Stetige Populationsmodelle
|
|
- Louisa Albrecht
- vor 6 Jahren
- Abrufe
Transkript
1 Stetige Populationsmodelle Christof Straßer Autor: J.D.Murray Titel: Mathematical Biology
2 James Dickson Murray Geb.: Professor Emeritus Oxford u. Washington Bereich biologische und biomedizinische Mathematik
3 James Dickson Murray Mathematical Biology (00) I. An Introduction (Eine Einführung) II. Spatial Models and Biomedical Applications (Räumliche Modelle und biomedizinische Anwendungen) Beispiel: Biomechanik des menschlichen Körpers
4 Gliederung 1. Vorhersagen des Verhaltens in den Bereichen Technik, Biologie und Psychologie. Historische Entwicklung 3. Betrachtung der Weltbevölkerung 4. Logistisches Wachstum 5. Mathematische Darstellung eines Insektenausbruchs 6. Wahrnehmungsänderung in der Psychologie 7. Fazit
5 1. Verhaltensvorhersagen Technik Technische Errungenschaften beruhen auf Zusammenführung von Erkenntnissen (Titanic, Starfighter,.) Allgemein: Zusammenhang Geschwindigkeit und Reibung
6 . Historische Entwicklung Erster schriftlich verfasster Nachweis einer mathematischen Modellierung: Rechenmeister Leonardo von Pisa (10) Sohn aus gütigem Hause filius bonacci (wachsende Hasenpopulation)
7 3. Betrachtung der Weltpopulation dn dt N bn dn b, d positive Konstanten b>d N N 0 e ( bd ) t Malthus (1798)
8 3. Betrachtung der Weltpopulation Fruchtbarkeitsrate am Ersatz-Level:,1 (lebensfähige Geburten pro Frau) Länder (300) mit Rate, % % 005 >50%
9 3.Betrachtung der Weltpopulation Betrachtung Gesamtweltbevölkerung: 005 -, ,45 d.h. Abnahme in 6 Jahren um 0,15 d.h. Abnahme in 18 Jahren um 0,45 Folgerung: Weltbevölkerungsmaximum 030
10 4. Logistisches Wachstum Wachstum mit selbstlimitierendem Prozess dn N rn(1 ) r, K > 0 Verhulst (1838) dt K r = Wachstumsrate K = die tragende Kapazität der Umwelt ist, die von den verfügbaren Ressourcen bestimmt wird. K-N = Abweichung der Populationsgröße von der Kapazität (K-N)/K = Abweichung bezogen auf die Kapazität r(1-n/k) = die von N abhängige pro Kopf Geburtenrate
11 4. Logistisches Wachstum dn dt rn(1 N K ) r, K > 0 Verhulst (1838) Zwei Gleichgewichtszustände N=0 (instabil) dn/dt ~ rn d.h. N wächst von Anfangswert exponentiell weiter N=K (stabil) dn dt r N( r N) K Erkenntnis: N r K r exp( rt) K bestimmt die Größe der Population. t lim r K r exp( rt) K
12 4. Logistisches Wachstum Eine Population wird geregelt durch dn/dt = f(n) wobei die Gleichgewichtspunkte N die Lösungen von f(n)=0 sind. Wird f(n) auf N abgebildet, so liegen die Gleichgewichtspunkte auf der N-Achse, da dort f(n)=0 gilt. f (N) bestimmt die Stabilität des Gleichgewichtspunkts N=0 ist instabil f (0) > 0 N=K ist stabil f (K) < 0
13 4. Logistisches Wachstum Existieren weitere Gleichgewichtspunkte, so entsteht eine Sinusform mit sich abwechselnden Stabilitäten. Wird die Funktion in einem stabilen Gleichgewichtspunkt über einen Schwellenwert hinaus gestört, so strebt sie den nächsten stabilen Gleichgewichtspunkt an.
