Trong sinh thái học, chúng ta thường sử dụng phương trình tăng trưởng logistic:
hoặc là
Trong đó là khả năng mang (mật độ tối đa đạt được), N 0 là mật độ ban đầu, r là tốc độ tăng trưởng, t là thời gian kể từ ban đầu.
Giá trị của có giới hạn trên mềm ( K ) và giới hạn dưới ( N 0 ) , với giới hạn dưới mạnh ở 0 .
Hơn nữa, trong bối cảnh cụ thể của tôi, các phép đo được thực hiện bằng mật độ quang hoặc huỳnh quang, cả hai đều có cực đại lý thuyết, và do đó giới hạn trên mạnh mẽ.
Do đó, lỗi xung quanh có lẽ được mô tả tốt nhất bởi phân phối giới hạn.
Ở các giá trị nhỏ của , phân phối có thể có độ lệch dương mạnh, trong khi tại các giá trị của N t tiếp cận K, phân phối có thể có độ lệch âm mạnh. Do đó, phân phối có thể có một tham số hình dạng có thể được liên kết với N t .
Phương sai cũng có thể tăng với .
Dưới đây là một ví dụ đồ họa
với
K<-0.8
r<-1
N0<-0.01
t<-1:10
max<-1
có thể được sản xuất trong r với
library(devtools)
source_url("https://raw.github.com/edielivon/Useful-R-functions/master/Growth%20curves/example%20plot.R")
Điều gì sẽ là phân phối lỗi lý thuyết xung quanh (xem xét cả mô hình và thông tin thực nghiệm được cung cấp)?
Các hướng khám phá cho đến nay: