Exercises population. Øyvind Ryan

Like dokumenter
Exercises GEO1040. Øyvind Ryan

Løsningsforslag for eksamen i brukerkurs i matematikk A (MA0001)

Løsningsforslag til øving 1

Examples plotting. Øyvind Ryan

Oppgave 4. Med utgangspunkt i eksemplet gitt i oppgaveteksten er veien ikke lang til følgende kode i Matlab/Octave:

Funksjoner S1, Prøve 1 løsning

Løsningsforslag til utvalgte oppgaver i kapittel 10

Oppgave x d 1.0 for n from 1 by 1 to 200 do x d sin x end do

Oppgave Iterasjonen ser ut til å konvergere sakte mot null som er det eneste fikspunktet for sin x.

Examples MAT1110. Øyvind Ryan

Funksjoner 1T, Prøve 1 løsning

Løsningsforslag for første obligatoriske oppgave i STK1100 Våren 2007 Av Ingunn Fride Tvete

Termodynamikk og statistisk fysikk Oblig 7

Obligatorisk oppgave 1

Noen MATLAB-koder. 1 Plotte en vanlig funksjon. Fredrik Meyer. 23. april 2013

4 Differensiallikninger R2 Oppgaver

Løsning av utvalgte øvingsoppgaver til Sigma R2 kapittel 5

Løsningsforslag: MAT 1110 Obligatorisk oppgave 2, V-12

MAT1110: Obligatorisk oppgave 2, V Løsningsforslag

5.9 Momentan vekstfart

MAT-INF 2360: Obligatorisk oppgave 1

Funksjoner S2 Oppgaver

Plotting av data i grafer

Prosent og eksponentiell vekst

Eksamensoppgave i MA0002 Brukerkurs i matematikk B - LØSNING

Regneøving 9. (Veiledning: Fredag 18. mars kl og mandag 21. mars kl )

I et eksperiment er det målt følgende sammenheng mellom to størrelser x og y. x Y = ax + b:

Matematikk Øvingsoppgaver i numerikk leksjon 3. Løsningsforslag

Lærebokforfattere INNHOLD. REALFAGLIG PROGRAMMERING side 3. MINIKURS I PROGRAMMERING side 4. TRINKET side 6. LØKKER side 8

Tall i arbeid Påbygging kapittel 3 Funksjoner Løsninger til innlæringsoppgavene

SCE1106 Control Theory

Fasit til utvalgte oppgaver MAT1110, uka 28/4-2/5

d) Vi skal nne alle lsningene til dierensialligningen y 0 + y x = arctan x x pa intervallet (0; ). Den integrerende faktoren blir R x e dx = e ln x =

41070 STABILITET I ELKRAFTSYSTEMER

DEL 1 Uten hjelpemidler

Control Engineering. MathScript. Hans-Petter Halvorsen

Tabell 1: Beskrivende statistikker for dataene

MAT1120 Plenumsregningen torsdag 26/8

Stigningstall og konstantledd, løsningsforslag

Del 2: Alle hjelpemidler er tillatt, med unntak av Internett og andre verktøy som tillater kommunikasjon.

LØSNINGER UKE 6, STK1100. Ekstraoppgave 5 a) Sannsynligheten for at en 75 år gammel kvinne skal bli minst 80 år

Modellering 2P, Prøve 1 løsning

MA2501 Numeriske metoder

FYS2130 forelesning 1. februar 2013 Noen kommentarer til kapittel 3: Numeriske løsningsmetoder

MAT-INF 2360: Obligatorisk oppgave 1

Løsningsforslag Obligatorisk oppgave 1 IN241 VLSI-konstruksjon

Høgskolen i Oslo og Akershus. a) Finn den deriverte av disse funksjonene: b) Finn disse ubestemte integralene: c) Finn disse bestemte integralene:

MA0002 Brukerkurs i matematikk B Vår 2016

MA0002 Brukerkurs i matematikk B Vår 2013

Termodynamikk og statistisk fysikk Oblig 4

Eksamen 2P MAT1015 Høsten 2012

Termodynamikk og statistisk fysikk Oblig 2

Løsningsforslag til øving 10

Eksempelsett R2, 2008

ITGK - H2010, Matlab. Repetisjon

Løsningsforslag for MAT-0001, desember 2009, UiT

Eksamen 2P MAT1015 Høsten 2012 Løsning

Sted Gj.snitt Median St.avvik Varians Trondheim Værnes Oppdal

a) The loop transfer function with the process model with a P controller is given by h 0 (s) = h c (s)h p (s) = K p (1 + s)(2 + s) K p

Eksempel 1: Bestemmer om tallet som skrives inn er et partall eller et oddetall side 12

Tall i arbeid Påbygging Kapittel 3 Funksjoner Løsninger til innlæringsoppgavene

Løsning 1P, funksjoner

Løsningsforslag øving 12, ST1301

2P kapittel 2 Modellering Utvalgte løsninger oppgavesamlingen

2P eksamen våren 2016 løsningsforslag

Eksamen S1 høsten 2014

2P-Y eksamen våren 2018 løsningsforslag

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag

Løsningsforslag. Oppgave 1 Gitt matrisene ] [ og C = A = 4 1 B = 2 1 3

Løsningsforslag Eksamen M001 Våren 2002

Matematikk Øvingsoppgaver i numerikk leksjon 6. Løsningsforslag

Alternativ II: Dersom vi ikke liker å stirre kan vi gå forsiktigere til verks. Først ser vi på komponentlikninga i x-retning

