Darwin'sche Evolutionstheorie
|
|
- Frauke Rosenberg
- vor 5 Jahren
- Abrufe
Transkript
1 Darwin'sche Evolutionstheorie Hauptseminar Mathematische Biologie Prof. Dr. Lukacova Referent: Eric Bastendorf
2 Inhalt Die Evolution des genetischen Systems Rückblick in die Populationsgenetik Modifikatortheorie Spieltheorie Geschichtlicher Hintergrund Die Theorie Das Tauben-Falken-Spiel Replikatordynamik Quellen
3 Die Evolution des genetischen Systems Rückblick in die Populationsgenetik
4 Bisher wurden nur unendliche Populationen betrachtet taucht ein günstiges Allel auf kommt es zur Fixierung Betrachten wir nun eine endliche Population, trifft dies nicht mehr notwendigerweise zu In diesem Fall können stochastische Effekte wichtig sein Die Theorie des Gendrifts gibt auch hier Aufschluss über die Änderung der Allelfrequenzen
5 Folgende Fragen werden in der modernen Populationsgenetik gestellt: Wie entwickelt sich das genetische System? Wie entwickeln sich Mutationen? Warum gibt es beim Menschen zwei Geschlechter? Um zu sehen, welche Probleme auftreten können, müssen wir uns jedoch folgende Frage stellen: Warum sind die Wildtyp Allele an einem Locus fast immer dominant? Hier setzt die Modifikatortheorie an
6 Die Evolution des genetischen Systems Die Modifikatortheorie
7 Betrachte zwei Loci Seine A und B zwei Allele am ersten Locus mit A vorteilhafter als B Seien M und N zwei Allele am zweiten Locus Die Dominanzbeziehung zwischen A und B ist durch den Modifikator-Genotypen bestimmt A sei dominant über B, falls MM der Modifikator-Genotyp ist B sei dominant über A, falls NN der Modifikator-Genotyp ist Es ist keine Dominanz vorhanden, falls MN der Modifikator-Genotyp ist
8 Der Modifikator-Genotyp soll allerdings keine Auswirkung auf die Fitness haben Wenn M fixiert wird, dann wird das günstige Allel A dominant wir nehmen an, dass sich Dominanz entwickelt Sei die Fitness von AA 1 und von BB 1 s (egal was der Modifikator-Genotyp ist) Aus der Dominanzannahme folgt für die Fitness des Heterozygoten AB 1, falls der Modifikator-Genotyp MM ist, 1 s für NN, 1 1 s für MN 2 Die Frequenz von A sei p und die von M sei m
9 Unter zufälliger Paarung, schwacher Selektion und ohne Epistasie erhalten wir folgende Gleichungen für die Änderung der Frequenzen p und m: p = sp 1 p 1 p + 2p 1 1 m up + v 1 p, m = sp 1 p m 1 m. Hier wurden Mutationen von A nach B (und umgekehrt) berücksichtigt unter der Annahme u, v s 1. Verwenden wir das Nichelson-Bailey Modell aus dem zweiten Vortrag Populationsdynamik wechselwirkender Spezies erhalten wir folgende Ergebnisse: Die festen Zustände (p, m ) dieses Systems sind bei S 1 = (p 1, 0) und S 2 = p 2, 1. Ähnlich wie bei der Balance zwischen Mutation und Selektion (Kapitel 4.6) erhalten wir p 1 1 u s, p 2 1 u s.
10 Die Eigenwerte bei S 1 sind näherungsweise u und s, bei S 2 us und 2s S 1 ist unstabil mit Wachstumsrate 1 + u S 2 ist stabil mit Dämpfungsrate 1 su Das Modifikator-Gen wird fixiert, so dass sich Dominanz entwickelt Die Invasionsrate 1 + u des Modifikator-Gen hängt von der Mutationsrate am ersten Locus ab (oft von der Größenordnung 10 6 ) Invasion ist extrem langsam Wir sind zwar zu einem Ergebnis gekommen, jedoch wird bis heute noch sehr viel darüber diskutiert, ob solch ein langsamer Prozess die Überlegenheit von dominanten Wildtyp Genen erklären kann
11 Spieltheorie Geschichtlicher Hintergrund
12 In den 1940er Jahren von den Mathematikern John von Neumann und Oskar Morgenstern entwickelt um Strategien in wirtschaftlichen Wechselwirkungen zu erforschen Dabei konnte ein Individuum Geld von einem Anderen gewinnen oder verlieren Es wurde angenommen, dass ein Individuum rational im Sinne seines eigenen Interesses handelt 1967 veröffentlichte der Evolutionsbiologe Bill Hamilton eine unstabile Strategie für Geschlechtsverteilung, wobei er Ideen der Spieltheorie verwendete
13 Das Kriterium der Rationalität und der Stabilität wurde dabei durch das der Populationsdynamik und das vom eigenen Interesse durch die Darwin sche Fitness ersetzt In den 1970er Jahren wurde diese Idee von John Maynard Smith erweitert Er suchte nach einer ESS (evolutionarily stable strategy) für Wechselwirkungen bei Tieren Dabei wird die Auszahlung erzielt, indem man einer Strategie folgt, die abhängig von Strategien ist, die von Anderen verfolgt wird eine wichtige Eigenschaft der Spieltheorie, die nicht immer in populationsgenetischen Modellen angewendet werden kann