14 5. Raupen-Ausbruchs-Modell Wechselwirkung zwischen Raupen und Vögeln in Ost-Kanada dn dt r B N N( 1 ) p( N) K B Ludwig (1978) r = Geburtenrate Raupen K = Kapazität (z.b. Blattdichte) p(n) = der Population entgegenwirkende Ereignisse (z.b. Räuber)
15 5. Raupen-Ausbruchs-Modell Die Raupenpopulation wächst von nahe Null bis K p( N) BN A N A, B pos. Konstanten A = Schwellenmaß (Räuber schalten sich ein) B = Faktor, der N beeinflusst p ( N) p ( N) N N N c N c A BN ( A N ) A B( A 3N 3 ( A N ) ) pos., p(n) wächst Wendepunkt Raupenpopulation wächst Räuberpopulation schaltet sich ein 1 N c 3 A
16 5. Raupen-Ausbruchs-Modell Definition dimensionsloser Größen u N A r Ar B B q K B A B t A Mit dn dt dn du d du d du u u r u (1 ) dt d q 1 u Bestimmung der Gleichgewichtspunkte u u u = 0 ist Lösung r(1 ) (1) q 1 u weitere Gleichgewichtspunkte: Schnittpunkte der beiden Graphen u 1 u max. 1/ bei u=1 u r(1 ) q r q u r Gerade, neg. Steigung
17 5. Raupen-Ausbruchs-Modell Bei günstiger Wahl der Werte: q = 10 (fest) und r ausreichend klein ergeben sich 1, oder 3 Schnittpunkte Mit Betrachtung einer Feldlinien-Darstellung zeigt sich: u 0,u instabil df/du > 0 u 1,u 3 stabil df/du < 0
18 5. Raupen-Ausbruchs-Modell Betrachtung der Berührungspunkte beider Graphen Die Steigung beider Graphen ist gleich d du r d u ( u r) ( ) q du 1 u u 1 (1 u ) r q () eingesetzt in (1) q 3 u u 1 eingesetzt in () u r (1 u 3 ) Die Funktionen r und q sind abhängig von u d.h. sie spannen einen Raum auf
19 5. Raupen-Ausbruchs-Modell Betrachtung q r Beide Kurven treffen sich bei dr/du = dq/du =0 in einer Spitze 3 bei u 3 mit r 3 sowie q Grenzwertbetrachtung lim 0 u r lim 1 u 1 r r u (1 u 3 ) Zwischen den Kurven liegen 3 Gleichgewichtspunkte Außerhalb liegt nur 1 Gleichgewichtspunkt vor Auf den Kurven existieren Gleichgewichtspunkte Berührungspunkt = Sattelpunkt = Bifurkation
20 5. Raupen-Ausbruchs-Modell
21 5. Raupen-Ausbruchs-Modell Es zeigt sich eine Faltung, bei der es bei Überschreitung eines Schwellenwertes zu einem Sprung (Katastrophe) kommt. Erhöht sich die Population, so kommt es bei entsprechender Störung (Schwellenstörung) zum Wegverlauf ABCCD. Eine Abnahme der Population wird durch den Weg DCBBA beschrieben. Da C-C eine größere Populationssteigerung zeigt als B-B wird deutlich, dass eine Rückführung der Population länger dauert als eine Steigerung.
22 6. Wahrnehmungsänderung Das menschliche Gehirn reagiert unter bestimmten Voraussetzungen mit plötzlicher Wahrnehmungsänderung. Im Folgenden werden in Reihenfolge 8 Bilder gezeigt. Merken Sie sich die Bildnummer, bei der Sie ein völlig anderes Objekt erkennen.
23 6. Wahrnehmungsänderung Bild 1
24 6. Wahrnehmungsänderung Bild
25 6. Wahrnehmungsänderung Bild 3
26 6. Wahrnehmungsänderung Bild 4
27 6. Wahrnehmungsänderung Bild 5
28 6. Wahrnehmungsänderung Bild 6
29 6. Wahrnehmungsänderung Bild 7
30 6. Wahrnehmungsänderung Bild 8
31 7. Fazit Vorhersagen bezüglich naher Zukunft besitzen hohe Wahrscheinlichkeit. Bei Betrachtung ferner Zukunft sinkt die Wahrscheinlichkeit für das Eintreffen der Vorhersage drastisch. D.h. für die: Technik: Nicht beachtete Faktoren können Katastrophen auslösen. Biologie: Je größer die Anzahl der am Prozess beteiligten Faktoren, desto schwieriger ist eine aussagekräftige Vorhersage. Psychologie: Sein ist wahrgenommen sein.
