Современная экологическая обстановка в отдельных странах и регионах оставляет желать лучшего. Миссия нашего сайте — обеспечить русскоязычных жителей планеты Земля актуальной информацией о защите окружающей среды, экологической безопасности и экологии в целом.

Полезные ресурсы и публикации:
-

М.В. Горшков
Экологический мониторинг

Учебное пособие. – Владивосток: Изд-во ТГЭУ, 2010. – 313 с.

Предыдущая

Практикум

Тема 2. Статистическая обработка экологических результатов

Экологические исследования, как правило, связаны с анализом множества переменных. Необходимо дать оценку этим данным, проанализировать их, визуально представить. Статистическая обработка данных является необходимым этапом при выработке практических рекомендаций для рационального управления экосистемами и ведения экосистемных научных исследований. Определим основные понятия.

Для того чтобы данные можно было подвергнуть статистической обработке их надо правильно получить. Для начала стоит определиться с целью исследования. Цели в свою очередь определяют объект исследования. Объектом может являться совокупность предметов, явлений и т.п., включённых в эксперимент. В этой совокупности можно выделить первичный элемент, обладающий регистрируемыми признаками. Этим элементом является единица исследования.

Формулирование и корректировка признаков производится на основании следующих критериев:

§ отбор должен производиться с учётом целей исследования, возможности их обработки и анализа полученных данных;

§ отобранных признаков должно быть оптимальное количество (ни много, ни мало);

§ необходимо комбинировать признаки для их взаимного дополнения.

Совокупность всех, интересующих нас в данном эксперименте явлений называется генеральной совокупностью. Но так как в большинстве случаев мы не имеем возможности проводить сплошное обследование интересующего нас массива, мы пользуемся выборочным исследованием. Полученный массив данных при данном способе называется выборкой.

Выборочная совокупность должна иметь несколько свойств:

§ Репрезентативность. То есть результаты, полученные в процессе обработки выборочной совокупности, можно было перенести на соответствующую генеральную совокупность.

· Случайность. Для соблюдения репрезентативности выборка должна быть случайной, то есть вероятность выборки каждого единичного объекта генеральной совокупности должна иметь равную вероятность.

· Также она должна быть достаточно полной.

Не менее важен подход к сбору первичных данных для анализа. Как уже было отмечено выше, сбор данных должен быть обусловлен целью исследования и является одним из важнейших этапов анализа системы. Последующее преобразование определяется выбором определённой шкалы.

Под шкалой будем понимать совокупность трёх элементов <E, N, Ψ>, где E – эмпирическая система; N – числовая система; Ψ – однозначное отображение E на N. Или в словесном выражении:

Шкала – это средство фиксации результатов измерения свойств объектов путём упорядочивания их в определённую числовую систему, в которой отношение между отдельными результатами выражено в соответствующих числах.

Типы шкал:

1. Абсолютная. В данной шкале соблюдается соотношение N1=N2. Данный тип шкалы является самым «сильным» и в пределах этой шкалы можно производить любые арифметические действия. Примером может являться подсчёт количества особей, а также факт наличия вида на исследуемом участке (эти данные не являются номинальными, как считают некоторые исследователи).

2. Относительная. В данной шкале соблюдается соотношение N1=a×N2, при a>0. Классическим примером является измерение массы в килограммах и в фунтах.

3. Интервальная. Соблюдается соотношение N1=a×N2 + b, при a>0, b – действительное число. В приведённом типе шкал важным является понятие точки отсчёта. Известным примером является соответствие шкалы температуры по Цельсию и шкалы по Фаренгейту.

4. Порядковая. Между N1 и N2 имеется любое монотонное преобразование, то есть можно лишь отметить некоторую упорядоченность объектов относительно друг друга. Примером является шкала Бофорта (штиль, шторм).

5. Номинальная. Шкала служит для придания объектам имён. Например, нумерация солдат в строю.

Шкала даёт возможность дать явлениям количественную оценку (квантифицировать). Кроме того, тип шкалы накладывает определённые правила на собираемые данные. Если с помощью некоторого преобразования можно перейти от записи N1 к N2 то такие шкалы называют шкалами одного типа, а данное преобразование является допустимым преобразованием.

Результаты измерений и подсчёта признаков записываются в виде таблицы. Каждое измерение получает свой номер. Признаки по своему характеру могут быть количественными и качественными, причём первые имеют два типа варьирования (изменчивости) – дискретный (разница между соседними значениями не менее единицы) и непрерывный (соседние значения признака могут сколь угодно мало отличаться друг от друга). Для выделения классов в непрерывных данных применяют формулу Стерджеса:

,

где m – рекомендуемое число интервалов разбиения; n – общее число наблюдений.

Каждое частное значение, которое принимает признак, называется вариантой. Число повторений определённых вариантов называется частотой. Совокупность вариант называется рядом распределения. В зависимости от типа признака выделяют атрибутивный ряд распределения (качественные признаки) и вариационный ряд распределения (количественные признаки).

Под распределением случайной величины понимается совокупность всех возможных значений случайной величины и соответствующих им вероятностей. Всякое соответствие между возможными значениями случайных величин и их вероятностей называется законом распределения случайной величины. В экологии наиболее часто встречаются следующие виды: нормальное (длина тела особей в популяции), экспоненциальное (рост численности населения по Т. Мальтусу), биномиальное (отражает распределение по двум полам в человеческой популяции).

Функция распределения F(x) определяет вероятность того, что случайная величина X примет значение, меньшее фиксированного действительного числа x:

Для непрерывной случайной величины с дифференцируемой функцией распределения F(x) вводят дифференциальную функцию распределения (или плотность распределения) f(x) = F`(x). Для дискретной случайной величины такой функции (соответствующего аналога) нет.

   2.1. Описательная статистика
   2.2. Параметрические и непараметрические критерии
   2.3. Графическое представление данных
   2.4. Статистическая связь. Корреляционный анализ
   2.5. Дисперсионный анализ
   2.6. Регрессионный анализ
   2.7. Анализ временных рядов

Предыдущая