![]() |
---|
Hallo, ich habe eine Übergangsmatrix die den Übergang von einem Tag zum nächsten einer Population abbildet. Die Population hat 7 verschiedene Stadien und ist daher eine Matrix. %development rates of each stage dpreg dprL1 dprL2 dprL3 dprL4 dprPu %relative mortality rates of each stage rmreg rmrL1 rmrL2 rmrL3 rmrL4 rmrPu rmrAd 1-(dpreg+rmreg),0,0,0,0,0,0; dpreg,1-(dprL1+rmrL1),0,0,0,0,0; 0,dprL1,1-(dprL2+rmrL2),0,0,0,0; 0,0,dprL2,1-(dprL3+rmrL3),0,0,0; 0,0,0,dprL3,1-(dprL4+rmrL4),0,0; 0,0,0,0,dprL4,1-(dprPu+rmrPu),0; 0,0,0,0,0,dprPu,1-rmrAd; Die Werte in der Matrix die die Sterberate und die Übergänge zwischen den Stadien beschreiben sind wie gesagt pro Tag. Jetzt muss ich die Berechnung auf einen zehntel Tag bringen. Das heißt eine multiplikation der aktuellen Matrix soll das gleiche ergeben wie die neue Matrix mal mit dem neuen Ergebnis multipliziert. Mir wurde von meiner Professoring die . Wurzel empfohlen. Das funktioniert aber leider nicht im Zusammenhang mit der Übergangsmatrix. Hat jemand eine Idee und könnte mir helfen? Grüße Dominik Für alle, die mir helfen möchten (automatisch von OnlineMathe generiert): "Ich benötige bitte nur das Ergebnis und keinen längeren Lösungsweg." |
Hierzu passend bei OnlineMathe: n-te Wurzel Wurzel (Mathematischer Grundbegriff) |
![]() |
![]() |
Du redest von Übergangs-Raten statt von Übergangs-Wahrscheinlichkeiten. Daher gehe ich davon aus, dass du hier über einen zeitstetigen Prozess redest, d.h. mit Anzahlvektor zur Zeit . Die Lösung für Zeitintervall ergibt dann . Du denkst nun, dass dein die Übergang-Wahrscheinlichkeitsmatrix für den Zeitraum von Tag ist, also mit unbekanntem ? Das denke ich nicht: Tatsächlich entsprechen die angegebenen Raten einer Übergangs-Matrix = [1-(dpreg+rmreg)*t,0,0,0,0,0,0; dpreg*t,1-(dprL1+rmrL1)*t,0,0,0,0,0; 0,dprL1*t,1-(dprL2+rmrL2)*t,0,0,0,0; 0,0,dprL2*t,1-(dprL3+rmrL3)*t,0,0,0; 0,0,0,dprL3*t,1-(dprL4+rmrL4)*t,0,0; 0,0,0,0,dprL4*t,1-(dprPu+rmrPu)*t,0; 0,0,0,0,0,dprPu*t,1-rmrAd*t]; für einen infinitesimal kleinen positiven Zeitraum . Das steht dann in Einklang mit , wobei [-(dpreg+rmreg),0,0,0,0,0,0; dpreg,-(dprL1+rmrL1),0,0,0,0,0; 0,dprL1,-(dprL2+rmrL2),0,0,0,0; 0,0,dprL2,-(dprL3+rmrL3),0,0,0; 0,0,0,dprL3,-(dprL4+rmrL4),0,0; 0,0,0,0,dprL4,-(dprPu+rmrPu),0; 0,0,0,0,0,dprPu,-rmrAd]; ist. Man könnte zu einer stochastischen Q-Matrix der Dimension 8x8 ergänzen, wenn man zusätzlich den absorbierenden Zustand "tot" ergänzt: Dann bekommt man mit eine echte Markovsche Ü-Matrix für die Zeitdauer . |