Mathematische Modelle in der Biologie - Kontinuierliche Populationsmodelle für Einzelspezies - Teil 1
Mathematische Modelle in der Biologie - Kontinuierliche Populationsmodelle für Einzelspezies - Teil 1 Continuous Population Models for Single Species (1.1.-1.4) Florian Scheid 23.10.2012 Gliederung 1 Einführung
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
MehrDiskrete Populationsmodelle für Einzelspezies
Diskrete Populationsmodelle für Einzelspezies Lisa Zang 30.10.2012 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Inhaltsverzeichnis 1. Einführung Einfache Modelle
MehrZusätzliche Aufgabe 5:
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas Zusätzliche Aufgabe 5: Populationsmodelle Um die Entwicklung einer Population zu modellieren, gibt es diskrete Modelle, wobei die Zeit t bei diskreten
MehrMathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1
Mathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1 Andrea Schneider 05.02.2013 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
MehrModelle für interagierende Populationen
Modelle für interagierende Populationen Christoph Molitor 06.11.2012 Seminar: Mathematische Modelle in der Biologie (WS 12/13) Literatur: J. D. Murray (2002): Mathematical Biology: I. An Introduction,
MehrModul 241. Systemen. Modellierung des Wachstums der. Weltbevölkerung - Definition
Modul 241 Modellierung von Systemen Modellierung des Wachstums der Weltbevölkerung Weltbevölkerung - Definition Der Begriff Weltbevölkerung bezeichnet die geschätzte Anzahl der Menschen, die zu einem bestimmten
MehrDynamische Systeme. Mathematik für Biologen, Biotechnologen und Biochemiker. Angela Holtmann
Mathematik für Biologen, Biotechnologen und Biochemiker 16.7.2008 Das Räuber-Beute-Modell Das Räuber-Beute-Modell Es gibt zwei Arten, wobei die eine Art die andere frisst. 1925: Volterra (Italiener) und
MehrPopulationsmodelle und die Grenzen des Wachstums
Populationsmodelle und die Grenzen des Wachstums Titelmasterformat durch Klicken bearbeiten 27.10.2011 Dr. Peter Michael Link Universität Hamburg 1. Grundlegende Konzepte 2. Exponentielles Wachstum Titelmasterformat
MehrDynamische Systeme in der Mikrobiologie
Dynamische Systeme in der Mikrobiologie Gruppe G Mi: Severine Hurni, Esther Marty, Giulia Ranieri, Matthias Engesser, Nicole Konrad Betreuer: Roman Kälin 1. Einleitung Ein dynamisches System ist ein System,
MehrDynamische Systeme in der Mikrobiologie
Dynamische Systeme in der Mikrobiologie Verfasst von: Blank Patricia, Gattlen Jasmin, Kaspar Romana (DI Gruppe G) Betreut durch: Roman Kälin BBOM, Buchkapitel: 6.1, 6.3-6.6, Hilfsmittel: www.simolife.unizh.ch
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle
MehrBeispiel: Evolution infizierter Individuen
Differentialgleichungen sind sehr nützlich in der Modellierung biologischer Prozesse, denn: damit kann man auch sehr komplizierte Systeme beschreiben die Mathematik liefert mit der gut entwickelten Theorie
MehrEinfache Modelle der Populationsdynamik
Vorlesung 4. Einfache Modelle der Populationsdynamik Wintersemester 215/16 1.11.215 M. Zaks allgemeine vorbemerkungen In kleinen Populationen schwanken die Bevolkerungszahlen stochastisch: Geburt/Tod von
MehrUniversität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften
Universität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes (Lehrbeauftragter) Systemanalyse 2 Kapitel 6: Nichtlineare Modelle Nichtlineare
MehrMathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017
Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Vorlesung+ Übung: Mo/Mi/Fr. 8:15-9:45Uhr, SR 1, INF 205 Termin
MehrMathematische Methoden in der Systembiologie WS 2017/2018
Mathematische Methoden in der Systembiologie WS 2017/2018 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Tutor: M.Sc. D. Danciu (dpdanciu@math.uni-heidelberg.de) /Übung: Di.+Do. 9:15-10:45Uhr,
MehrFixpunkte und Stabilitätsanalyse
Fixpunkte und Stabilitätsanalyse 1 Themenüberblick Motivation 1D-Probleme Bifurkationen 2D-Probleme Fixpunkttypen Lotka-Volterra-Modelle 2 Motivation Bisher: Lineare Dynamik Jetzt: Nichtlineare Systeme
MehrGrundlagen der Umweltwissenschaften I
Grundlagen der Umweltwissenschaften I WS 06/07 Ralf Schulz Vorläufige Gliederung Einführung UWS Grundlegende Phänomene Kritisches Denken über Umwelt Systeme und Dynamik Globale Perspektiven Stoff-Zyklen
MehrExponentialfunktionen
Herr Kluge Mathematik Year 10 Exponentialfunktionen Ziel: Ich erkenne ein exponentielles Wachstum und kann es von einem linearen Wachstum unterscheiden. Ich weiß, wie man eine Gleichung zum exponentiellem
MehrProjekt Bakterienkultur
1 Einleitung Projekt Bakterienkultur Mathematische Modellierung I Sommersemster 2010 Anna Aichmayr, Georg Rief, Patrica Walker 1.1 Physikalische Grenzen Dienstag, Juli 13, 2010 Der zu untersuchende Bereich
MehrKapitel 11: Anwendung in der Biologie
Kapitel 11: Anwendung in der Biologie 1. Einführung: In diesem Kapitel wollen wir uns mit der Anwendung von Differentialgleichungen in der Biologie beschäftigen und dort unser bisher erlangtes Wissen anwenden.
