Анализ многовершинных распределений
Вайс А.А., Воробьева И.А.
МАТЕМАТИЧЕСКОЕ
МОДЕЛИРОВАНИЕ
ЛЕСНЫХ И УРБО-ЭКОСИСТЕМ
лабораторный практикум по изучению курса
для студентов магмстратуры направлений 35.04.01 «Лесное дело», профиль «Лесоуправление и лесоустройство»; 35.04.09 «Ландшафтная архитектура»; 20.04.02 «Природообустройство и водопользование», профиль «Охрана, организация и обустройство особо охраняемых природных территорий» всех форм обучения
Красноярск, 2019
Вайс А.А., Воробьева И.А. Математическое моделирование лесных и урбо-экосистем: лабораторный практикум для студентов магистратуры направлений: 35.04.01 «Лесное дело», профиль «Лесоуправление и лесоустройство»; 35.04.09 «Ландшафтная архитектура»; 20.04.02 «Природообустройство и водопользование», профиль «Охрана, организация и обустройство особо охраняемых природных территорий» всех форм обучения. – Красноярск, СибГАУ. - 2019. - 70 с.
Лабораторный практикум является частью учебно-методического комплекса дисциплины «Математическое моделирование лесных и урбо-экосистем» для студентов магистратуры указанных направлений. Содержит задания для лабораторных работ.
Рецензент канд. биол. наук О.П. Ковылина (научно-методический совет СибГАУ)
© А.А. Вайс, И.А. Воробьева
© ФГБОУ ВО «Сибирский государственный университет науки и технологий им. М.Ф. Решетнева»
Введение. Лабораторный практикум предназначен для студентов магистратуры направлений: 35.04.01 «Лесное дело», профиль «Лесоуправление и лесоустройство»; 35.04.09 «Ландшафтная архитектура»; 20.04.02 «Природообустройство и водопользование», профиль «Охрана, организация и обустройство особо охраняемых природных территорий» очной и заочной формы обучения, изучающих предметы «Математическое моделирование лесных экосистем», «Математическое моделирование урбо-экосистем». Общий объем аудиторных занятий 40 часов. Практикум содержит задания для выполнения лабораторных работ в пакете «Excel» и «STATGRAPHICS», а также контрольные вопросы для подготовки к зачету и качественного освоения материала.
|
|
Лабораторные задания проводятся под контролем преподавателя в компьютерных классах.
Успешное освоение лабораторного практикума способствует формированию у обучающихся следующей профессиональной компетенции:
ПК 1 – использование основных законов естественно-научных дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, экспериментального исследования.
Лабораторная работа
(2 часа)
Статистические оценки
Цель работы. Изучить методы оценки существенности различия средних величин.
|
|
Задачи работы:
- Владеть задачами статистического оценивания информации.
- На конкретном примере выполнить оценку существенности различия биологических признаков.
Статистическое оценивание информации включает три основные задачи: нахождение по выборке наиболее вероятных значений оценок некоторых параметров («точечное» оценивание); оценку интервалов, относительно границ, которых с определенной долей вероятности можно утверждать, что они заключают неизвестный параметр (интервальное оценивание); проверку справедливости тех или иных утверждений относительно изучаемого явления (проверка статистических гипотез) [1].
С практической точки зрения важно проверить утверждение о событии. Например, существенность различия центров распределения [3]. Критерием оценки служит стандартная величина нормированного отклонения (tst), с которой сравнивается фактическое значение этого критерия (tф). В отношении генерально й средней М этот критерий выражается следующими соотношениями:
tф= (хср-М)/mx или tф = (хср-М)/σ*√n , (1)
При tф< tst нулевая гипотеза сохраняется. Если же tф> tst , нулевую гипотезу следует отвергнуть. Например, в сосновом древостое был измерен прирост 95 модельных веток. Средний боковой прирост оказался 6,2 см при
|
|
σ=0,43 см. Можно ли на основании этого результата заключить, что средний прирост в данном древостое достоверно меньше среднего прироста для данного района – 6,4 см.
Находим по формуле критерий различия:
tф = (6,2-6,4)/0,43*√95 = -4,5.
По таблице Стьюдента определяем, что р=0,99, а tst=2,58. Так как tф> tst нулевая гипотеза отвергается.
Поскольку в таблице Стьюдента максимальное значение tst при уровне значимости 0,05 и числе степеней свободы k=n-1 от 4 и выше не превышает числа 3. Данную величину можно считать критерием существенности различия.
Если показатель t>3, то различие в рядах распределения существенно, сравниваемые выборочные совокупности относятся к различным генеральным совокупностям. При t<3 можно утверждать, что выборочные совокупности различаются между собой несущественно и принадлежат к одной и той же генеральной совокупности [4].
