На нашем сайте вы можете читать онлайн «Математические модели в естественнонаучном образовании. Том II». Эта электронная книга доступна бесплатно и представляет собой целую полную версию без сокращений. Кроме того, доступна возможность слушать аудиокнигу, скачать её через торрент в формате fb2 или ознакомиться с кратким содержанием. Жанр книги — Знания и навыки, Учебная и научная литература, Учебники и пособия для вузов. Кроме того, ниже доступно описание произведения, предисловие и отзывы читателей. Регулярные обновления библиотеки и улучшения функционала делают наше сообщество идеальным местом для любителей книг.
Математические модели в естественнонаучном образовании. Том II

Дата выхода
09 сентября 2022
Краткое содержание книги Математические модели в естественнонаучном образовании. Том II, аннотация автора и описание
Прежде чем читать книгу целиком, ознакомьтесь с предисловием, аннотацией, описанием или кратким содержанием к произведению Математические модели в естественнонаучном образовании. Том II. Предисловие указано в том виде, в котором его написал автор (Денис Владимирович Соломатин) в своем труде. Если нужная информация отсутствует, оставьте комментарий, и мы постараемся найти её для вас. Обратите внимание: Читатели могут делиться своими отзывами и обсуждениями, что поможет вам глубже понять книгу. Не забудьте и вы оставить свое впечатие о книге в комментариях внизу страницы.
Описание книги
Начало XXI века ознаменовано выходом в свет прекрасной книги Mathematical Models in Biology An Introduction / Elizabeth S. Allman, University of Southern Maine, John A. Rhodes, Bates College, Maine, содержащей обзор достижений века предшествующего, которая легла в основу данного издания, поэтому если уже знакомы с ней, то мне вас практически нечем удивить. В противном случае – добро пожаловать в чудесный мир тесного переплетения идей биологии, криптографии, абстрактной общей алгебры, конкретной дискретной математики и вероятностной математической статистики, на пользу бурно развивающейся ныне биоматематики. Хотите узнать в чём практический смысл вычисления собственных значений и собственных векторов матриц? Как определяется доля населения, которая должна быть успешно вакцинирована для обеспечения коллективного иммунитета? Как из структуры ДНК можно почерпнуть принципы СУВ? И много-многое другое? Тогда эта книга именно для вас.
Математические модели в естественнонаучном образовании. Том II читать онлайн полную книгу - весь текст целиком бесплатно
Перед вами текст книги, разбитый на страницы для удобства чтения. Благодаря системе сохранения последней прочитанной страницы, вы можете бесплатно читать онлайн книгу Математические модели в естественнонаучном образовании. Том II без необходимости искать место, на котором остановились. А еще, у нас можно настроить шрифт и фон для комфортного чтения. Наслаждайтесь любимыми книгами в любое время и в любом месте.
Текст книги
11, отбрасывая ребро, ведущие к временной группе
. Таким образом, теперь есть две объединенные группы,
и
. Чтобы вычислить новую таблицу, содержащую эти две найденные группы, усредняем расстояния
и
. Выше уже вычислили
, поэтому получаем таблицу 5.8.
Таблица 5.8. Расстояния между группами; FM-алгоритм, шаг 2b
1.005 .8425
.515
На этом этапе можем получить итоговое дерево по таблице путем окончательного применения 3-точечных формул, что дает рисунок 5.
Рисунок 5.12. FM-алгоритм; шаг 3.
Теперь заменяем группы на этой последней диаграмме шаблонами ветвления, которые уже нашли ранее. Это дает рисунок 5.13.
Последним шагом является заполнение оставшихся длин
и
, используя длины, показанные на рисунке 5.12. Так как
и
в среднем дают расстояние
от соединяющей их вершины, а
и
находятся в среднем на
от соединяющей их вершины, то
и
получаем для присвоения длин оставшимся ребрам.
Рисунок 5.13. FM-алгоритм; завершение.
Обратите внимание, что одно ребро оказалось отрицательной длины. Поскольку этого не может быть, многие на практике предпочли бы просто переопределить длину в 0. Однако, если это произойдет, то должны будем по крайней мере проверить, что отрицательная длина была близка к 0, иначе придётся беспокоиться о качестве используемых данных.
Хотя на первый взгляд это может показаться странным, но как алгоритм Фитча-Марголиаша, так и UPGMA будут создавать точно такое же топологическое дерево при применении к набору данных. Причина этого заключается в следующем: при принятии решения о том, к каким таксонам или группам присоединиться на каждом шаге, оба метода учитывают точно такую же свернутую таблицу данных и оба выбирают пару, соответствующую наименьшей записи в таблице. Отличаться будут только метрические характеристики результирующих деревьев.
Фитч и Марголиаш в 1967 году фактически предложили свой алгоритм не как самоцель, а скорее, как эвристический метод получения дерева, которое, вероятно, будет иметь определенное свойство оптимальности, о чем еще поговорим в ходе решения связанных с этим задач.








