§ 7. О детерминистских и стохастических моделях
Результаты, полученные в трех предыдущих параграфах, показывают, что обычным следствием учета случайных факторов в математических моделях теории популяций (и, по-видимому, в теории биологических сообществ тоже) являются более жесткие требования к параметрам системы, которые обеспечивают ее устойчивость (в том или ином смысле).
Естественно, что область устойчивости, полученная по какому-либо критерию на основании вероятностной модели, будет уже аналогичной области для детерминистской модели.Возникает вопрос: при каких условиях детерминистские модели более или менее адекватно описывают реальные ситуации и когда можно пренебречь влиянием случайности?
Обычно мы предполагаем, что изучаемое нами сообщество состоит из п групп (популяций) с численностями Nlf
N2.......... N„. Если в интересующие нас моменты времени
эти численности известны, то мы считаем, что тем самым нам полностью известна динамика сообщества. Вообще говоря, Л?!, N2 Nn можно рассматривать как случай
ные величины и описывать их изменения во впемени как некоторый стохастический процесс, где
— вероятность того, что в заданный момент времени в соооществе насчитывается не более чем особей, принадлежащих к соответствующим группам. Поскольку при возрастании численности случайной величины А\, ... , Nn сходятся по вероятности к своим средним значениям, то поведение сообщества с достаточно большой численностью удовлетворительно описывается динамикой средних величин. Поэтому в нашей книге, посвященной рассмотрению одного из аспектов динамического поведе- ния сообществ — устойчиврсти, мы, в основном, имеем дело лишь с достаточно большими по численности сообществами, которые описываем математическими ожиданиями (средними) численностей групп.
Возможен и более «физический» подход к этой проблеме, почтине связанный с вероятностными понятиями. Пусть
— n-мерное фазовое пространство, и мы изучаем в этом пространстве кривые, являющиеся траекториями нашей модельной системы. Реальное поведение системы можно представить как движение по некоторой идеальной усредненной траектории, на которое наложены различные флюктуации. Но поскольку время пребывания в состояниях, отличающихся от среднего, пропорционально то можно считать, что при достаточно большой общей численности сообщество почти всегда (за исключением, может быть, отдельных моментов времени) движется по идеальной траектории. Поэтому для сообществ, численность которых велика, применимо динамическое описание.
Конечно, все эти рассуждения не могут претендовать на строгость. Но они достаточно правдоподобны и, как нам кажется, помогают понять выбор того или иного формального описания моделируемого объекта.
Еще по теме § 7. О детерминистских и стохастических моделях:
- Критерий стохастической независимости Аббе
- 7 Стохастические интегралы
- 4.2. Фрактальные свойства стохастического аттрактора
- Г л а в а 8Принцип стохастической устойчивости- неустойчивости стационарных состояний
- Принцип стохастической устойчивости- неустойчивости стационарных состояний
- 36. Процедура проверки адекватности оцененной линейной эконометрической модели на примере модели Оукена
- § 4. Общая модель хищник — жертва (модель Колмогорова)
- 93. Спецификация и приведенная форма эконометрических моделей в виде системы одновременных уравнений. Эконометрическая модель Самуэльсона-Хикса делового цикла экономики
- Лукашов. Финансовые приложения стохастического анализа Саратов: УЦ «Новые технологии в образовании» (0000). — 97 с., 0000
- Искусственные модели и модели растительного происхождения
- § 3. Кейнсианская модель равновесия между совокупным спросом и совокупным предложением (модель AD—AS)
- 46. Проверка гипотезы о значимости нелинейной модели регрессии. Проверка гипотезы о линейной зависимости между переменными модели регрессии
- 8.Экологический кризис и модели экоразвития найти модели экоразвития
- 4. Модель равновесия на денежном рынке LM. Общая модель равновесия на товарном и денежном рынках IS - LM
- Модели организации знаний о действиях. Процедурные знания. Теория (модель) семантической организации процедурных знаний
- 82. Линейные модели стационарного временного ряда
- Модель Миллера – Орра