Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
Семя – орган полового размножения и расселения растений: наружи у семян имеется плотный покров – кожура...
Топ:
Техника безопасности при работе на пароконвектомате: К обслуживанию пароконвектомата допускаются лица, прошедшие технический минимум по эксплуатации оборудования...
Устройство и оснащение процедурного кабинета: Решающая роль в обеспечении правильного лечения пациентов отводится процедурной медсестре...
Интересное:
Наиболее распространенные виды рака: Раковая опухоль — это самостоятельное новообразование, которое может возникнуть и от повышенного давления...
Уполаживание и террасирование склонов: Если глубина оврага более 5 м необходимо устройство берм. Варианты использования оврагов для градостроительных целей...
Берегоукрепление оползневых склонов: На прибрежных склонах основной причиной развития оползневых процессов является подмыв водами рек естественных склонов...
Дисциплины:
2021-12-12 | 37 |
5.00
из
|
Заказать работу |
|
|
В том случае, если в ходе анализа бета-разнообразия необходимо выделять скопления анализируемых выборок или разбить их на некоторое число групп, можно воспользоваться методами кластерного анализа.
Кластерный анализ — один из методов многомерного анализа, сущность которого состоит в иерархической классификации объектов и разделении множества объектов на однородные группы. Внутри каждой группы, получаемой в результате разбивки объектов на кластеры (группы), объекты более сходны, чем с объектами из других групп. В ходе кластерного анализа на основании анализа вторичной матрицы сходства проводится последовательное объединение объектов в группы по степени их сходства, пока все они не будут включены в одну группу.
Графически иерархическая классификация отображается в виде дендрограммы (дерева). Интерпретация результатов кластерного анализа в очень большой степени зависит от визуальной оценки дендрограммы, которая строится следующим образом.
В наиболее простом случае процесс группировки выборок в ходе кластерного анализа начинается с нахождения во вторичной матрице, содержащей оценки сходства между всеми анализируемыми выборками, пары наиболее сходных выборок. Эти выборки отражаются соседними точками на одной из осей. Отходящие от точек параллельные линии соединяются перпендикулярным отрезком на данном уровне сходства, который откладывается на другой оси двумерной координатной сетки. Например, если на оси абсцисс располагаются точки, обозначающие анализируемые выборки, то на оси ординат отмечается уровень сходства. Таким образом, сходные выборки объединяются в один кластер.
Затем по вторичной матрице находится вторая по величине оценка сходства. Если она связывает две другие, еще не объединенные в группу выборки, то их соединяют на графике так же, как и первые две, но отдельно от них и на соответствующем уровне сходства. Если же следующая по силе связь относится к одной из уже соединенных выборок, то присоединение связанной с ней новой выборки может происходить тремя основными способами: одиночным, полным и средним присоединением.
|
Одиночное присоединение. Его называют также методом ближнего соседа (single linkage). Соединение групп производится по максимальному значению сходства между объектами из каждой группы.
Полное присоединение, или метод дальнего соседа (complete linkage). Соединение групп проводится по минимальному значению сходства между объектами из каждой группы.
Среднее присоединение. Этот метод включает несколько вариантов. Могут использоваться средние арифметические невзве-шенные значения сходства присоединенного объекта со всеми объектами группы; взвешенные средние арифметические значения сходства; взвешенные и невзвешенные средние геометрические значения сходства; взвешенные и невзвешенные средние гармонические значения сходства и др. Вариантами среднего присоединения являются центроидный метод, метод минимизации внутригрупповой дисперсии (метод Уарда).
Таким образом, процедура кластерного анализа происходит до тех пор, пока все анализируемые выборки не будут объединены в один кластер на минимальном уровне сходства. Анализируя полученную дендрограмму, можно сделать выводы о степени сходства исследуемых выборок и о возможности выделения в большей или меньшей степени обособленных групп описаний сообществ.
Не вдаваясь в подробности математического описания указанных методов кластерного анализа, отметим, что большинство из них на сегодняшний день реализуется с помощью вычислительной техники. Разработано множество статистических пакетов программ, таких как SPSS, Statistica, STADIA и другие, которые выполняют кластерный анализ.
|
ПРИМЕРЫ РАСЧЕТА ЗНАЧЕНИЙ ИНДЕКСОВ
В настоящем раздел е. рассматриваются особенности расчетов некоторых индексов, описанных выше. Предпочтение при этом отдано наиболее употребительным, расчет которых имеет определенные особенности.