MehrTemperaturabhängige Geschlechtsbestimmung (TSD) bei Krokodilen
1 / 45 Temperaturabhängige Geschlechtsbestimmung (TSD) bei Krokodilen J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Ina Förster 13. November 2012 2 / 45 Sitzungsablauf
MehrPopulationsdynamik mit grafischer Modellbildung
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik Populationsdynamik mit grafischer Modellbildung Bachelorarbeit im Studiengang polyvalenter Bachelor Lehramt im
MehrAppendix A: Grundlagen der Populationsbiologie
701-245-00L Pop - & Evol biol - A.1 - App. A: Grundlagen der Populationsbiologie Appendix A: Grundlagen der Populationsbiologie Einige grundlegende Prinzipien der Populationsbiologie sind wichtig zum Verständnis
MehrExponentielles Wachstum:
Exponentielles Wachstum: Bsp.: Ein Wald hat zum Zeitpunkt t = 0 einen Holzbestand von N 0 = N(0) = 20 000 m 3. Nach 0 Jahren ist der Holzbestand auf 25 000 m 3 angewachsen. a) Nimm an, dass die Zunahme
Mehrexponentielle Wachstumsphase Abbildung 1: Wachstumskurve einer Bakterienkultur
Bakterienwachstum Mathematische Schwerpunkte: Teil 1: Folgen; vollständige Induktion; rekursiv definierte Folgen Teil 2: Exponentialfunktionen Teil 3: Extremwertbestimmung; Integration einer rationalen
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
MehrBiologische Oszillatoren und Schalter - Teil 1
Biologische Oszillatoren und Schalter - Teil 1 Elena Süs 11.12.2012 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Motivation 2 Historische Entwicklung
MehrStabilitätsregionen in Räuber-Beute-Modellen mit konstanter Beute-Kontrolle
rwth aachen Seminarausarbeitung Stabilitätsregionen in --Modellen mit konstanter -Kontrolle Franziska Freya Ossenbrink betreut von Birte Schmidtmann Wintersemester 216/217 Inhaltsverzeichnis 1 Einleitung
MehrDifferenzialgleichungen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 2. Februar 2015 : Luftdruck Definition e: Populationsdynamik Satz von Picard und Lindelöf Folgerungen/Bemerkungen...von DGLn höherer Ordnung
MehrNichtlineare Dynamik in biologischen Systemen
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik 29. August 2006 11 Nichtlineare Dynamik in biologischen Systemen Erster Gutachter: Prof. Dr. Wolfgang Oehme, Universität
MehrPopulations Modelle Das Lotka-Volterra Model. Robin Gwinner Seminarleiterin: Dr. Iryna Rybak
Populations Modelle Das Lotka-Volterra Model Robin Gwinner Seminarleiterin: Dr. Iryna Rybak 04.05.2016 Motivation Rote Liste: Motivation Rote Liste: Motivation Rote Liste: Motivation Motivation Motivation
MehrSystem von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form:
C7.5 Differentialgleichungen 1. Ordnung - Allgemeine Aussagen System von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form: Kompaktnotation: Anfangsbedingung: Gesuchte Lösung: Gleichungen dieser Art
MehrLogarithmusfunktion zur Basis 2, Aufgaben. 7-E Vorkurs, Mathematik
Logarithmusfunktion zur Basis 2, Aufgaben 7-E Vorkurs, Mathematik Logarithmusfunktion zur Basis 2: Aufgaben 7-9 Aufgabe 7: Bestimmen Sie eine vertikale Asymptote für die folgenden Funktionen: f ( x) =
MehrGrenzwert. 1-E Ma 1 Lubov Vassilevskaya
Grenzwert Ohne Grenzwerte gibt es keine Differential- und Integralrechnung. Jeder einzelne Ausdruck in der Differential- und Integralrechnung ist in irgendeinem Sinn ein Grenzwert. 1-E Die Idee des Grenzwertes
MehrÖkologische Gleichungen für zwei Spezies
Ökologische Gleichungen für zwei Spezies Florian Kern 06.Dezember 2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kapitel 4 Inhaltsverzeichnis 1 Satz von der
Mehr9. Dynamische Systeme.
