The computations of likelihood or p

The computations of likelihood or posterior distribution of parameters of complex population genetics models are common tasks
in computational biology. The numerical results of these approaches are often found by Monte Carlo simulations. Much of the
recent work of Monte Carlo approaches to population genetics problems has used pseudorandom sequences. This paper explores
alternatives to these standard pseudorandom numbers and considers the use of uniform random sequences, more specifically,
uniformly distributed sequences (quasi-random numbers) to calculate the likelihood. We demonstrate by examples that quasiMonte
Carlo can be a viable alternative to the Monte Carlo methods in population genetics. Analysis of a simple two-population
problem in this paper shows that parallel quasi-Monte Carlo methods achieve the same or better parameter estimates as standard
Monte Carlo and have the potential to converge faster and so reduce the computational burden

ผลลัพธ์ (ไทย) 1:

หนึ่งของความเป็นไปได้หรือหลังกระจายของพารามิเตอร์ของแบบจำลองพันธุศาสตร์เชิงประชากรซับซ้อนเป็นงานทั่วไปชีววิทยาเชิงคำนวณ ผลลัพธ์ตัวเลขของแนวทางเหล่านี้มักจะพบ โดยจำลอง Carlo มอน มากผลงานล่าสุดของวิธี Monte Carlo เกี่ยวกับพันธุศาสตร์เชิงประชากรได้ใช้ลำดับสุ่มเทียม สำรวจเอกสารนี้แทนตัวเลขสุ่มเทียมมาตรฐานเหล่านี้ และพิจารณาการใช้รูปแบบสุ่มลำดับ อื่น ๆ โดยเฉพาะกระจายสม่ำเสมอเมื่อเทียบเคียงลำดับ (เลขสุ่มกึ่ง) ในการคำนวณโอกาส เราแสดง โดยตัวอย่างที่ quasiMonteCarlo สามารถเป็นทางเลือกวิธีการมอน Carlo ในพันธุศาสตร์เชิงประชากรได้ การวิเคราะห์ประชากรสองอย่างปัญหาในเอกสารนี้แสดงที่มอน quasi-ขนาน Carlo วิธีบรรลุเหมือนกัน หรือดีกว่าพารามิเตอร์ประเมินตามมาตรฐานMonte Carlo และอาจมาบรรจบกันได้เร็วขึ้น และเพื่อ ลดภาระงานที่คำนวณ

ผลลัพธ์ (ไทย) 2:

คำนวณความน่าจะเป็นของหรือการกระจายหลังของพารามิเตอร์ของรุ่นพันธุศาสตร์ประชากรที่ซับซ้อนงานทั่วไปในชีววิทยา ผลการคำนวณของวิธีการเหล่านี้มักจะพบได้โดยการจำลอง Monte Carlo มากจากการทำงานที่ผ่านมาของ Monte Carlo แนวทางในการแก้ไขปัญหาพันธุศาสตร์ประชากรได้ใช้ลำดับ pseudorandom
กระดาษนี้จะสำรวจทางเลือกเหล่านี้ตัวเลข pseudorandom มาตรฐานและคิดว่าการใช้ลำดับสุ่มสม่ำเสมอมากขึ้นโดยเฉพาะลำดับกระจายอย่างสม่ำเสมอ(ตัวเลขกึ่งสุ่ม) ในการคำนวณความน่าจะเป็น เราแสดงให้เห็นโดยตัวอย่างที่ quasiMonte Carlo สามารถเป็นทางเลือกที่ทำงานได้กับวิธีการที่มอนติคาร์ในพันธุศาสตร์ประชากร การวิเคราะห์ของสองประชากรที่เรียบง่ายมีปัญหาในการวิจัยนี้แสดงให้เห็นว่าวิธีการแบบขนานกึ่ง Monte Carlo บรรลุเดียวกันหรือดีกว่าประมาณการพารามิเตอร์เป็นมาตรฐาน Monte Carlo และมีศักยภาพที่จะมาบรรจบกันได้เร็วขึ้นและเพื่อลดภาระการคำนวณ

ผลลัพธ์ (ไทย) 3:

วิธีการคำนวณจากความน่าจะเป็นหรือการกระจายของประชากรพันธุศาสตร์ของพารามิเตอร์ที่ซับซ้อนรุ่นงานทั่วไป
ชีววิทยาเชิงคำนวณ . จากผลการทดสอบของวิธีการเหล่านี้มักจะพบโดยเทคนิคมอนติคาร์โลจำลอง . มากของ
ผลงานล่าสุดของ Monte Carlo แนวทางปัญหาพันธุศาสตร์ประชากรใช้เทียมมีดังนี้ กระดาษนี้สํารวจ
เลือกตัวเลขเหล่านี้มาตรฐานเทียมและพิจารณาการใช้ลำดับแบบสุ่มชุดมากขึ้น โดยเฉพาะการกระจายอย่างสม่ำเสมอ
( ตัวเลขสุ่มลำดับกึ่ง ) เพื่อคำนวณค่าความน่าจะเป็น เราแสดงโดยตัวอย่างที่ quasimonte
คาร์โล สามารถใช้ทางเลือกวิธีมอนติคาร์โลในพันธุศาสตร์ประชากร การวิเคราะห์ง่ายสองประชากร
ปัญหาในบทความนี้แสดงให้เห็นว่า ความขนานมอนติคาร์โลวิธีการบรรลุเดียวกันหรือดีกว่าค่าประมาณการมาตรฐาน
Monte Carlo และมีศักยภาพที่จะมาบรรจบกันได้เร็วขึ้น และเพื่อลดภาระในการคำนวณ