В качестве рабочего примера рассмотрим серию описаний луговой растительности, сделанных в 2006—2007 гг. в окрестностях геобазы БГУ «Западная Березина» (Минская обл., Воложинский р-н).
На каждой из пробных площадей (ПП 1—ПП 10), заложенных в пойме реки Западная Березина, было сделано по 25 учетных площадок размером 10x10 см, на которых был учтен видовой состав и надземная фитомасса каждого вида. Усредненные данные по учетным площадкам представлены в табл. 3.
Расчет индекса Шеннона
Рассчитаем индекс Шеннона для ПП 1 и ПП 2 (табл. 4).
Для расчета индекса сначала определяются доли каждого вида. Для этого биомасса каждого вида делится на суммарную биомассу. Затем из значений долей извлекается натуральный логарифм. Так как доли каждого вида — числа меньше единицы, то логарифмы этих чисел являются отрицательными величинами. На последнем этапе расчета индекса Шеннона значение доли вида умножается на натуральный логарифм этого значения и полученные цифры суммируются.
В нашем примере для ПП 1 Н' = 2,387, а для ПП 2 Н' = 2,615.
Как видно из полученных результатов, абсолютные значения индекса Шеннона для сравниваемых пробных площадей различаются, но неизвестно, насколько достоверны эти различия. Для того чтобы это выяснить, необходимо рассчитать дисперсию индекса Шеннона (VarH').
В нашем примере для ПП 1 VarH'=0,01326, а для ПП 2 VarH'= 0,01369.
Исходя из этих данных, можно рассчитать значение t-критерия Стьюдента. t = 10,96, что при числе степеней свободы df = 149 говорит о высокой достоверности различий в значениях индексов Шеннона для ПП 1 и ПП 2 несмотря на малые различия абсолютных величин индексов.
4.2. Расчет α лог-ряда
Рассчитаем α лог-ряда для ПП 1 и ПП 2.
|
Первый этап расчета заключается в итерационном решении уравнения
и нахождении входящей в это уравнение константы х. Удобнее
всего уравнения такого типа решать, используя электронные
таблицы, например программу Excel.
При использовании этой программы в первую из ячеек вносится значение , во вторую – число, которое будет являться значением x. На практике х не превышает 1,0. Если > 20, х > 0,99. В третьей ячейке записывается правая часть формулы, причем значения х даются как ссылка на вторую ячейку. Затем, изменяя число во второй ячейке, необходимо добиться такого его значения, при котором числа в первой и третьей ячейках совпадут до третьего знака после запятой. Получившееся число во второй ячейке и будет искомым х.
В нашем случае для ПП 1 х = 0,707, а для ПП 2 х = 0,6795.
После расчета х можно рассчитать α лог-ряда:
.
В нашем случае для ПП 1 α = 31,96, а для ПП 2 α = 34,15.
Чтобы определить достоверность различий между полученными значениями, необходимо вначале рассчитать дисперсию полученных значений α лог-ряда.
В нашем случае для ПП 1 Var(α) = 26,03, а для ПП 2 Var(α) =30,01.
Такие высокие значения дисперсии говорят о том, что различия между полученными значениями α лог-ряда для ПП 1 и ПП 2 недостоверны и сравниваемые сообщества по значению этого индекса не различаются между собой.
|
|
Опора деревянной одностоечной и способы укрепление угловых опор: Опоры ВЛ - конструкции, предназначенные для поддерживания проводов на необходимой высоте над землей, водой...
История развития хранилищ для нефти: Первые склады нефти появились в XVII веке. Они представляли собой землянные ямы-амбара глубиной 4…5 м...
Наброски и зарисовки растений, плодов, цветов: Освоить конструктивное построение структуры дерева через зарисовки отдельных деревьев, группы деревьев...
Семя – орган полового размножения и расселения растений: наружи у семян имеется плотный покров – кожура...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!