14 Spieltheorie Die Theorie
15 j Wird zur Erforschung evolutionärer Prozesse, Ausbreitung und Verteilung von Verhaltensmustern in Tierpopulationen durch natürliche Selektion, Ausbreitung von Infektionen, etc. genutzt Sie untersucht die zeitliche und/oder räumliche Entwicklung verschiedenen Phänotypen in einer Population Zwischen diesen Phänotypen finden Wechselwirkungen statt, bei denen sie verschiedene Strategien verwenden Bsp. Revierkämpfe Die eingesetzten Strategien entscheiden über eine Veränderung der Fitness der einzelnen Phänotypen Diese Veränderung der einzelnen Phänotypen beeinflusst wiederum ihre Verbreitung innerhalb der Population
16 Auf die Idee kam man durch die Tatsache, dass selbst schwer bewaffnete Tiere in Revier- und Paarungskämpfen ihre Waffen nur in den seltensten Fällen einsetzen, um einen Rivalen tödlich zu verletzen Das wurde früher noch durch das Prinzip der Arterhaltung erklärt Da man dabei jedoch annahm, dass eine biologische Spezies rationale Entscheidungen treffen kann, entfernte man sich von dieser Ansicht
17 Spieltheorie Das Tauben-Falken-Spiel
18 Wir nehmen an, dass zwei alternative Strategien auf ein Tier, welches mit einem Anderen um eine Ressource kämpft, anwendbar sind Falke H kämpft bis er gewinnt oder verliert Taube D balzt, zieht sich jedoch zurück, wenn sein Gegenüber um sich greift Eine gemischte Strategie P, spiele H mit Wahrscheinlichkeit p und D mit Wahrscheinlichkeit 1 p, ist auch möglich Die Auszahlungen der einzelnen Strategien werden dann in einer Auszahlungsmatrix dargestellt
19 Für eine Ressource wird angenommen, dass sie ein Gewinn G von Fitness erzielt Ein Falke-Taube Wettkampf um eine Ressource führt dazu, dass sie an den Falken geht Bei zwei Tauben wird die Ressource entweder geteilt oder eine Taube erhält sie komplett mit Wahrscheinlichkeit 1 2 Bei zwei Falken wird einer den Kampf verlieren und Kosten C tragen und der andere wird die Ressource gewinnen. Die durchschnittliche Auszahlung beträgt dann 1 (G C). 2
20 Um nun eine Evolution zu modellieren, betrachten wir eine Population von Individuen, die verschiedene reine Strategien (H oder D) oder gemischte (P) Strategien anwenden Die Individuen werden zufällig gepaart und sie häufen die dazugehörigen Auszahlungen an Sie produzieren zu sich identischen Nachwuchs (die Anzahl ist gleich einer anfänglichen konstanten Fitness plus die Auszahlungen) Eine Strategie heißt ESS, wenn sie immun gegen eine eindringende Mutantenstrategie ist eine Population in der alle Individuen dieselbe ESS anwenden, wird nie durch eine natürliche Selektion zu einer anderen wechseln
21 Allgemein: Wir betrachten Spiele mit n reinen Strategien Dabei beschränken wir uns auf Spiele in Normalform, d.h. bei denen die Auszahlung durch eine Matrix beschrieben wird Sei U = (u ij ) die n n Auszahlungsmatrix, so dass u ij die Auszahlung für ein i-stratege gegen einen j- Strategen ist, für i, j = 1,, n Gemischte Strategien werden durch einen Wahrscheinlichkeitsvektor (Spaltenvektor) p = (p i ) beschrieben, wobei p i die Wahrscheinlichkeit ist, mit der Strategie i verwendet wird Die i-te reine Strategie wird mit dem i-ten Einheitsvektor e i dargestellt
22 Die Auszahlung eines i-strategen gegen einen q- Strategen ist gegeben durch (Uq) i = e T i Uq Die Auszahlung eines p-strategen gegen einen q- n i,j=1 Strategen ist gegeben durch p T Uq = u ij p i q i Diese Auszahlung bezeichnen wir mit W(p, q) Die Wahrscheinlichkeitsvektoren, die die Strategien beschreiben, sind aus der Simplex S n 1 p = p i R n : p i 0, p i = 1 i=1 Die Ecken dieser Simplex entsprechen den n reinen Strategien Der Rand S n 1 besteht aus allen Vektoren p S n 1 mit mindestens einem Eintrag = 0, d.h. alle Strategien mit supp p = i: p i > 0 1,2,, n n
23 Das Innere S n 1 \ S n 1 besteht aus allen Vektoren p S n 1 mit allen Einträgen > 0 Wenn eine kleine Anzahl mutierter q-strategen in eine Population von p-strategen eingeführt wird, sich jedoch nicht behaupten kann, ist p eine ESS p ergeht es besser als q, sprich W q, εq + 1 ε p < W p, εq + q ε p ( ) für alle q und alle ε hinreichend klein Da diese Bedingung nicht leicht zu überprüfen ist, besonders weil p nicht immer bekannt ist, führen wir eine alternative Form ein Da W stetig in der zweiten Variablen ist, folgt für ε 0, dass W q, p W p, p p q
