پاسخ : یک سوال سخت در مورد پتانسیل عمل
پتانسيل عمل توي سلولاي مژك دار گوش، از نظر گراف ثبت شده ي دستگاهي، يك نمودار خيلي سادست؛ بدين معني كه مثل قلب "زمان تراز" (plateau) رو نداره و مثل عصبه كلاً.
ولي براي ساده كردن نمايش اون قسمت هايپر پلاريزاسيون رو نشون نميدن. همينجوري الكي!
اگر شما "تابع" اين نمودار رو بخواين خب به سادگي ميشه حسابش كرد. نمودار در واقع يك نمودار زنگوله ايه كه فشرده شده. اگر درس رياضيات مدرسه يادتون باشه، فشرده شدن يك تابع يعني اين: (g(x)=k.f(x كه (g(x در واقع همون فشرده شده ي تابع (f(x هست و k>1 .
خب! اما اينجا يه كم كار سخت ميشه؛ چو نمودار زنگوله اي پارامتري داره به نام "مقدار متنظره" كه با علامت "µ" ( مو) نشونش ميدن. اين پرامتر در واقع يك چيز آماريه! بخوام ساده بگم، اين مياد ميگه كه ميانگين وزن آماري چي ميشه. اما بازم بخوام ساده تر بگم، يعني خط تقارن نمودار چي ميشه. مثلاً ٠ =µ يعني خط تقارن نمودار ميشه: ٠=y
خب! اينجا بازم سخت تر ميشه! يه پارامتر ديگه داريم به نام "واريانس" كه اونو با علامت "σ" ( سيگما ) نشون ميدن. شايد بدونين واريانس چيه. واريانس در واقع ميگه كه چيزها چقدر پخش و پلا شدن! اينم باز يه چيز آماريه! ميگه از اين خط تقارن كه گفتيم، اعداد چقدر و چجوري پخش و پلا شدن. از وصل كردن اين اعداد، نمودار مورد نظرمون رو حساب ميكنيم.
واريانس در اين حالت خودش يك تابع جداگانست. بديهي هم هست كه باشه! چون ميخواد به ازاي مقادير مختلف x فاصله هاي متفاوتي از اون خط تقارني كه گفتيم بده.
اما واريانس اينجا به درد ما نميخوره. چيزي كه لازم داريم مجذور واريانسه. به اين ميگن "انحراف طبيعي". انحراف طبيعي در واقع عامليه كه باعث ميشه مقادير (f(x منفي نشه و كل نمودار بيفته بالاي محور x ها. يه فايده ي ديگه هم داره! باعث ميشه نمودار اون شكلي كه ميخوايم بشه. مثلاً اگر اصلاً به توان نرسونيم، نمودار اصن يك چيز خط خطي و زشت ميشه! يا مثلاً اگه توان يك عدد بزرگتر از ٢ باشه، نمودار "مولتي مُدال" ميشه كه مولتي مُدال هاي درجه بالا ميل ميكنن به شكل نمودار سينوسي!
بگذريم! حالا اينجا كار خيلي خيلي سخت ميشه! اينجا بايد اين مقادير رو در تابعي لگاريتمي كه درجه ي دو هست وارد كنيم! بعيد ميدونم " اكسترمم ها" و "انتگرال" رو بلد باشيد. ولي ساده بخوام بگم بايد قله رو حساب كنيم و ربطش بديم به دايره مثلثاتي! يعني پاي عدد نپر و پي هر دو توي اين ماجرا باز ميشه!
اين مراحل رو كه طي كرديم ( با مشقت البته ! ) ميرسيم به معادله ي نهايي:
[f(x)=a.e^[-(x-b)^2 / 2c^2
كه a = 1/(σ√(2π)) , b =μ , c = σ
*هرچي واريانس كمتر باشه، نمودار هم فشرده تره. و بايد هم كمتر باشه!
اينا كه گفتم كاملاً آماري بود و كاري به حقيقت زيستي نداشتم :د لازمه تاكيد كنم اين فقط براي "يك عدد" پتانسيل عمل صدق ميكنه!
حقيقت اينه كه اين تابع بايد تكرار بشه (periodic). فاصله ي تكرار ها براي ما خيلي مهمن. پس بايد يك شرطي براي تابع بذاريم كه اين فاصله هاي تكرار شونده رو جدا كنه: يعني يك تابع سه ضابطه اي: يكي براي حالتي كه استريوسيليوم ها به سمت بلند ترين استريوسيليوم خم ميشه( كمترين فاصله بين پتانسيل هاي عمل) ، يكي حالتي كه به سمت كوتاه ترين استريوسيليوم خم ميشه( بيشترين فاصله) و يكي هم حالتي كه در حال استراحته ( فاصله ي متوسط )
پ.ن: اون k اي كه اول كار گفتم در واقع همون واريانسه ولي به صورت خفن شده!
موفق باشيد!