Notice bibliographique
Résumé
Convergence of discrete-time Markov chains with two timescales is a powerful tool to study stochastic evolutionary games in subdivided populations. Focusing on linear games within demes, convergence to a diffusion process for the strategy frequencies as the population size increases yields a strong-migration limit. The same limit is obtained for a linear game in a well-mixed population with effective payoffs that depend on reproductive values and identity measures between individuals. The first-order effect of selection on the fixation probability of a strategy introduced as a single mutant can be calculated by using the diffusion approximation, or alternatively by summing the successive expected changes in the mutant strategy frequency that involve expected coalescence times of ancestral lines under neutrality. These can be approached by resorting to the existence of two timescales in the genealogical process. Keeping the population size fixed but letting the intensity of migration go to zero, convergence to a continuous-time Markov chain after instantaneous initial transitions yields a low-migration limit that depends on fixation probabilities within demes in the absence of migration. In the limit of small uniform dispersal, the fixation probability of a mutant strategy in the whole population exceeds its initial frequency if it is risk-dominant over the other strategy with respect to the overall average payoffs in pairwise interactions. Finally, in the low-mutation limit in the presence of recurrent mutation, the average abundance of a strategy in the long run is determined by the fixation probabilities of both strategies when introduced as single mutants in a deme chosen at random.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».