24 Da W linear in der zweiten Variablen ist, folgt εw q, q + 1 ε W q, p < εw p, q + 1 ε W(p, p) für alle q p und alle ε hinreichend klein Entweder ist W q, p < W p, p, 1 oder W q, p = W(p, p) und W q, q < W p, q (2) für alle q p Mit diesen Bedingungen lässt sich auch überprüfen, ob die gegebene Strategie p eine ESS ist außerdem leichter zu zeigen wie die ursprüngliche Bedingung
25 Für zwei reine Strategien A und B definieren wir V A = W A, A W B, A, V B = W B, B W(A, B) wo V(A) und V(B) die Gewinne sind, die von den angesiedelten reinen Strategien gegenüber den alternativen reinen Strategien in einer Umgebung von A bzw. B erzielen Diese Größen bestimmen den Ausgang des Spiels Nun sei P, spiele A mit Wahrscheinlichkeit p, die angesiedelte gemischte Strategie Q, spiele A mit Wahrscheinlichkeit q, eine mutierte gemischte Strategie Die Größe, die entscheidet ob Q in P einfallen kann, ist W Q, P W(P, P)
26 Es gilt W Q, P W P, P = p q V B 1 p p, mit p = V(B)/(V A + V B ). p (0,1) V(A) und V(B) beide positiv oder beide negativ sind Wenn p 0 gilt 1 p p > 0 p 0,1
27 Zurück zu den Tauben und Falken Setze Falken als A und Tauben als B Dann gilt V A = V H = W H, H W D, H = 1 2 und V B = V D = W D, D W H, D = 1 G 2 G C G > C, V H > 0, V D < 0, W Q, P W P, P > 0 so lange wie q > p jede mutierte Strategie mit höherer Wahrscheinlichkeit Falke zu spielen, kann in eine gegebene angesiedelte Strategie einfallen die einzige ESS: spiele Falke mit Wahrscheinlichkeit 1
28 G < C, V H < 0, V D < 0, mit p = W Q, P W P, P = 1 2 C(q p)(p p ) V D V H +V D = G C Um hier die ESS zu finden betrachten wir folgenden Plot
29 die einzige ESS ist p = p = G C mit W Q, P W P, P = 0, aber W Q, Q < W(P, Q) (vgl. Gleichung (2)) Sind die Kosten in Relation zum Gewinn hoch, sollte die Strategie Taube in einem Großteil von Zusammentreffen angewendet werden Eine ESS heißt konvergent-stabil, wenn eine Population ausgehend von jeder Strategie nach einer ESS strebt
30 Konvergente Stabilität und evolutionäre Stabilität sind nicht äquivalent Dies kann unter Anderem zu Populationsspaltungen führen, wobei verschiedene Strategien verfolgt werden Führt möglicherweise zu Artenbildung
31 Replikatordynamik
32 Dieser Abschnitt beschäftigt sich mit folgenden Fragen: Welche Strategie wird verwendet, wenn alle Individuen dieselbe Strategie verwenden? Wie verändert sich durch natürliche Selektion jeweils die Anzahl der Individuen, die eine anwendbare Strategie verwenden? Grund für diese Fragen ist, dass es oft unrealistisch ist, dass jedes Individuum in einer Population dieselbe Strategie verwendet verschiedene Strategien benötigen verschiedene Entscheidungen zur Ressourceneinteilung
33 Die erste Frage ist im Bereich der Steady States anzusiedeln Für die zweite Frage benötigt man ein Modell von evolutionären Dynamiken die Replikatorgleichungen Betrachte eine Population, in der jedes einzelne Individuum eine von n reinen Strategien anwendet Die Frequenz des i-ten Phänotyps sei x i Der Zustand des Systems wird mit folgender Replikatorgleichung beschrieben x i = w i x w x x i für jedes i = 1,, n, wobei w i (x) die Fitness des i-ten n Phänotyps und w x = x j w j (x) j=1 die durchschnittliche Fitness der Population ist
34 Die Auszahlungen des Spiels wurden als eine Veränderung der Fitness interpretiert (ausgehend von einem Basislevel) Dieses Basislevel verschwindet, wenn wir w von w i subtrahieren x i = W e i, x W x, x x i = ( Ux i x T Ux)x i Mit diesem System von Gleichungen repräsentieren wir einen evolutionären Prozess Bsp. Gemeiner Seitenfleckleguan (Uta stansburina)
35
36 Dieses Beispiel ist äquivalent zum Kinderspiel Schere- Stein-Papier Sei p die symmetrische Strategie ( 1 3, 1 3, 1 3 ) Dann ist p ein Nash-Gleichgewicht für jede Strategie q, W q, q = W p, q = W p, p = 0 kein ESS Replikatorgleichungen x = x y z, y = y z x, z = z x y
37 Angenommen, es gibt eine Art Strafe wenn ein Individuum ein Anderes vom selben Phänotyp trifft die Nullen auf der Diagonalen der Auzahlungsmatrix werden durch ε ersetzt symmetrische Strategie wird ein ESS besteht eine Population aus Phänotypen, die die symmetrische Strategie spielen, kann in diese nicht eingefallen werden Sind die reinen Strategien die einzig möglichen Phänotypen, dann neigt die Population zum symmetrischen Zustand
38 Quellen Nicholas F. Britton: Essential Mathematical Biology
39 1 Das wars! Vielen Dank für Eure Aufmerksamkeit!
Evolutionär stabile Strategien
Evolutionär stabile Strategien Thomas Luxenburger 06.12.2011 LITERATUR: Josef Hofbauer, Karl Sigmund: Evolutionary Games and Population Dynamics, Kapitel 6: Evolutionary stable strategies Gliederung 1
MehrGeometrie in der Spieltheorie
Evolutionäre Spieltheorie November 3, 2011 Evolution der Spieltheorie John von Neumann, Oskar Morgenstern 1944: The Theory of Games and Economic Behavior John Nash 1950: Non-cooperative Games Nash Gleichgewicht:
MehrD Spieltheorie und oligopolistische Märkte
D Spieltheorie und oligopolistische Märkte Verhaltensannahmen in der Markttheorie, die bisher analysiert wurden Konkurrenz: viele sehr kleine Wirtschaftssubjekte, die für sich genommen keinen Einfluss
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
MehrKapitel 13. Evolutionäre Spieltheorie. Einleitung. Evolutionäre Biologie. Übersicht 2. Alternative: Biologische Evolutionstheorie
Übersicht : Evolutionäre Spieltheorie Einleitung Evolutionäre Biologie Evolutionäre Spieltheorie: Idee Gefangenendilemma (Beispiel) Evolutionäre Stabilität Beispiele Wiederholtes Gefangenendilemma Chicken-Spiel
MehrDynamik von Genen in Populationen
Dynamik von Genen in Populationen Thomas Spießer 01.08.2007 Zusammenfassung Evolution ist die Veränderung der vererbbaren Merkmale einer Population von Lebewesen von Generation zu Generation. 1 Das Studium
MehrSpatial Games. Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher. Anne-Marie Rambichler, Christoph Wichmann. 23.
Spatial Games Vortrag im Rahmen der Vorlesung Spieltheorie von M.Schottenloher Anne-Marie Rambichler, Christoph Wichmann 23. März 2009 Anne-Marie Rambichler, Christoph Wichmann () Spatial Games 23. März
MehrKapitel 3. Matrix Spiele. 3.1 Matrix-Spiele
Kapitel 3 Matrix Spiele Seminar Spieltheorie, SS 006 3. Matrix-Spiele Vorgegeben sei ein Nullsummenspiel Γ = (S, T, φ, φ mit endlichen Strategiemengen S und T, etwa S = (s,..., s m und T = (t,..., t n.
Mehr1 Einführung. 2 Mendelsche Genetik
Populationsgenetik Seminararbeit im Rahmen des Hauptseminares Mathematische Biologie im Wintersemester 2011/2012 bei Prof. Dr. M. Lukacova vorgelegt von Eva-Maria Lauth 1 1 Einführung Die Populationsgenetik
Mehr2) Können Sie allein aus den gegebenen Zahlen ablesen welches der beiden Allele einen Selektionsvorteil besitzt?
Ihre Namen: Übung 2: Populationsgenetik 2, Drift und Selektion In der Vorlesung haben Sie ein Modell für Selektion kennengelernt. Heute wollen wir uns mit Hilfe von Simulationen intensiver mit den Konsequenzen
MehrDiskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge
Diskrete dynamische Systeme in der Populationsgenetik Hofbauer J., und Sigmund K.: Evolutionary Games and Population Dynamics, Cambridge Dominik Urig Saarbrücken, den 10.01.2012 Inhaltsangabe 1 Biologische
Mehr1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie
1 Lektion 7: Evolutorische Spieltheorie. Evolution?r stabile Strategien und Replikatordynamik als Beitrag aus der Biologie Verfeinerungen vom Begri Nash-Gleichgewicht Erfahrung hat gezeigt, dass sich Spieler
MehrSelektions-Mutations-Modelle
Selektions-Mutations-Modelle Claudia Groÿmann January 16, 2012 Claudia Groÿmann () Selektions-Mutations-Modelle January 16, 2012 1 / 29 Inhaltsverzeichnis 1 Selektions-Mutations-Modelle 2 Mutation und
MehrAblauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26
Spieldynamik Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kap. 8 Simon Maurer Saarbrücken, den 13.12.2011 1 / 26 Ablauf 1 Imitationsdynamik 2 Monotone Auszahlung
MehrSpieltheorie. Kapitel 6 Evolutionär stabile Strategien
Kapitel 6 2 Agenda Einführung Klassische Entscheidungstheorie Nash-Gleichgewichte in reinen Strategien Nash-Gleichgewichte in gemischten Strategien Anwendungen des Nash-Konzepts Alternative Gleichgewichtskonzepte
MehrBimatrix-Spiele. Sarah Hidlmayer
Bimatrix-Spiele Sarah Hidlmayer 13.12.2011 Literatur: Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics (Ch. 11), Cambridge. Bimatrix-Spiele 1 Dynamik für Bimatrix-Spiele 2 Partnerschaftsspiele
MehrKapitel 4: Gemischte Strategien. Literatur: Tadelis Chapter 6
Kapitel 4: Gemischte Strategien Literatur: Tadelis Chapter 6 Idee In vielen Spielen gibt es kein Nash Gleichgewicht in reinen Strategien (und auch kein Gleichgewicht in dominanten Strategien) Darüber hinaus
Mehr8. Evolution (Teil II): Koevolution
8. Evolution (Teil II): Koevolution Darwinsche Evolution bedeutet zunächst einmal Konkurrenz wie können mehrere Arten gemeinsam evolvieren? was passiert, wenn die Arten ihre Fitnesslandschaften gegenseitig
MehrKapitel 4: Gemischte Strategien
Kapitel 4: Gemischte Strategien Literatur: Tadelis Chapter 6 Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern Kapitel 4.1: Motivation Motivation In vielen Spielen gibt es kein
MehrModellbildung und Simulation, Kap (S ) 10 Zwei-Spezies-Modelle
Erratum zu Modellbildung und Simulation, Kap. 1.3 (S. 256 261) 1 Zwei-Spezies-Modelle Interessanter als einzelne Populationen sind Modelle mit mehreren Arten, die miteinander in Wechselwirkung stehen,
MehrEvolution und Algorithmen
Kapitel 6 Spezialvorlesung Modul 10-202-2206 (Fortgeschrittene Methoden in der Bioinformatik) Jana Hertel Professur für Bioinformatik Institut für Informatik Universität Leipzig Machine learning in bioinformatics
MehrWettbewerbs- und Symbiose-Modelle Von Jakob Foss
Wettbewerbs- und Symbiose-Modelle Von Jakob Foss Wettbewerbsmodell Das einfachste Wettbewerbsmodell für zwei Spezies lässt sich aus dem Lotka- Volterra Modell ableiten und sieht folgendermaßen aus: dn1
MehrAsymmetrische Spiele. Eric Barré. 13. Dezember 2011
Asymmetrische Spiele Eric Barré 13. Dezember 2011 Gliederung 1 Einführung Allgemeines Definition Begründung Nash-Gleichgewicht 2 Kampf der Geschlechter Allgemein Auszahlungsmatrix Nash-Gleichgewicht Beispiel
MehrVorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve
Vorlesung im Rahmen des Deutsch-Französischen Dozenten-Austauschprogramms Minerve Dr. Matthias Hanauske Institut für Wirtschaftsinformatik Goethe-Universität Frankfurt am Main Grüneburgplatz 60 Frankfurt
MehrProbleme bei reinen Strategien. Nash Gleichgewichte in gemischten Strategien Kopf 1, 1 1, 1 Zahl 1, 1 1, 1. Gemischte Strategien
Probleme bei reinen Strategien Bisher hatten wir angenommen, daß sich jeder Spieler b auf genau eine Strategie S b S b festlegt. Das ist nicht immer plausibel. Nash Gleichgewichte in gemischten Strategien
MehrSpiele mit simultanen und sequentiellen Spielzügen
Kapitel 6 Spiele mit simultanen und sequentiellen Spielzügen Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen 1 Teil 2 - Übersicht Teil 2 Sequentielle Spiele (Kapitel 3) Simultane Spiele Reine
MehrÜbung 1: Populationsgenetik 1, HWE und genetische Drift
Ihre Namen: Übung 1: Populationsgenetik 1, HWE und genetische Drift Teil 1: Mendelsche Vererbung 1) Schwarze Fellfarbe bei Pferden ist weitgehend bestimmt durch ein rezessives Allel des A-Locus. AA- bzw.
