INDEXY DIVERZITY. David Zelený Zpracování dat v ekologii společenstev

Podobné dokumenty
INDEXY DIVERZITY. David Zelený Zpracování dat v ekologii společenstev

DIVERZITA. David Zelený Zpracování dat v ekologii společenstev

EKOLOGICKÁ PODOBNOST (ECOLOGICAL RESEMBLANCE) David Zelený Zpracování dat v ekologii společenstev

NUMERICKÁ KLASIFIKACE. David Zelený Zpracování dat v ekologii společenstev

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

STATISTICKÉ METODY; ZÍSKÁVÁNÍ INFORMACÍ Z DRUHOVÝCH A ENVIRONMENTÁLNÍCH DAT

REGRESE VS KALIBRACE. David Zelený Zpracování dat v ekologii společenstev

ZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Testování hypotéz a měření asociace mezi proměnnými

Statistické metody v medicíně II. - p-hodnota

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Úvodem Dříve les než stromy 3 Operace s maticemi

ELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

Regresní a korelační analýza

PŘÍKLADY POUŽITÍ ORDINAČNÍCH METOD

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Aplikovaná statistika v R - cvičení 2

Tomáš Karel LS 2012/2013

Testování statistických hypotéz

Testování statistických hypotéz

You created this PDF from an application that is not licensed to print to novapdf printer (

Pravděpodobnost a aplikovaná statistika

Tomáš Karel LS 2012/2013

Pravděpodobnost a statistika, Biostatistika pro kombinované studium. Tutoriál č. 5: Bodové a intervalové odhady, testování hypotéz.

Statistická analýza jednorozměrných dat

Regresní a korelační analýza

Vícerozměrné statistické metody

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

Pokročilé neparametrické metody. Klára Kubošová

Regresní a korelační analýza

Regresní a korelační analýza

Číselné charakteristiky

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Statistika, Biostatistika pro kombinované studium. Jan Kracík

Testy statistických hypotéz

6. Lineární regresní modely

Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup

Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou

KGG/STG Statistika pro geografy

TLOUŠŤKOVÁ A VÝŠKOVÁ STRUKTURA A JEJÍ MODELOVÁNÍ

Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E

Analýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů

Základy počtu pravděpodobnosti a metod matematické statistiky

PCA BIPLOT ŠKÁLOVÁNÍ OS (1)

Regresní a korelační analýza

Statistika (KMI/PSTAT)

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Jednofaktorová analýza rozptylu

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pearsonův korelační koeficient

Matematické modelování Náhled do ekonometrie. Lukáš Frýd

PSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady

TECHNICKÁ UNIVERZITA V LIBERCI

Normální (Gaussovo) rozdělení

Měření závislosti statistických dat

Téma 9: Vícenásobná regrese

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Analýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel

INDUKTIVNÍ STATISTIKA

Jarqueův a Beryho test normality (Jarque-Bera Test, JB test)

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

ELLENBERGOVY INDIKAČNÍ HODNOTY. David Zelený Zpracování dat v ekologii společenstev

analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele

Neparametrické metody

4ST201 STATISTIKA CVIČENÍ Č. 10

4EK211 Základy ekonometrie

=10 =80 - =

Statistické testování hypotéz II

10. Předpovídání - aplikace regresní úlohy

Kanonická korelační analýza

8 Coxův model proporcionálních rizik I

Statistická a věcná významnost. Statistická významnost. Historie hypotézy a testů. Hypotézy a statistické testy.

