1. Nauka
  2. /
  3. Kursy
  4. /
  5. Algebra liniowa dla data science w R

Connected

ćwiczenie

Modele Markowa dla częstości alleli

Na wykładzie zobaczyłeś, że dominująca wartość własna macierzy Markowa \(M\), której wynik w R wygląda następująco:

      [,1]  [,2]  [,3]  [,4]
[1,] 0.980 0.005 0.005 0.010
[2,] 0.005 0.980 0.010 0.005
[3,] 0.005 0.010 0.980 0.005
[4,] 0.010 0.005 0.005 0.980

generuje wektor własny modelujący sytuację, w której allele są reprezentowane równomiernie (każdy z prawdopodobieństwem 0,25).

W tym ćwiczeniu używamy pętli for, aby iterować proces mutacji, zaczynając od początkowego rozkładu alleli:

[1] 1 0 0 0

Pokaż, że tak właśnie się dzieje – że wektor własny dostarcza właściwych informacji zamiast pętli for.

Więcej informacji o procesach Markowa znajdziesz pod tym linkiem.

Instrukcje

100 XP
  • Wyświetl x – rozkład alleli po 1000 mutacjach.
  • Wyznacz i przeskaluj pierwszy wektor własny macierzy M (która jest już wczytana) tak, aby jego suma wynosiła 1. Przypisz wynik do v1.
  • Wyświetl v1 – przeskalowany pierwszy wektor własny macierzy M – i porównaj go z x.