Debido a que esta pregunta está recibiendo respuestas que varían desde astronómicamente pequeñas hasta casi el 100%, me gustaría ofrecer una simulación que sirva como referencia e inspiración para soluciones mejoradas.
Yo llamo a estas "tramas de llamas". Cada uno documenta la dispersión del material genético dentro de una población a medida que se reproduce en generaciones discretas. Las tramas son conjuntos de segmentos verticales delgados que representan personas. Cada fila representa una generación, con la inicial en la parte superior. Los descendientes de cada generación están en la fila inmediatamente debajo de ella.
Al principio, solo una persona en una población de tamaño está marcada y trazada en rojo. (Es difícil de ver, pero siempre se trazan a la derecha de la fila superior). Sus descendientes directos también se dibujan en rojo; aparecerán en posiciones completamente aleatorias. Otros descendientes se trazan como blancos. Debido a que el tamaño de la población puede variar de una generación a la siguiente, se usa un borde gris a la derecha para llenar el espacio vacío.n
Aquí hay una serie de 20 resultados de simulación independientes.
El material genético rojo finalmente se extinguió en nueve de estas simulaciones, dejando sobrevivientes en los 11 restantes (55%). (En un escenario, en la parte inferior izquierda, parece que toda la población finalmente se extinguió). Sin embargo, dondequiera que hubo sobrevivientes, casi toda la población contenía el material genético rojo. Esto proporciona evidencia de que la posibilidad de que un individuo seleccionado al azar de la última generación que contenga el gen rojo sea aproximadamente el 50%.
La simulación funciona determinando aleatoriamente una supervivencia y una tasa media de natalidad al comienzo de cada generación. La supervivencia se obtiene de una distribución Beta (6,2): promedia el 75%. Este número refleja la mortalidad antes de la edad adulta y las personas que no tienen hijos. La tasa de natalidad se extrae de una distribución Gamma (2.8, 1), por lo que promedia 2.8. El resultado es una historia brutal de capacidad reproductiva insuficiente para compensar la mortalidad generalmente alta. Representa un modelo extremadamente pesimista, el peor de los casos, pero (como he sugerido en los comentarios) la capacidad de crecimiento de la población no es esencial. Lo único que importa en cada generación es la proporción de rojo dentro de la población.
Para modelar la reproducción, la población actual se reduce a los sobrevivientes al tomar una muestra aleatoria simple del tamaño deseado. Estos supervivientes se emparejan aleatoriamente (cualquier superviviente que quede después del emparejamiento no puede reproducirse). Cada pareja produce un número de niños extraídos de una distribución de Poisson cuya media es la tasa de natalidad de la generación. Si alguno de los padres contiene el marcador rojo, todos los hijos lo heredan: esto modela la idea de descendencia directa a través de cualquiera de los padres.
Este ejemplo comienza con una población de 512 y ejecuta la simulación durante 11 generaciones (12 filas, incluido el inicio). Las variaciones de esta simulación que comienzan con tan solo y hasta 2 14 = 16 , 384 personas, utilizando diferentes cantidades de supervivencia y tasas de natalidad, todas exhiben características similares: al final de log 2 ( n ) generaciones (nueve en este caso), hay una probabilidad de 1/3 de que todo el rojo se haya extinguido, pero si no es así, la mayoría de la población es roja. Dentro de dos o tres generaciones más, casi toda la población es roja y seguirá siendo roja (o de lo contrario la población desaparecerá por completo).n=8214=16,384log2(n)
Por cierto, una supervivencia del 75% o menos en una generación no es fantasiosa. A finales de 1347, las ratas infestadas de peste bubónica se abrieron camino desde Asia a Europa; Durante los siguientes tres años, entre el 10% y el 50% de la población europea murió como resultado. La peste recurrió casi una vez por generación durante cientos de años después (pero generalmente no con la misma mortalidad extrema).
Código
La simulación fue creada con Mathematica 8:
randomPairs[s_List] := Partition[s[[Ordering[RandomReal[{0, 1}, Length[s]]]]], 2];
next[s_List, survive_, nKids_] := Flatten[ConstantArray[Max[#],
RandomVariate[PoissonDistribution[nKids]]] & /@
randomPairs[RandomSample[s, Ceiling[survive Length[s]]]]]
Partition[Table[
With[{n = 6}, ArrayPlot[NestList[next[#, RandomVariate[BetaDistribution[6, 2]],
RandomVariate[GammaDistribution[3.2, 1]]] &,
Join[ConstantArray[0, 2^n - 1], ConstantArray[1, 1]], n + 2],
AspectRatio -> 2^(n/3)/(2 n),
ColorRules -> {1 -> RGBColor[.6, .1, .1]},
Background -> RGBColor[.9, .9, .9]]
], {i, 1, 20}
], 4] // TableForm