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

Kompetice a mortalita

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

Kalkulace závažnosti komorbidit a komplikací pro CZ-DRG

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pokročilejší metody: výběr. Začínáme otázkami na povahu vysvětlované proměnné a končíme otázkami na povahu vysvětlujících proměnných

Korelační a regresní analýza

KORELACE. Komentované řešení pomocí programu Statistica

Normální (Gaussovo) rozdělení

Prostorová variabilita

Neparametrické testy

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

Protokol č. 5. Vytyčovací údaje zkusných ploch

4EK211 Základy ekonometrie

Statistické metody uţívané při ověřování platnosti hypotéz

Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy

= = 2368

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Transkript:

INDEXY DIVERZITY

ALFA, BETA A GAMA DIVERZITA Alfa diverzita druhová bohatost vzorku Beta diverzita (species turnover) změna v druhovém složení mezi vzorky Gama diverzita celková druhová bohatost regionu Robert Harding Whittaker (1920-1980) Cornel University Library 223 Jurasinski et al. (2009)

http://ordination.okstate.edu/ ALFA, BETA A GAMA DIVERZITA 224

MÍRY ALFA DIVERZITY DRUHOVÁ BOHATOST VS VYROVNANOST druhová bohatost (species richness) vyjadřuje počet druhů ve vzorku vyrovnanost (evenness, equitability) vyjadřuje relativní zastoupení jednotlivých druhů ve vzorku (nejvyšších hodnot dosahuje při rovnoměrném relativním zastoupením všech druhů) jednotlivé indexy alfa diverzity (např. Shannonův nebo Simpsonův) se liší právě tím, jestli kladou větší důraz na bohatost (Shannon) nebo vyrovnanost (Simpson) alfa a gama diverzita se někdy označují jako inventární diverzita (inventory diversity) podstata je pro obě míry stejná (vyjádřené počty druhů, případně indexem diverzity), liší se ale škálou (alfa je diverzita na lokální škále, gama na regionální) beta diverzita je výrazně odlišný koncept jiná filozofie, jiné jednotky 225

MÍRY ALFA DIVERZITY SHANNONŮV INDEX n H = p i ln(p i ) i=1 označovaný také jako Shannon-Wiener index (nesprávně jako Shannon- Wiever) odvozen z informační teorie (entropie systému - s rostoucí entropií vzrůstá neuspořádanost systému, očekávatelná míra překvapení) vyjadřuje nejistotu, se kterou jsem schopen předpovědět, jakého druhu bude náhodně vybraný jedinec ze vzorku; nejistota klesá s klesajícím počtem druhů a s klesající vyrovnaností (více dominantních druhů) hodnoty v ekologických datech většinou v rozmezí 1,5 3,5 p i... relativní abundance druhu i n... počet druhů ve společenstvu maximální velikost indexu pro počet druhů S nastane, pokud mají všechny druhy stejnou relativní frekvenci: H max = ln (S) efektivní počet druhů (kolik druhů by se vyskytovalo ve vzorku s diverzitou H, pokud by se všechny druhy vyskytovaly se stejnou frekvencí): e H vyrovnanost odvozená ze Shannonova indexu (Shannon s evenness) J = H / H max = H / ln (S) 226

MÍRY ALFA DIVERZITY SIMPSONŮV INDEX vyjadřuje pravděpodobnost, že dva náhodně vybraní jedinci budou patřit ke stejnému druhu jeden z nejlepších (z hlediska interpretace) indexů diverzity se zvyšující se diverzitou hodnota indexu klesá proto se častěji používá komplementární (1-D) nebo reciproká forma indexu (1/D) zdůrazňuje dominanci druhu (při počtu druhů > 10 záleží jeho velikost prakticky už jen na dominanci druhů) efektivní počet druhů: 1/(1-S D ) = 1/D n D = p i 2 i=1 S D = 1 D p i... relativní abundance druhu i n... počet druhů ve společenstvu vyrovnanost odvozená ze Simpsona (Simpson s evenness): E = (1/D) / S (efektivní počet druhů/reálný počet druhů) 227

PŘÍKLAD EFEKTIVNÍ POČET DRUHŮ počet Simpson efektivní druhů index počet druhů Spol. 1: 1 1 2 2 3 3 4 4 5 5 5 0,8 1) 5,0 3) Spol. 2: 1 1 1 1 1 1 2 3 4 5 5 0,6 2) 2,5 4) Výpočet: 1) 1 p 2 = 1-5*(2/10) 2 = 1 5*0,04 = 1 0,2 = 0,8 2) 1 p 2 = 1 ((6/10) 2 + 4*(1/10) 2 ) = 1 (0,36 + 0,04) = 0,6 3) 1/(1-S D ) = 1/(1-0,8) = 5 4) 1/(1-S D ) = 1/(1-0,6) = 2,5 228