MehrTeil 2: Dynamische Spiele mit vollständigen Informationen
Teil : Dynamische Spiele mit vollständigen Informationen Kapitel 5: Grundsätzliches Literatur: Tadelis Chapter 7 Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern Kapitel 5.:
MehrÜbung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion
Ihre Namen: Übung 3: Populationsgenetik 3, Komplexere Formen natürlicher Selektion In dieser Übung werden Sie sich mit komplexeren Formen der Selektion beschäftigen. Bitte beachten Sie, dass man in diesem
MehrGenetik für Studierende der Bioinformatik
Genetik für Studierende der Bioinformatik Freie Universität Berlin, Institut für Informatik Peter Robinson Wintersemester 2014/2015 4. Übungsblatt (mit ) Diskussion am 11. Dezember 2014 Aufgabe 1. dieser
MehrGenetische und Evolutionäre Algorithmen (Vol. 1)
Vortrag über Genetische und Evolutionäre Algorithmen (Vol. ) von Adam El Sayed Auf und Kai Lienemann Gliederung: ) Einführung 2) Grundkonzept 3) Genaue Beschreibung des Genetischen Algorithmus Lösungsrepräsentation
MehrSpiele mit simultanen Spielzügen und reinen Strategien: Diskrete Strategien
Kapitel 4 Spiele mit simultanen Spielzügen und reinen Strategien: Diskrete Strategien Einführung in die Spieltheorie Prof. Dr. Aleksander Berentsen 1 Teil 2 - Übersicht Teil 2 Sequentielle Spiele (Kapitel
MehrÜbersicht. Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation
Evolution 1 Übersicht Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation 2 Jean Baptiste de LAMARCK... der häufige Gebrauch eines Organs [stärkt]
MehrEinführung in die Spieltheorie
Einführung in die Spieltheorie Stephen Keeling Institut für Mathematik und Wissenschaftliches Rechnen Karl-Franzens-Üniversität Graz 1 Das Konzept eines Spiels Ein Spiel wird so definiert: 1. Es gibt mindestens
MehrMechanismen der Evolution. Übersicht. Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation
Mechanismen der Evolution 1 Übersicht Lamarck und Darwin Variation natürliche Selektion, sexuelle, künstliche Gendrift Artbildung adaptive Radiation 2 Jean Baptiste de LAMARCK... der häufige Gebrauch eines
MehrTaube und Falke. Czauderna Peter, Duerre Max. Taube und Falke p.1/15
Taube und Falke Czauderna Peter, Duerre Max Taube und Falke p.1/15 Taube und Falke: Spielidee Das Tauben und Falken Modell ist ein symmetrisches -Personenspiel mit S 1 = S =. Motivation: In einer Population
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 4: 2-Personen-Nullsummenspiele
Vorlesung: Nicht-kooperative Spieltheorie Teil 4: 2-Personen-Nullsummenspiele Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 Definition 2-Personen-Nullsummenspiele
MehrIhre Namen: Übung A: Populationsgenetik. Teil 1: Mendelsche Vererbung
Ihre Namen: Übung A: Populationsgenetik Teil 1: Mendelsche Vererbung 1) Schwarze Fellfarbe bei Pferden ist weitgehend bestimmt durch ein rezessives Allel des A-Locus. AA- bzw. Aa-Pferde haben nichtschwarzes
MehrHackenbusch und Spieltheorie
Hackenbusch und Spieltheorie Was sind Spiele? Definition. Ein Spiel besteht für uns aus zwei Spielern, Positionen oder Stellungen, in welchen sich das Spiel befinden kann (insbesondere eine besondere Startposition)
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 1 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 1: (Verzweigungsprozess) Die
MehrAufgabe 1: Betrachtet werde das Matrixspiel mit der Auszahlungsmatrix a. 1. Für welche Werte von a gibt es ein Nash sches Gleichgewicht?
Lösungen zu den Übungsaufgaben im Kapitel 7 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe : Betrachtet werde das Matrixspiel mit
MehrSpieltheorie mit. sozialwissenschaftlichen Anwendungen
Friedel Bolle, Claudia Vogel Spieltheorie mit sozialwissenschaftlichen Anwendungen SS 2010 Simultane Spiele 1. Einführung: Spiele in Normalform Nash-Gleichgewicht Dominanz 2. Typen von Spielen Gefangenendilemma
MehrEvolutionäre Spiele. Wolfgang Mulzer, Yannik Stein
Seminar über Algorithmen 11.02.2014 Julian Ritter Evolutionäre Spiele Wolfgang Mulzer, Yannik Stein 1 Idee Motivation aus der Natur: Interesse der theoretischen Biologie an einer Bevölkerung, die um Ressourcen
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
MehrKapitel 6. Irrfahrten und Bernoullischemata
Kapitel 6 Irrfahrten und Bernoullischemata Ausgangspunkt dieses Kapitels ist das in den Abschnitten 2.5 und 3.3 vorgestellte mathematische Modell des mehrmals Werfens einer Münze. Die dort definierten
MehrProgramm WinEvo - Evolution in Populationen. Informationen zum Simulationsmodell und zur Bedienung
Roland Frank Staatl. Seminar für Didaktik und Lehrerbildung (Gymnasien) Stuttgart 1 Fachdidaktik Biologie Hospitalstraße 22-24 70174 Stuttgart Programm WinEvo - Evolution in Populationen WinEvo.exe Version
MehrKönnen Gene Depressionen haben?
Können Gene Depressionen haben? DTzt. Chromosomen, Gene und so... Die Sache mit der Vererbung oder warum sieht eine Kuh aus wie eine Kuh? Die kleinste Datenbank Desoxyribonukleinsäure - DNA Speicher für
MehrSkript zur Vorlesung Mikroökonomik II (WS 2009) Teil 4
Skript zur Vorlesung Mikroökonomik II (WS 09) Teil 4 PR 13: Spieltheorie Weiterentwicklung der ökonomischen Theorie untersucht Situationen strategischen Verhaltens John von Neumann und Oskar Morgenstern
MehrK4 Bedingte Wahrscheinlichkeiten. 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B:
K4 Bedingte Wahrscheinlichkeiten 4.1 Definition Die bedingte Wahrscheinlichkeit von A bei gegebenem B: P(A B) = P(A B)/P(B) (4.1.1) Meistens benutzen wir diese Form: P(A B) = P(A B)*P(B) weil P(A B) schwer
MehrMathematik in der Evolutionsbiologie
Mathematik in der Evolutionsbiologie Vom Konflikt zwischen Mendelianern und Biometrikern zur modernen Populationsgenetik Wolfgang Stephan Abt. Evolutionsbiologie LMU München Reaktionen auf Darwins Evolutionstheorie
MehrVorlesung Spieltheorie, A. Diekmann. Übungen 1-3
Vorlesung Spieltheorie, A. Diekmann Übungen 1-3 Abgabetermin bis: Freitag, 15. April 2016 Jedes einzelne Übungsblatt enthält 2 bis 3 Aufgaben. Jede Aufgabe gibt bei korrekter Lösung einen Punkt. Bei der
MehrMan kann das Dominanzkonzept leicht abschwächen... um schärfere Prognosen zu bekommen. Man kann unterstellen, dass die Spieler nicht nur
1 Schwache Dominanz Man kann das Dominanzkonzept leicht abschwächen...... um schärfere Prognosen zu bekommen. Man kann unterstellen, dass die Spieler nicht nur... keine strikt dominierten Strategien spielen......