Løsningsforslag for eksamen i REA3026 Matematikk S eksamensoppgaver.org

S1 kapittel 5 Funksjoner Løsninger til oppgavene i boka

Høgskolen i Oslo og Akershus. i=1

2P eksamen våren 2018 løsningsforslag

MAT-INF 1100: Obligatorisk oppgave 1

Løsningsforslag MAT102 Vår 2018

Programmering i Java med eksempler

MA0002 Brukerkurs i matematikk B Vår 2017

eksamensoppgaver.org 4 lg(x 3) = 2 10 lg(x 3) = 10 2 x 3=100 x = 103 tan x = 3 x [0, 360 x = arctan( 3) x = arctan(3)

MAT 1110: Oblig 1, V-12, Løsningsforslag

Funksjoner 1T, Prøve 2 løsning

DEL 1. Uten hjelpemidler. a) Sett opp et likningssystem som svarer til opplysningene ovenfor.

Prøve i Matte 1000 BYFE DAFE 1000 Dato: 03. mars 2016 Hjelpemiddel: Kalkulator og formelark. Alle svar skal grunngis. Alle deloppgaver har lik vekt.

Om plotting. Knut Mørken. 31. oktober 2003

NTNU. TMA4105 Matematik 2 våren Maple-øving 1. Viktig informasjon. Institutt for matematiske fag. maple01 1.

Lineære funksjoner - Elevark

MATLAB for MAT Klara Hveberg og Tom Lindstrøm

Oppgaver til seksjon med fasit

Eksamen R2, Våren 2011 Løsning

Oppgaver. Innhold. Funksjoner i praksis Vg2P

Transkript:

Exercises population Øyvind Ryan 19. februar 2013

1. Vi antar at en bakteriepopulasjon vokser eksponentielt og har en vekst gitt ved P = P 0 e kt der t er tiden i sekunder, P 0 = 120 er antall bakterier ved t=0 og k = 0.04s 1. Finn ut hvor mange bakterier det er etter: a. 10 sekunder Løsningsforslag: 179 b. 30 sekunder Løsningsforslag: 398 c. 1 minutt Løsningsforslag: 1.3228 10 3 d. 1 time Løsningsforslag: 4.14 10 64 2. Vi skal se litt mer på oppgaven fra tidligere der vi hadde en bakteriepopulasjon som vokste eksponentielt og hadde en vekst gitt av P = P 0 e kt der t er tiden i sekunder, P 0 =120 er populasjonen ved t = 0 og k = 0.04. Løsningsforslag: Koden blir t=0:30; % tidsrekka k=0.04; % parameter P0=120; % bakteriepopulasjonen ved start P=P0*exp(k*t); figure(1) plot(p) xlabel( tid [s] ) ylabel( antall bakterier ) title( Populasjon ) xlim([1 30]) t=1:60*6; P=P0*exp(k*t); figure(2) plot(p) xlabel( tid [s] ) ylabel( antall bakterier ) 2

title( Populasjon ) plot(t,1e8, r* ) xlim([1 360]) hold off Tidspunktet naar populasjonen naar grensen er ved ca. 340 sekunder. a. Lag en tidsvektor for de 30 første sekundene som du kaller t. b. Regn ut bakteriepopulasjonen for hver t, og plot denne. Sett navn på aksene. c. Lag en ny tidsvektor som representerer 6 minutter. d. Regn ut bakteriepopulasjonen for hvert sekund i 6 minutter, og plot denne. Sett navn på aksene e. Plot en linje i figuren din som markerer der populasjonen når 10 8 bakterier. La linjen være røde stjerner. Les av for hvilken t denne verdien nås. 3. I denne oppgaven skal vi se på en modell for samspillet mellom rovdyr og byttedyr. Vi lar x n og y n betegne hhv. antall rovdyr og antall byttedyr etter n uker, og vi antar at x n+1 = x n (1 r + c y n ) y n+1 = y n (1 dx n + q) der r, q, c og d er små, positive tall. a. Forklar tankegangen bak modellen. b. Velg r = 0.02, q = 0.04, c = 0.0002, d = 0.001, x 1 = 50, y 1 = 200. Lag et program som regner ut x n og y n for n 1000. Plott følgene x n og y n i samme koordinatsystem. Hvorfor er toppene til x n forskjøvet i forhold til toppene til y n? Løsningsforslag: Koden blir % rovdyr og byttedyr % antall dyr i en uke = antall dyr uka f r - de d de + de nyf dte % antall nyf dte rovdyr avhengig av antall byttedyr % antall d de byttedyr avhengig av antall rovdyr 3