MÍRY ALFA DIVERZITY ad hoc doporučení: nemá smysl počítat velké množství indexů alfa diverzity a všechny je používat vhodnější je rozhodnout se hned na začátku, který z aspektů alfa diverzity (bohatost nebo vyrovnanost) mě zajímá, a podle toho vybrat index nejjednodušší volba je použítí druhové bohatosti (počtu druhů) Simpsonův index je intuitivně interpretovatelný, naopak interpretace Shannonova indexu je obtížná a je lépe ho nepoužívat (i když je populární) kde spočítat: EstimateS (R. Colwell, http://viceroy.eeb.uconn.edu/estimates) BioDiversityPro (Neil McAleece, http://www.sams.ac.uk/research/software/research/software/bdpro.zip) 229

MÍRY BETA DIVERZITY popisuje rozdílnost v druhovém složení mezi vzorky Dva základní typy beta diverzity: 1. turnover (obrat druhů podél ekologického, prostorového nebo časového gradientu) Kolik nových druhů přibude a kolik jich ubude, když se pohybuji podél gradientu? 2. variation (variabilita v druhovém složení mezi vzorky, bez ohledu na směr nějakého gradientu) Opakují se v různých vzorcích pořád ty samé druhy? Jak moc celkový počet druhů v regionu přesahuje průměrnou druhovou bohatost vzorku? Anderson et al. (2011) 230

MÍRY BETA DIVERZITY KLASICKÉ INDEXY klasické indexy neberou v potaz druhové složení, ale jen počty druhů na lokální (alfa) a regionální (gamma) úrovni Whittakerova beta diverzita (multiplikativní míra): β w = (γ / α ) - 1 α... průměrná druhová bohatost vzorků kolikrát bohatost regionu přesahuje průměrnou bohatost vzorku Additivní míra beta diverzity: β Add = γ α průměrný počet druhů, které chybí v jednom náhodně vybraném vzorku/ploše výhodou je, že jednotkami jsou počty druhů Multiplikativní míra, která bere v potaz vyrovnanost: β Shannon = H γ / H α místo počtu druhů používá Shannonův index diverzity vypočtený pro regionální a lokální druhovou bohatost 231

MÍRY BETA DIVERZITY MNOHOROZMĚRNÉ INDEXY mnohorozměrné indexy pracují přímo s druhovým složením a hledají rozdíly v druhovém složení dvou a více vzorků/ploch používá indexy podobnosti (případně nepodobnosti) v druhovém složení mezi páry vzorků/ploch Bray-Curtis, Jaccard, Sorensen, Euclidovská vzdálenost atd. beta diverzita skupiny vzorků/ploch se spočte jako průměrná hodnota těchto podobností délka první osy DCA také vyjadřuje beta diverzitu (v jednotkách SD) 232

Anderson et al. (2011) MÍRY BETA DIVERZITY MNOHOROZMĚRNÉ INDEXY Rozdíly v interpretaci beta diverzity založené na Bray-Curtis indexu nepodobnosti a Euklidovské vzdálenosti na příkladu rozdílu v druhovém složení korálových útesů (Indonésie) v letech 1981, 1983 a 1985 (zásah El Nino v roce 1982) NMDS ordinace 233

MÍRY BETA DIVERZITY MNOHOROZMĚRNÉ INDEXY Roleček et al. (2009) J. Veg. Sci. Whittakerova beta a Total inertia - indexy závislé na počtu vzorků Průměrná Jaccardova nebo Sorensenova nepodobnost mezi páry vzorkůindexy nezávislé na počtu vzorků 234

INDEXY FUNKČNÍ DIVERZITY funkční diverzita zohledňuje diverzitu funkčních typů (functional traits), které se ve vzorku vyskytují druhová bohatost se často považuje za odhad funkční diverzity, ale nepřesný dva různé druhy mohou ve společenstvu plnit stejnou funkci (mít stejnou kombinací funkčních typů) Rao index (Lepš et al. 2006 Preslia) FD = i j d ij p i p j d ij... nepodobnost mezi druhem i a j p i, p j... relativní abundance druhu i a j zobecněná forma Simpsonova indexu diversity 235