Leitfaden 12 91 Das Räuber-Beute-Modell 9 Dnamische Ssteme Gegen Ende des ersten Weltkriegs, als der Fischfang im Mittelmeer fast vollständig zum Erliegen gekommen war, stellten Fischer fest, daß der Anteil
MehrKatharina Kausel, April 2012
Mathematische Modelle in der Biologie Seminar Biomathematik Seminar Biomathematik Katharina Kausel, April 2012 Mutualismus Was ist Mutualismus? SYMBIOSE Unterschied: eine Art ist ohne die andere LEBENSUNFÄHIG
MehrDie Fibonacci-Zahlen 1
Die Fibonacci-Zahlen 1 Leonardo Pisano Leonardo von Pisa ca. 1170 bis 1250 Sohn eines Kaufmanns aus Pisa Sein Vater war Handelsattaché der Republik Pisa in Bugia (im heutigen Algerien). Er zeigte früh
Mehr4. Differentialgleichungen
4. Differentialgleichungen Prof. Dr. Erich Walter Farkas 10.11.2011 Seite 1 Einleitung Viele in der Natur stattfindende Vorgänge können durch sogenannte Differentialgleichungen beschrieben werden. Unter
MehrMathematik in der Biologie
Erich Bohl Mathematik in der Biologie 4., vollständig überarbeitete und erweiterte Auflage Mit 65 Abbildungen und 16 Tabellen ^J Springer Inhaltsverzeichnis Warum verwendet ein Biologe eigentlich Mathematik?
MehrKapitel 7. Differenzengleichungen
apitel 7 Differenzengleichungen I n h a ltsverze ichnis DIFFERENZENGLEICHUNGEN... 3 EINFÜHRUNG UND BEISPIELE... 3 DIFFERENZENGLEICHUNG 1. ORDNUNG... 3 ELEMENTARE DIFFERENTIALGLEICHUNGEN... 4 GEWÖHNLICHE
Mehra) Im Berührungspunkt müssen die y-werte und die Steigungen übereinstimmen:
. ANALYSIS Gegeben ist die kubische Parabel f: y = x 3 6x + 8x + a) Die Gerade g: y = k x + berührt die Parabel an der Stelle x = x 0 > 0. Bestimmen Sie den Parameter k. b) Berechnen Sie den Inhalt der
MehrBifurkationstheorie. 1. Verzweigungen stationärer Zustände
Bifurkationstheorie 1. Verzweigungen stationärer Zustände Die Lage, Anzahl und Stabilität der stationären Zustände von nichtlinearen Systemen hängt in der Regel noch von bestimmten Systemparametern ab.
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 7.0.07 (Stand: 7.0.07, 6: Uhr) Frage Wofür gibt es für Studierende der Biologie und des Lehramtes
MehrPopulationsdynamik im Computer simuliert
Populationsdynamik im Computer simuliert Die Grösse einer Population in einem Ökosystem hängt von zahlreichen abiotischen und biotischen Faktoren ab, die meist auf komplexe Art und Weise zusammenwirken:
MehrDifferentialgleichungen I
Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung
MehrDifferenzen/Differentialgleichungen Gegenüberstellung und Analogien sneaky, Mai 2007
Differenzengleichung Differentialgleichung 1. Ordnung (konstante Koeff.) Gestalt x n+1 =ax n +b allgemeine Lösung x n = a n x 0 +b((a n -1)/(a-1)) für a 1 oder x n = x 0 +b n für a=1 partikuläre Lösung
MehrHinweise vor Beginn der Bearbeitung
Dynamische Methoden der VWL - Klausur WS 2016/17 Seite 1 Bachelor-Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Wintersemester 2016/17 28.02.2017 Bitte gut leserlich ausfüllen! Name:
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 2. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.e Department Biologie II Telefon: 089-80-74800 Großhaernerstr. Fa:
MehrDYNAMISCHE SYSTEME IN DER MIKROBIOLOGIE
DYNAMISCHE SYSTEME IN DER MIKROBIOLOGIE Verfasser: Kathrin Bacher, Mirjam Barrueto, Roman Kessler, Mischa Schönenberger, Dominique Grimm Betreuer: Roman Kälin Hilfsmittel: BBOM, Kapitel: 6.1, 6.3-6.6,
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
MehrMathematische Modellierung der Entwicklung des globalen Trinkwasservorrates
Mathematische Modellierung der Entwicklung des globalen Trinkwasservorrates Problemstellung Wasser ist eine erneuerbare Ressource, dennoch wird von vielen Seiten gewarnt, dass mit einer weltweiten Trinkwasserknappheit
MehrExponential- und Logarithmusfunktion. Biostatistik, WS 2010/2011. Inhalt. Matthias Birkner Mehr zur Eulerschen Zahl und natürliche
Biostatistik, WS 2010/2011 Exponential- und Logarithmusfunktion Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1011/ 5.11.2010 Inhalt 1 Exponential- und Logarithmusfunktion Potenzen
Mehr2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum.
Wachstumsmodellierung: Theorie Marius Bockwinkel Gliederung 1 Definition 2 Wachstumsarten 2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum
MehrNach der Theorie der Partialbruchzerlegung kann der Bruch auf der linken Seite in Teilbrüche zerlegt werden: = + =
ist ( 6.4 Logistisches Wachstum Ein Nachteil des Modells vom beschränkten Wachstum besteht darin, dass für kleine t die Funktion ungefähr linear statt exponentiell wächst. Diese chwäche wird durch das
MehrDas Paket raeuber_beute_modelle enthält 3 Modelle mit denen das Verhalten von Lotka-Volterra-Systemen simuliert werden kann.
Räuber Beute Modell 1. Versionsgeschichte: Version 0.1 2. Aufgabenstellung für das Modell Das Paket raeuber_beute_modelle enthält 3 Modelle denen das Verhalten von Lotka-Volterra-Systemen simuliert werden
MehrTeil 1 - Epidemische Modelle
Teil 1 - Epidemische Modelle 15. Januar 2013 Literatur: J.D.Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 2 3 4 5 Ziele meines Vortrags Ein grlegen Modell () zur
Mehr4 x x kleinste6 Funktionswert für alle x aus einer Umgebung von x 1 ist.
Differenzialrechnung 51 1.2.2 Etrempunkte Die Funktion f mit f () = 1 12 3 7 4 2 + 10 + 17 3 beschreibt näherungsweise die wöch entlichen Verkaufszahlen von Rasenmähern. Dabei ist die Zeit in Wochen nach
MehrPhysik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Propädeutikum 3: Funktionen und Ableitungen, Vektoren Dr. Daniel Bick 27. Oktober 2017 Daniel Bick Physik für Biologen und Zahnmediziner 27. Oktober 2017 1 / 35 Inhalt
MehrBiostatistik, WS 2017/18 Exponential- und Logarithmusfunktion
1/23 Biostatistik, WS 2017/18 Exponential- und Logarithmusfunktion Matthias Birkner http://www.staff.uni-mainz.de/birkner/biostatistik1718/ 27.10.2017 Potenzrechenregeln Es ist a n = a } a {{ a} für n
MehrMathematik für Wirtschaftswissenschaftler
Mathematik für Wirtschaftswissenschaftler Yves Schneider Universität Luzern Frühjahr 2016 Repetition Kapitel 1 bis 3 2 / 54 Repetition Kapitel 1 bis 3 Ausgewählte Themen Kapitel 1 Ausgewählte Themen Kapitel
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)
MehrLotka-Volterra-Gleichungen für mehr als zwei Populationen
Lotka-Volterra-Gleichungen für mehr als zwei Populationen Dennis Kunz 06.12.2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics Lotka-Volterra-Gleichungen für mehr als zwei
MehrAusgehend vom Lotka-Volterra Modell der Populationsdynamik sind für die Testaufgabe zwei Teilaufgaben
Praxis 2 - Tabellenkalkulation 9 Fig. 3 Teil C: Testaufgabe 1. Einführung Populationsdynamik bei Tieren in einem Lebensraum Wenn Tiere verschiedener Arten den gleichen Lebensraum besiedeln, können sie
Mehr1.2 Einfache Eigenschaften von Funktionen
1.2 Einfache Eigenschaften von Funktionen 1.2.1 Nullstellen Seien A und B Teilmengen von R und f : A B f : Df Wf eine Funktion. Eine Nullstelle der Funktion f ist ein 2 D f, für das f ( = 0 ist. (Eine
MehrMathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem
Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies
MehrTheorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08
Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN
MehrLösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner)
Lösungserwartung und Lösungsschlüssel zur prototypischen Schularbeit für die 7. Klasse (Autor: Gottfried Gurtner) Teil : Mathematische Grundkompetenzen ) Es muss (ausschließlich) die richtige Antwortmöglichkeit
MehrBiostatistik, WS 2010/2011 Exponential- und Logarithmusfunktion
1/22 Biostatistik, WS 2010/2011 Exponential- und Logarithmusfunktion Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1011/ 5.11.2010 2/22 Inhalt Exponential- und Logarithmusfunktion
MehrGewöhnliche Differentialgleichungen Woche 10. Spezielles für zweite Ordnung
d Gewöhnliche Differentialgleichungen Woche 0 Spezielles für zweite Ordnung 0. Phasenebene Wenn wir die autonome Differentialgleichung zweiter Ordnung u (t = f (u(t, u (t (0. studieren wollen, ist ein
Mehr5.4 Uneigentliche Integrale
89 Wir dividieren die Potenzreihe von sin(t) gliedweise durch t und erhalten sint t = t (t t3 3! + t5 5! + ) = t2 3! + t4 5! +. Diese Reihe ist konvergent für alle t R. Nun integrieren wir gliedweise.