nt=1000; % antall uker r=0.02; % def av f dselsrater og d delighetrater q=0.04; c=0.0002; d=0.001; x=zeros(1,nt); y=zeros(1,nt); x(1)=50; % initialisering antall rovdyr y(1)=200; % initialisering antall byttedyr for n=2:nt x(n)=x(n-1)*(1-r+c*y(n-1)); y(n)=y(n-1)*(1-d*x(n-1)+q); end figure plot(x, r ) plot(y, b ) title( antall rovdyr (r d) og byttedyr (blâ) ) hold off % er det mange byttedyr, ker antall rovdyr; er det fâ byttedyr, minker antall rovdyr 4. En dyrestamme består av tre årskull. Vi regner med at 40% av dyrene i det yngste årskullet lever videre året etter, mens 70% i det nest yngste årskullet lever videre året etter. Ingen dyr lever mer enn tre år. Et individ i det andre årskullet blir i gjennomsnitt forelder til 1.5 individer som blir født året etter. Et individ i det eldste årskullet blir i gjennomsnitt forelder til 1.4 individer som blir født året etter. La x n, y n, z n være antall dyr i hvert årskull etter n år, og forklar hvorfor x n+1 = 1.5y n + 1.4z n y n+1 = 0.4x n z n+1 = 0.7y n a. Anta at det er 100 dyr av hvert årskull det første året. Lag et program som regner ut x n, y n og z n for 1 n 100. Plott alle tre kurvene i samme vindu. Lag et nytt vindu der du plotter alle de relative bestandene x n = x n x n +y n +z n, y n = y n x n +y n +z n, z n = z n x n +y n +z n. b. Gjenta a., men bruk andre startverdier, f.eks. x 1 = 300, y 1 = 0, z 1 = 0. Sammenlign med resultatene i 1. Gjør oppgavene enda en gang med et nytt sett av startverdier. Ser du et mønster? 4

Løsningsforslag: Koden blir: %oppgave med 3 Ârskull % x er antall yngste, y antall mellomste, og z antall eldste % indeksen k representerer hvilket Âr man er i. nt = 100; %antall Âr x=zeros(1,nt); y=zeros(1,nt); z=zeros(1,nt); x(1)=100; % initialisering antall dyr y(1)=100; z(1)=100; for k=2:nt % regne ut utviklingen x(k)=1.5*y(k-1)+1.4*z(k-1); y(k)=0.4*x(k-1); z(k)=0.7*y(k-1); end figure plot(x, : ) plot(y, -- ) plot(z, - ) %beregne og plotte de relative bestandene xr=x./(x+y+z) yr=y./(x+y+z) zr=z./(x+y+z) figure plot(xr, : ) plot(yr, -- ) plot(zr, - ) 5. Vi skal se på utviklingen til tre generasjoner av en dyrepopulasjon. Den første generasjonen kalles x, den midterste y og den eldste z. 40% av dyrene i generasjon x overlever til generasjon y, og 70% av dyrene i generasjon y overlever til generasjon z pr. år. Dyrene i generasjon y får gjennomsnittlig 1.5 barn hver pr. år, og dyrene i generasjon z får 1.4 barn hver pr. år. Løsningsforslag: a. og b.: function[x,y,z,b] = populasjon(x1,y1,z1,b1,t) 5

x(1)=x1; y(1)=y1; z(1)=z1; b(1)=b1; for i=1:t x(i+1)=1.5*y(i)+1.4*z(i)+0.5*b(i); y(i+1)=0.4*x(i); z(i+1)=0.7*y(i); b(i+1)=0.2*z(i); end a. Du skal lage en funksjon som tar i mot hvor mange dyr det er i hver generasjon ved tiden t=1, og sender tilbake tre arrayer som inneholder utviklingen til hver generasjon. I tillegg skal funksjonen også ta imot hvor mange tidsskritt(år) frem i tid du vil se på. Første linje i programmet ditt skal se slik ut: function[x,y,z] = populasjon(x1,y1,z1,t) Her er x1, y1, z1, og t vanlige tall, mens x, y, og z er arrayer. b. I denne funksjonen var z den eldste generasjonen. Under studiet av denne dyrepopulasjonen fant du ut at det var en generasjon til som var enda eldre enn z, nemlig generasjon b! Det var 20% av dyrene som var i generasjon z som overlevde til generasjon b, og annethvert dyr i generasjon b fikk ett barn pr. år. Gjør endringene som trengs i funksjonen for at den skal beregne utviklingen til bestanden inkludert generasjon b. Første linje i programmet ditt skal nå se slik ut: function[x,y,z,b] = populasjon(x1,y1,z1,b1,t) c. Lag en ny funksjon der du sender inn arrayene x,y,z, og b. Funksjonen skal lage et plot som viser utviklingen til populasjonene. Figuren skal ha navn på aksene, tittel og de fire grafene skal ha ulike farger. Første linje i programmet ditt skal se slik ut: function figur(x,y,z,b) Løsningsforslag: Koden blir 6

function figur(x,y,z,b) plot(x) plot(y, r ) plot(z, g ) plot(b, k ) xlabel( {\aa}r ) ylabel( antall dyr ) title( Populasjon ) legend( x, y, z, b ) 7