Стохастичні моделі – моделі, в яких значення, що передбачаються, залежать від розподілу імовірності.
Моделі, що задаються диференціальними рівняннями, були розроблені спочатку в додатках математики до фізики і, природно, що у пошуках моделей для екології нам перш за все варто подивитися, чи не можна використовувати те, що було розвинене в інших областях.
Ми можемо, проте, будувати наші моделі абсолютно іншим способом, поклавши в їх основу мінливість живих організмів, тоді це будуть імовірнісні або стохастичні моделі. У подібних моделях використовується зовсім інша область математики, що розвинулася пізніше, ніж диференціальне числення і диференціальні рівняння. Один простий приклад такої моделі, що відповідає детерміністській моделі експоненціального зростання, задається рівнянням
(6.14)
де у – щільність популяції у момент часу ї;
а – константа;
b(t) – випадкова змінна із нульовим середнім.
Це означає, що величина b(t) змінюється, набираючи значення з деякого випадкового розподілу так, що між флуктуаціями в послідовні моменти немає ніякої кореляції. Легко бачити, що якщо основою для імітації є стохастична модель, то результати імітації розрізнятимуться, навіть якщо константи і початкові умови однакові. Цю варіабельність забезпечують імовірнісні елементи моделі; призначення таких моделей саме в тому і полягає, щоб відобразити мінливість, характерну для живих організмів і екологічних систем. Що ж до постановки реального експерименту, то, як правило, буває необхідно провести цілу серію імітацій, для того, щоб визначити, як система реагує на різні дії.
За допомогою розподілу імовірності здійснюється підгонка моделей, тобто вибір таких значень параметрів, при яких передбачені величини досить близькі до результатів спостережень. Оцінка таких параметрів вимагає застосування статистичних методів, які спираються на теорію імовірності. І тут необхідно розрізняти популяцію і вибірку. Під популяцією розуміється така безліч індивідів, властивості яких ми хочемо досліджувати. Ці індивіди можуть бути організмами, екосистемами або навіть будь-якою характеристикою організмів або екосистем.
Вибірка – це будь-яка кінцева безліч індивідів, взята з популяції. При цьому вважається, що вибірка робиться таким чином, що обчислені за нею величини є показовими (репрезентативними) для всієї популяції і тому можуть розглядатися як оцінки відповідних величин для цієї популяції. Методи, якими проводяться вибірки, ми розглядати не будемо.
Величини, що характеризують популяцію в цілому, визначимо як параметри або як константи, або коефіцієнти в рівняннях моделі. Необхідно весь час пам'ятати про різницю між параметрами і вибірковими оцінками.
Рівняння, що задають модель, міститимуть два типи змінних. Принаймні, одна із змінних буде залежною в тому сенсі, що вона змінюється при зміні інших змінних. У розглянутих вище прикладах такою величиною є щільність популяції у. Інші змінні вважаються незалежними, наприклад/.
Визначимо підгонку моделей як вибір таких значень параметрів, при яких передбачені значення величин, достатньо близькі до спостережуваних. Насправді, імовірність того, що параметри відповідають даним спостережень, ми розглядатимемо як математичну функцію цих параметрів і визначимо її як функцію правдоподібності. Ця функція є мірою відповідності між моделлю і даними, а ті значення параметрів, для яких правдоподібність максимальна, називаються оцінками максимальної правдоподібності.
Крім того, наші моделі поділяються ще на дві категорії, а саме: аналітичні й імітаційні.
Аналітичні моделі – це ті, в яких для визначення значень величин, що передбачаються, утворюються вирази в явному вигляді, сюди належать регресійні і багатовимірні моделі, моделі планування експерименту і стандартні теоретичні статистичні розподіли.
Імітаційні моделі – це ті, які можуть бути описані за допомогою набору певних математичних операцій, таких, як розв'язання диференціальних рівнянь, повторне застосування перехідної матриці або використання випадкових чисел, різні регресії. Перевага імітаційних моделей полягає в тому, що їх легше побудувати не математику, але підігнати їх під дані спостережень звичайно важче, ніж аналітичні моделі.
Існують два аспекти, за якими детерміністська модель не може бути точним віддзеркаленням реальних екологічних систем. По-перше, вона не враховує імовірнісного характеру процесів розмноження і загибелі; по-друге, вона не враховує випадкових коливань, що відбуваються у середовищі в часі і які приводять до випадкових флуктуацій параметрів моделей. Урахування цих чинників приводить до істотного ускладнення математичного апарату. Якщо детерміністська модель свідчить про стійку рівновагу, стохастична модель – про тривале виживання. Якщо детерміністська модель передбачає періодичне зниження чисельності одного або декількох видів, стохастична модель передбачає деяку позитивну імовірність вимирання цих видів. Нарешті, якщо детерміністська модель не виявляє рівноваги або рівновага нестійка, стохастична модель передбачить високу імовірність вимирання.
Як простий приклад розглянемо імовірнісний опис процесу зростання популяції з урахуванням лище розмноження. При детерміністському підході ми вважали, що існує певна швидкість розмноження, тобто така, що чисельність популяції п за час Л збільшується на dn = εηΛ. Це приводить до експоненціального закону:
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Теорія систем в екології» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Стохастичні моделі“ на сторінці 1. Приємного читання.