MehrNichtlineare Prozesse in der Elektrochemie II
Nichtlineare Prozesse in der Elektrochemie II 5. Stabilität und Instabilität Neue (dissipative) Strukturen entstehen, wenn der bisherige stationäre Zustand, der den thermodynamischen Zweig repräsentiert,
MehrKurvendiskussion. Mag. Mone Denninger 10. Oktober Extremwerte (=Lokale Extrema) 2. 5 Monotonieverhalten 3. 6 Krümmungsverhalten 4
Mag. Mone Denninger 10. Oktober 2004 Inhaltsverzeichnis 1 Definitionsmenge 2 1.1 Verhalten am Rand und an den Lücken des Definitionsbereichs............................ 2 2 Nullstellen 2 3 Extremwerte
MehrUniversität Ulm Abgabe: Donnerstag,
Universität Ulm Abgabe: Donnerstag,.5.03 Prof. Dr. W. Arendt Stephan Fackler Sommersemester 03 Punktzahl: 0 Lösungen Elemente der Differenzialgleichungen: Blatt 4. Gradientenfelder. Welche der folgenden
MehrFH Gießen-Friedberg, FB 06 (MNI) Lösungen zu Übungsblatt 8 Einführung in die höhere Mathematik 6. Dezember 2006 Prof. Dr. H.-R.
FH Gießen-Friedberg, FB 06 (MNI) Lösungen zu Übungsblatt 8 Einführung in die höhere Mathematik 6. Dezember 006 Prof. Dr. H.-R. Metz Aufgabe 1 Skizzieren Sie die Funktionen e x, ln(x) = log e (x) und e
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Zufallsvariablen. Dr. Thomas Zehrt
Universität Basel Wirtschaftswissenschaftliches Zentrum Zufallsvariablen Dr. Thomas Zehrt Inhalt: 1. Einführung 2. Zufallsvariablen 3. Diskrete Zufallsvariablen 4. Stetige Zufallsvariablen 5. Erwartungswert
MehrModellierung mit Dynamischen Systemen und Populationsdynamik
Modellierung mit Dynamischen Systemen und Populationsdynamik Dynamische Systeme in der Schule Fachtagung Göttingen 2017 Alfred J. Lotka (1880-1949) Technische Universität Dresden Vito Volterra 1860-1940
MehrDynamisches Chaos. 1. Einleitung: Determinismus und Chaos
Dynamisches Chaos 1. Einleitung: Determinismus und Chaos In der üblichen Betrachtungsweise ist der Zufall nur auf dem Mikroniveau erlaubt: - das Boltzmannsche molekulare Chaos; - die quantenmechanischen
MehrUrs Wyder, 4057 Basel Funktionen. f x x x x 2
Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Funktionen f 3 ( ) = + f ( ) = sin(4 ) Inhaltsverzeichnis DEFINITION DES FUNKTIONSBEGRIFFS...3. NOTATION...3. STETIGKEIT...3.3 ABSCHNITTSWEISE DEFINIERTE FUNKTIONEN...4
Mehr5. Zustandsgleichung des starren Körpers
5. Zustandsgleichung des starren Körpers 5.1 Zustandsgleichung 5.2 Körper im Schwerefeld 5.3 Stabilität freier Rotationen 2.5-1 5.1 Zustandsgleichung Zustand: Der Zustand eines starren Körpers ist durch
MehrDynamik von infektiösen Krankheiten: Epidemiemodelle und AIDS - Teil 4
Dynamik von infektiösen Krankheiten: Epidemiemodelle und AIDS - Teil 4 Patrick Klein 22.01.13 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Rindertuberkulose
MehrBiostatistik, WS 2013/2014 Differential- und Integralrechnung
1/30 Biostatistik, WS 2013/2014 Differential- und Integralrechnung Matthias Birkner http://www.mathematik.uni-mainz.de/~birkner/biostatistik1314/ 15.11.2013 Ableitung 2/30 Isaac Newton (1643-1727) Gottfried
MehrPROBEPRÜFUNG MATHEMATIK I UND II
PROBEPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften Für diese Probeprüfung sind ca 4 Stunden vorgesehen. Die eigentliche Prüfung wird signifikant
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
MehrDeterministisches Chaos
Deterministisches Chaos Um 1900 Henri Poincaré: Bewegung von zwei Planeten um die Sonne kann zu sehr komplizierten Bahnen führen. (chaotische Bahnen) Seit ca. 1970 Entwicklung der Chaostheorie basierend
Mehrallgemeine Informationen
allgemeine Informationen Für das Zerfallsgesetz gilt der Zusammenhang N t =N 0 e t, wobei t die Zeit, N t die Anzahl der Kerne zum Zeitpunkt t, N 0 die Anzahl der Kerne zum Zeitpunkt t=0 (also zu Beginn
MehrDie Ökologie beschäftigt sich mit den Wechselwirkungen zwischen abiotischen und biotischen Faktoren.
6. Ökologie Die Ökologie beschäftigt sich mit den Wechselwirkungen zwischen abiotischen und biotischen Faktoren. biotische Faktoren Fressfeinde Nahrung (Pflanzen) Artgenossen (Vermehrung) Konkurrenten
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 3. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.e Department Biologie II Telefon: 089-80-74800 Großhaernerstr. Fa:
MehrStochastik Approximationen der Binomialverteilung
Stochastik Approximationen der Binomialverteilung Stefan Englert stefan.englert@gmx.net 21. April 2007 Inhaltsverzeichnis 1 Approximation von n! und b n,p (k) 2 2 Der Satz von de Moivre-Laplace 6 3 Die
MehrInwiefern nutzte Leonardo da Vinci seine wissenschaftlichen Forschungen für seine Kunst und welche Konsequenzen ergaben sich dadurch für seine Werke?
Medien Alexander Kafetzopoulos Inwiefern nutzte Leonardo da Vinci seine wissenschaftlichen Forschungen für seine Kunst und welche Konsequenzen ergaben sich dadurch für seine Werke? Studienarbeit Titelseite
Mehr5.5. Prüfungsaufgaben zur graphischen Integration und Differentiation
5.5. Prüfungsaufgaben zur graphischen Integration und Differentiation Aufgabe : Verschiebung und Streckung trigonometrischer Funktionen (5) a) Bestimmen Sie die Periode p sowie die Nullstellen der Funktion
Mehr= 1 3 n3 n n 4. b n. b n gilt, reicht es zu zeigen, dass für irgendein n die Gleichheit a n
2005-2-2 Klausur 2 Klasse b Mathematik Lösung Zwei Folgen sind gegeben, in rekursiver und b n in expliziter Form: =2 4 ;a = 2 b n = 3 n3 n 2 8 3 n 4 a) Geben Sie die ersten drei Folgenglieder jeder Folge
Mehr11 Allgemeine Theorie, Lineare Differentialgleichungen Lösungsmethoden
FH-Studiengang Biotechnologie, WS 007/08 Übungsaufgaben zur Angewanen Mathematik 3 11 Allgemeine Theorie, Lineare Differentialgleichungen Lösungsmethoden 101. Wir betrachten einen Schadstoff, der in ein
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
Mehr11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.
11. Nichtlineare Dynamik und Chaos Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt. der Auslenkung Fadenlänge L, Masse m, Auslenkwinkel φ Rücktreibende Kraft: Beschleunigung:
MehrKapitel 5 GRENZWERTE
Kapitel 5 GRENZWERTE Fassung vom 3. Februar 2006 Mathematik für Humanbiologen und Biologen 69 5. Der Begri des Grenzwertes 5. Der Begri des Grenzwertes An den Messungen der Hefevermehrung (vgl. Beispiel
Mehr