• Keine Ergebnisse gefunden

Ubungen Algorithmen der Bioinformatik II ¨ Wintersemester 2007/08

N/A
N/A
Protected

Academic year: 2022

Aktie "Ubungen Algorithmen der Bioinformatik II ¨ Wintersemester 2007/08"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Ubungen Algorithmen der Bioinformatik II ¨ Wintersemester 2007/08

Prof. Dr. Stefan Posch, Dr. Birgit M¨ oller

Institut f¨ur Informatik Universit¨at Halle

Blatt 3

Aufgabe 3.1 Wir betrachten eine DNA-Sequenz der L¨ange N. Wir nehmen an, dass alle Positionen statistisch unabh¨angig sind und die Nukleotide an jeder einzelnen Position gleichverteilt auftreten.

(a) Wir betrachten wie in der Vorlesung die (¨uberlappend) gez¨ahlte Anzahl k des Auftreten des Mustergcgg. Bestimmen Sie Erwartungswert und Varianz.

(b) Wir nehmen nun (f¨alschlicherweise) an, daß die Anzahl k der Auftreten des Mu- sters binomial verteilt ist.

(i) Warum ist diese Annahme falsch?

(ii) Geben Sie den resultierenden Erwartungswert und Varianz an.

(c) Erweitern Sie die ¨Uberlegungen aus Teilaufgabe (a) f¨ur ein beliebiges Muster der L¨ange 5.

Aufgabe 3.2 Betrachten Sie N statistisch unabh¨angige ZufallsvariablenXn, die alle einer Normalverteilung N(x|µ, σ2) folgen.

(a) Bestimmen Sie die Maximum Likelihood Sch¨atzer f¨ur µund σ.

(b) Vergleichen Sie dies mit den erwartungstreuen Sch¨atzern.

Aufgabe 3.3 Generieren Sie 10 normalverteilte Zufallszahlenxn mit der Dichtefunk-

tion P(X =x) = 1

√2πe−x

2 2

(a) Berechnen Sie nun aus dieser ”Stichprobe” die MLEs ˆµ und ˆσ2.

(b) Wiederholen Sie das Ganze 106 mal und erstellen Sie Histogramme f¨ur ˆµund ˆσ2. (c) Welchen Zusammenhang gibt es zwischen den Histogrammen und den Erwar- tungswertenE(ˆµ) undE(ˆσ2). Welchen Zusammenhang gibt zwischen den Histo- grammen und den Sch¨atzern, wenn wir diese als Zufallsvariable betrachten?

(d) Wiederholen Sie alles. ¨Andert sich etwas?

Hinweis (f¨ur octave): help normal rnd

Abgabe: 02.11.07

Referenzen

ÄHNLICHE DOKUMENTE

Wir nehmen an, dass alle Positionen statistisch unabh¨angig sind und die Nukleotide an jeder einzelnen Position gleichverteilt auftreten.. (a) Wir betrachten wie in der Vorlesung

differentiell exprimierte Gene auf der einen Seite und eine Kontrollgruppe von nicht differentiell exprimierten Genen auf der anderen Seite.. Diese nennen wir im folgenden

Aufgabe 6.1 Sie gehen ohne Misstrauen in eine Spielh¨ olle, in der mit einer M¨ unze gespielt wird: Der Spieler oder die Spielerin setzt gegen den “Direktor” des Etablis- sements,

Prof. Stefan Posch, Dr. Birgit M¨ oller Institut f¨ ur Informatik Universit¨ at Halle..

Bei einer Multinomialverteilung ist die Anzahl N und damit die Summe der beobachte- ten

Aufgabe 9.1 Betrachten Sie folgendes Gl¨ ucksspiel, welches in Ihrer Lieblingsspielh¨ olle angeboten wird: Sie starten mit einem Kapital von i, 0 < i < S Euro, der Spielh¨

Teilen Sie beide Datens¨ atze jeweils in zwei H¨ alften, so dass Sie zwei TFBS-Datens¨ atze F 1 und F 2 und zwei Hintergrunddatens¨ atze B 1 und B 2 erhalten.. F¨ ur diese Datens¨

Aus den gegebenen Nukleotidsequenzen der TFBSs haben Sie die Parameter eines ho- mogenen Markov-Modells 0. Er sagt Ihnen ausserdem, dass er geh¨ ort hat, dass zur L¨ osung