При малом числе наблюдений от 5 до 30 для получения надежных данных, разницу между средними значениями изучаемых совокупностей следует считать существенной, если показатель существенности различия: t ≥ 3 + 6/(n-4) , где вторая часть выражения эмпирическая поправка на малое число наблюдений.
|
|
Формула для определения существенности различия между одноименными статистическими показателями двух или нескольких выборочных совокупностей определяется по формуле:
tф = (х1ср- х2ср)/(√ σ1/n1 + σ2/n2) = (х1ср- х2ср)/(√ m12+ m22) , (2).
Пример. Исследована длина шишек сосны в двух партиях. Статистические показатели совокупностей следующие: х1ср=52,4 см; m1=0,51 мм; х2ср=54,6 см; m2=0,62 мм.
Необходимо определить, насколько существенны различия в длине шишек. На основании формулы (2) определяем:
tф =(х1ср- х2ср)/(√ m12+ m22) = (52,4-54,6)/(0,512+0,622)=2,74<3.
Различие оказалось несущественным, т.к. t<3. Эти две партии семян относятся к одной и той же генеральной совокупности.
Следующий пример. Исследуется влияние определенных микроэлементов на рост трехлеток лиственницы в лесном питомнике. Для этого на одной грядке вносились микроэлементы, другая была контрольной. Результаты замера способом случайного отбора высот в этих культурах характеризуются следующими показателями:
на опытном участке на контрольном участке
х1ср=52,4 см; х2ср=54,6 см;
m1=0,51мм; m2=0,62 мм.
На основании формулы (2) определяем:
tф = (20,2-12,1)/(1,512+1,232)=4,2>3.
Так как t>3, влияние микроэлементов на рост культур лиственницы.
Задание. На основании средних параметров распределений вычислить существенность различий между 4-мя совокупностями. Определить являются ли среднее значение указанной выборочной совокупности (х1ср) частью более крупной совокупности (Хср)= х1ср+ х2ср+ хiср.
Лабораторная работа
(2 часа)
Анализ многовершинных распределений
Цель работы. Изучить основные типы распределений, используемые при исследовании биологических объектов.
Задачи работы:
- Выполнить предварительную оценку распределения.
- Осуществить аппроксимацию исходного признака стандартной функцией распределения.
Многовершинные (полимодальные) распределения признаков биологических объектов, процессов и явлений возникают по разным причинам.
- Гетерогенность выборки связана с попаданием в неё вариант из разных условий. Комплекс биотических и абиотических факторов обуславливает разнообразие вариант на различных территориях.
- Неоднородность выборки может быть обусловлена естественными биологическими особенностями варьирования признака.
- Техническими причинами полимодальности являются недостаточный объем выборки при сильной изменчивости признака и нарушении размерности сгруппированных классов [16].
Полимодальные распределения характеризуются наличием множества пиков (два и более) (рисунок 1). Модальные зубцы могут формироваться случайно или закономерно. Для проверки пределов вероятных отклонений используют критерий Стьюдента.
Рисунок 1 - Полигон полимодального распределения признака Х
t = (nMoi-ni±1)/√( nMoi*(n- nMoi))/n > 3 , (3)
где t – критерий существенности различия;
nMoi – частота модальной ординаты;
n – объем выборки, шт;
ni±1 – соседняя (справа i+1 и слева i-1) модальная ордината.
При t>3 модальная ордината достоверно отличается от соседней (или проверяется по таблице Стьюдента с учетом числа степеней свободы и уровня доверительной вероятности).
Пример. Получена выборка из 97 деревьев (n=97 шт) с измерением высот этих деревьев. В результате операции ранжирования был сформирован вариационный ряд встречаемости высот деревьев (ni) в выборочной совокупности (Xi).
Хi, м | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 |
ni, шт | 1 | 14 | 13 | 4 | 6 | 9 | 7 | 10 | 12 | 20 | 1 |
Полигон ряда распределения (рисунок 2) имеет три вершины с частотами n1=14, n2=9, n3=20, соответствующих высотам 13, 17, 21. Реальность вершин n1 и n3 сомнений не вызывает, так как по крайней мере по отношению к одной из соседних (равных единице) они заведомо достоверны. Вопрос вызывает частота n2=9, слабо отличающуюся от соседних (6 и 7).
Рисунок 2 – Полигон ряда распределения высот деревьев
По отношению к «соседу слева» имеем:
t = (9-6)/√( 9*(97-9))/97 = 1,05.
По отношению к «соседу справа» имеем:
t = (9-7)/√( 9*(97-9))/97 = 0,70.
В обоих случаях t>3 следовательно, мода с частотой n2=9, соответствующая высоте 17 м, недостоверна, и рассматриваемая кривая в действительности имеет не три, а только две реальные вершины, ординаты которых (n1=14 и n3=20) соответствуют значениям x1=12 м и x3=21 м.
Задание. Выявить наличие модальных пиков в сравниваемых рядах распределения.
Лабораторная работа
(2 часа)
Дата добавления: 2020-04-25; просмотров: 192; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!