To pytanie istnieje już od jakiegoś czasu, więc spróbuję zacząć od częściowej odpowiedzi.

Podstawowe założenia standardowego modelu Wrighta-Fishera to:

• Stała wielkość populacji $ N $.
• Dyskretne, nienakładające się pokolenia.
• Neutralność (np. Wszyscy ludzie mają równe szanse na rozmnażanie)

Wolę patrzeć na model dla haploidów / chromosomów. Jeśli połączysz chromosomy w poliploidy, otrzymasz dodatkowe założenie losowego kojarzenia, np. wszystkie pary osobników z równym prawdopodobieństwem rozmnażają się.

Mogłem coś przeoczyć, ale te założenia powinny wystarczyć do wygenerowania Wright-Fisher-Dynamics: Kiedy budujemy nowe pokolenie, musimy wypełnić $ N $ spotów ponownie (wynika z dwóch pierwszych założeń). Ponieważ każdy stary osobnik ma równe szanse na reprodukcję (trzecie założenie), np. aby zostać rodzicem nowej osoby, otrzymujemy wielomianowy rozkład potomstwa.

Główna różnica w modelu Morana polega na tym, że zakłada on nakładające się pokolenia. Główne założenia są następujące:

• Ponownie stała wielkość populacji.
• Osoby rozmnażają się w stałym tempie.
• Neutralność (jednak model Morana może stosunkowo łatwo być przystosowane do włączenia pozytywnej selekcji).

Za każdym razem, gdy osobnik rozmnaża się, inny natychmiast umiera, aby utrzymać stałą wielkość populacji.

Co ciekawe, modele mają ten sam granica dyfuzji, np zachowują się podobnie w przypadku dużych populacji (i identycznie w przypadku „nieskończenie dużej populacji”). Jeśli prześledzisz pochodzenie próbki w dużej populacji, zbliżysz się do Koalescencji Kingmana w obu modelach.

Myślę, że te dwa modele istnieją bardziej ze względu na ich różne matematycznych, ponieważ jedna lepiej pasuje do pewnych naturalnych populacji niż druga. Nie znam żadnych eksperymentów, które pokazałyby, jak dobrze pasują, może ktoś inny może tu wskoczyć.