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrDas Prinzip der Suchmaschine Google TM
/9 Das Prinzip der Suchmaschine Google TM Numerische Mathematik WS 20/2 Basieren auf dem Paper The $25,000,000,000 Eigenvector: The Linear Algebra behind Google von Kurt Bryan und Tanya Leise (SIAM Review,
MehrVerfeinerungen des Bayesianischen Nash Gleichgewichts
Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht
MehrMatrizen. Stefan Keppeler. 19. & 26. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 19. & 26. November 2008 Definition, Summe & Produkt Transponierte Beispiel: Einwohnerzahlen Leslie-Populationsmodell Beispiel Addition Multiplikation
MehrIm Falle einer zweimal differenzierbaren Funktion lässt sich das Krümmungsverhalten anhand der zweiten Ableitung feststellen.
Konvex, Konkav, Wendepunkt: Sei f : D R eine Funktion und sei I D ein Intervall. Gilt für alle x 1,x 2 I f ( x1 +x ) 2 2 f(x 1)+f(x 2 ), 2 dann heißt f konvex (linksgekrümmt) in I. Gilt für alle x 1,x
MehrWiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.
Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster
MehrPharmazeutische Biologie Genetik
Pharmazeutische Biologie Genetik N230-Raum 306 Tel. (069) 798-29650 dingermann@em.uni-frankfurt.de 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht 4. Erbkrankheiten des Menschen Hardy-Weinberg-Gleichgewicht
Mehrdafür muss man aber wissen, dass es ein Nash-GG gibt ... als wissenschaftliche Theorie unbefriedigend
1 KAP 8. Existenz von Nash-Gleichgewichten Heute betrachten wir die Frage: Hat jedes Spiel ein Nash-Gleichgewicht? Warum ist diese Frage interessant? Häufig sind Spiele zu kompliziert, um N-GG explizit
MehrProseminarvortrag. Markov-Ketten in der Biologie (Anwendungen)
Proseminarvortrag Markov-Ketten in der Biologie (Anwendungen) von Peter Drössler 20.01.2010 2 Markov-Ketten in der Biologie (Peter Drössler, KIT 2010) Inhalt 1. Das Wright-Fisher Modell... 3 1.1. Notwendige
MehrGeburtenratenselektion
Geburtenratenselektion Laura Kursatz 17.01.2012 Literatur: Hofbauer J., Sigmund K. (1998). Evolutionary Games and Population Dynamics. Cambridge University Press: Cambridge Inhaltsverzeichnis 1 Allgemeines
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrSeminararbeit zur Spieltheorie. Thema: Rationalisierbarkeit und Wissen
Seminararbeit zur Spieltheorie Thema: Rationalisierbarkeit und Wissen Westfälische-Wilhelms-Universität Münster Mathematisches Institut Dozent: Prof. Dr. Löwe Verfasst von: Maximilian Mümken Sommersemester
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrSpieltheorie und Biomathematik
Spieltheorie und Biomathematik Joachim Hermisson January 7, 2015 Spieltheorie Was ist Spieltheorie? Jonathan Haidt: How would you explain human behavior in less than two seconds: self-interest. Der Egoismus
MehrSpieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten
Spieltheorie Vortrag im Rahmen eines Treffens der Grazer Pro Scientia Geförderten Sofie Waltl Graz, 9. April 2014 1 Was ist Spieltheorie? Die Spieltheorie analysiert strategische Entscheidungssituationen,
MehrWarum konvergieren Genetische Algorithmen gegen ein Optimum?
1 / 21 Gliederung 1 Das Schematheorem Motivation Begriffe Herleitung Ergebnis Das Schematheorem Das Schematheorem Motivation 3 / 21 Warum konvergieren Genetische Algorithmen gegen ein Optimum? Theoretische
MehrKapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Kapitel 6 1
Kapitel 6: Spiele mit simultanen und sequentiellen Spielzügen Kapitel 6 Übersicht Teil Kapitel 5 Übersicht Teil Übersicht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform
MehrVWL Grundzüge Mikroökonomie
VWL Grundzüge Mikroökonomie Wintersemester 2011/12 Christian Bauer Christian Bauer WS 11/12 Grundzüge: Mikroökonomie 1 Süßigkeiten Spiele Christian Bauer WS 11/12 Grundzüge: Mikroökonomie 2 John Forbes
MehrKlausur zur Vorlesung Spieltheorie
Dr. Tone Arnold Sommersemester 2007 Klausur zur Vorlesung Spieltheorie Die Klausur besteht aus vier Vorfragen und drei Hauptfragen, von denen jeweils zwei zu bearbeiten sind. Sie haben für die Klausur
MehrStimmt das immer und in welchem Sinne?