AKUMULAČNÍ DRUHOVÁ KŘIVKA SPECIES ACCUMULATION CURVE vynáší kumulativní počet druhů S v závislosti na intenzitě vzorkování n (počet jedinců, počet ploch, čas) zvláštním typem je species-area curve (ale jen v případě, že plocha narůstá v rámci určitého území, neplatí pro ostrovy) čte se zleva doprava může být extrapolována (zvýší intenzita průzkumu celkový počet nalezených druhů?) 236

RAREFAKČNÍ KŘIVKA RAREFACTION CURVE cílem je zjistit, jaká by byla druhová bohatost, pokud bychom v daném společenstvu nasbírali menší počet jedinců/vzorků (to rarefy rozředit) porovnání druhové bohatosti mezi společenstvy s různým počtem jedinců/vzorků čte se zprava doleva rozdíl mezi sample based a individual based rarefaction 237 Michalcová et al. (2011) Journal of Vegetation Science

238

SOFTWARE (MIMO R, VE KTERÉM SPOČTETE VŠECHNO) indexy alfa diverzity (Shannon, Simpson atd.) a beta diverzity Biodiversity Pro (Neil McAleece, http://www.sams.ac.uk/research/software) EstimateS (Robert Colwell, http://viceroy.eeb.uconn.edu/estimates) PC-ORD 5 JUICE species accumulation curve a rarefaction PC-ORD 5 EstimateS (Robert Colwell, http://viceroy.eeb.uconn.edu/estimates) 239

TESTOVÁNÍ PRŮKAZNOSTI A POUŽÍVÁNÍ HODNOTY P

ZÁKLADNÍ DEFINICE Hodnota P (P value) pravděpodobnost, že bychom získali stejně velkou nebo větší hodnotu testové statistiky za předpokladu platnosti nulové hypotézy čím menší je hodnota P, tím silnější je argument ukazující na neplatnost nulové hypotézy ale pozor vysoké hodnoty P nejsou důkazem, že nulová hypotéza je pravdivá! (např. pokud nemůžete najít statisticky signifikantní rozdíl mezi dvěma druhy, neznamená to, že můžete tvrdit, že oba druhy jsou stejné) V případe porovnání dvou výběrů (např. t-test) se hodnota P snižuje pokud se skutečný rozdíl mezi průměry výběrů zvýší snižuje se zvyšujícím se počtem opakování zvyšuje s variabilitou v datech 241

P HODNOTA DŮKAZ, KTERÝ EXISTUJE PROTI PLATNOSTI NULOVÉ HYPOTÉZY přesvědčivý středně silný P hodnota náznak důkazu, ale nepřesvědčivý máme důkaz proti platnosti nulové hypotézy? ne Ramsey & Schaffer (2002) 242

DOPORUČENÍ P hodnoty by měly být posuzovány jako důvěryhodnost důkazu, který máme proti platnosti nulové hypotézy (Dá se rozdílu věřit? Je důkaz důvěryhodný?) Neklást důraz na binární rozhodnutí (signifikantní vs nesignifikantní) Spolu s hodnotou P je třeba uvádět i tzv. velikost účinku (effect size), (např. R 2 u regrese, Pearsonův korelační koeficient r u korelace) Vhodné je testovaný vztah vizualizovat (boxploty pro porovnání výběrů, bodový diagram závislosti dvou proměnných aj.), a pokud není vztah z obrázku patrný, věc důkladně prošetřit (není třeba průkaznost způsobena výskytem jednoho odlehlého a vlivného pozorování?) Obecně platí, že k výsledkům by měly být dostupná i primární data (v elektronické podobě v příloze, případně na vyžádání), a detailní postup, jak byla analyzována (např. R skript). Sdílení dat a detailní popis metodiky je základem transparentního výzkumu a umožňuje zopakování analýz a případné odhalení chyb. 243