti
x
xX
1
,
,lim
escalar algum paraXXL
Matriz de Leslie 4 So, é um eigenvetor de L
4 Se L tem um eigenvalor dominante único e real eigenvalor que corresponde ao eigenvetor direto para então para t1 de tamanho suficiente
4 É a distribuição estável de idades – a distribuição estável de idades
0
0
2
012
10
01
xLx
xLxLLxLx
xxL
XcxLn
n
t
X
X
1tx
Matriz de Leslie Para
Mas, Então
A distribuição no tempo t é dada pela distribuição
estável de idades escalonada por t e c1 Se >1, todas as classes de idade e a população total
cresceram geometricamente por a cada ano, mas a distribuição das idades não muda
XXL
XcLxLLxLxtttttttt
t
111
001 :
Xcx t
t
1
Matriz de Leslie 4 Isso é somente verdadeiro para t>t1 (até atingir
a distribuição estável de idades)
4 Mas o que é c1? – Se é um vetor de fila dado pelo eigenvetor
esquerdo de L ( L= onde é o eigenvalor) com escala de forma que x=1
– Agora
10
10
10
10
1
cx
XmasXcx
XcxL
XcxLx
tt
tt
tt
t
Matriz de Leslie Dado L, podemos resolver para , , , então
dado que conhecemos c1
4 Dado a distribuição estável de idades, a quantidade que a população muda cada ano () podemos calcular a distribuição atual para qualquer t
4 O que é ? – da a importância relativa dos indivíduos de
idades diferentes em x0 ao tamanho futuro da população
X
tx
0x
Matriz de Leslie Exemplo
– Se =[1 1.6 1.4 1.3]/|X|
– Significa que um indivíduo de dois anos de idade no tempo 0 teria 1.6 vezes mais filhotes (descendentes) no futuro distante como um indivíduo de um ano de idade no tempo 0
“Eu achei que as condições iniciais não afeita a distribuição a largo prazo” – Verdadeiro para processos de Markov de conjunto fechado,
aperiódico e irreduzível
– Para esses processos de Markov, o número total de indivíduos é constante
– Mas com a Matriz de Leslie, as counas geralmente não somem a 1
• A população pode aumentar no tempo
Se i=p0p1p2…pi-1 seja a probabilidade de que um recém nascido sobrevive até a idade de i – Lembre que xi,t= número de indivíduos de idade de i
na geração no tempo t
– Os recém nascidos na geração t podem ser escrito
Os indivíduos de idade de i na geração t que nascerem em t-i e sobreviveram
w
i
i
ititw
mmxx
1
,,0maior idade a é e
i idade de indivíduopor proles de número onde
iitti xx ,0,
Probabilidade de Sobrevivência
Ao atingir a distribuição estável de idades, cada grupo aumenta geometricamente a taxa
O número de idade de i no tempo t em termos do número de recém nascidos em t
it
i
ti
it
i
iti
t
i
ti
t
i
ti
xx
xx
xx
xx
,0,
,01,
,01,
,01,
Probabilidade de Sobrevivência
Se alcançamos uma distribuição estável de idades, cada classe de idade aumenta geometricamente por
Número de indivíduos de idade de i no tempo t em termos do número de recém nascidos no tempo t
it
i
ti
it
i
iit
t
i
it
t
i
it
xx
xx
xx
xx
,0,
,0,0
,0,0
,0,0
Probabilidade de Sobrevivência