1 KAP 6. Dominanz und Nash-GG Nash-GG (teilweise) dadurch motiviert: schränkt Menge möglicher Spielausgänge stärker ein als Dominanz Stimmt das immer und in welchem Sinne? Gibt s stets weniger Nash-GGe
MehrDifferenzengleichungen in der Populationsgenetik
J.W.Goethe Universität Frankfurt a.m. SS 2006 FB 12 Informatik und Mathematik PS Mathematische Modellierung Institut für Computerorientierte Mathematik Seminarleiter: Prof. Dr. J. Baumeister Dr. J. Berns
MehrGrundlagen der Vererbungslehre
Grundlagen der Vererbungslehre Zucht und Fortpflanzung Unter Zucht verstehen wir die planvolle Verpaarung von Elterntieren, die sich in ihren Rassemerkmalen und Nutzleistungen ergänzen zur Verbesserung
MehrÜbersicht: 6.1 Einleitung 6.2 Klassische Theorie nichtkooperativer Spiele 6.3 Egoistisches Routing 6.4 Mechanismen-Entwurf 6.
6. Algorithmische Spieltheorie Übersicht: 6.1 Einleitung 6.2 Klassische Theorie nichtkooperativer Spiele 6.3 Egoistisches Routing 6.4 Mechanismen-Entwurf 6.5 Auktionen 561 6.1 Einleitung Übliche Modelle:
MehrFolgen und Reihen Folgen
Folgen und Reihen 30307 Folgen Einstieg: Wir beginnen mit einigen Beispielen für reelle Folgen: (i),, 4, 8, 6, (ii) 4,, 6, 3, 7, (iii) 0,,,, 3,, (iv), 3, 7,,, Aufgabe : Setzt die Zahlenfolgen logisch fort
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 39 Definitheit von Bilinearformen Wir möchten die symmetrischen Bilinearformen über den reellen Zahlen klassifizieren.
MehrDominanzüberlegungen in einfachen Matrix Spielen (Reine Strategien)
Dominanzüberlegungen in einfachen Matrix Spielen (Reine Strategien) Dominanzüberlegungen können beim Auffinden von Nash Gleichgewichten helfen Ein durch Dominanzüberlegungen ermitteltes Gleichgewicht ist
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrSpieltheorie Teil 4. Tone Arnold. Universität des Saarlandes. 20. März 2008
Spieltheorie Teil 4 Tone Arnold Universität des Saarlandes 20. März 2008 Tone Arnold (Universität des Saarlandes) Spieltheorie Teil 4 20. März 2008 1 / 64 Verfeinerungen des Nash GGs Das Perfekte Bayesianische
Mehr3. Gen-Interaktionen. Konzepte: Komplementation. Allelische Interaktionen. Gen-Interaktionen
3. Gen-Interaktionen Konzepte: Komplementation Allelische Interaktionen Gen-Interaktionen 1. Beschreiben Sie einen Mutagenese Screen(Genetic Screen). Wozu wird er angewendet? Ziel: Identifizierung von
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrEvolutionspsychologische Emotionstheorien I: Grundlagen
Evolutionspsychologische Emotionstheorien I: Grundlagen 2. Vererbung 3. natürliche Patricia Buggisch Justus-Liebig-Universität Gießen 2006 2. Vererbung 3. natürliche Einleitung - Biologische Evolution
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrÜbung C: Quantitative Genetik
Ihre Namen: Übung C: Quantitative Genetik TEIL 1: ÜBUNGEN MIT GENUP Um Sie mit einigen Begriffen aus der Vorlesung über Quantitative Genetik vertraut zu machen, verwenden wir ein Programm namens GENUP.
MehrPopulationsgenetik 2: Das Hardy-Weinberg-Gesetz
Populationsgenetik 2: Das Hardy-Weinberg-Gesetz Peter N. Robinson Institut für medizinische Genetik Charité Universitätsmedizin Berlin 1. Juni 2008 Peter N. Robinson (Charité) Populationsgenetik (2) 1.
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
MehrKomplementation. Allelische Interaktionen. Gen Interaktionen
3. Gen Interaktionen Konzepte: Komplementation Allelische Interaktionen Gen Interaktionen 1. Beschreiben Sie einen Mutagenese Screen (Genetic Screen). Wozu wird er angewendet? Ziel: Identifizierung von
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrVorlesung 2: Erwartungsnutzen
Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28 1. Modellrahmen 1.1 Die Alternativen Wir betrachten
Mehr3. Gen-Interaktionen. Konzepte: Komplementation. Allelische Interaktionen. Gen-Interaktionen
3. Gen-Interaktionen Konzepte: Komplementation Allelische Interaktionen Gen-Interaktionen 1. Beschreiben Sie einen Mutagenese Screen (Genetic Screen). Wozu wird er angewendet? Ziel: Identifizierung von
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
Mehr