A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Valério De Patta Pillar Departamento de Ecologia Universidade Federal do Rio Grande do Sul Porto Alegre, Brasil

Apresentações semelhantes


Apresentação em tema: "Valério De Patta Pillar Departamento de Ecologia Universidade Federal do Rio Grande do Sul Porto Alegre, Brasil"— Transcrição da apresentação:

1 Valério De Patta Pillar Departamento de Ecologia Universidade Federal do Rio Grande do Sul Porto Alegre, Brasil Introdução à Análise Multivariada em Ecologia

2 Em ecologia buscamos descobrir padrões 1 e processos 2 ao examinar conjuntos de unidades ecológicas frequentemente complexas, e por isso descritas por muitas variáveis. Métodos de análise multivariada podem sintetizar conjuntos complexos de dados, permitido interpretações sobre padrões e processos. 1 Padrão: Arranjo ou sequência encontrada regularmente em objetos ou eventos comparáveis. 2 Processo: Uma série de mudanças explicando a gênese de um dado padrão.

3 Amostragem Universo amostral Uma amostra (conjunto de unidades amostrais) Uma unidade amostral (e.g., unidade de paisagem)

4 Ambiente amostrado Padrões não-aleatórios Dependência da escala Unidades com limites arbitrários Unidades maiores e mais heterogêneas Unidades menores e mais homogêneas

5 O problema da amostragem em ecologia Unidades amostrais são agregados de componentes mais ou menos integrados entre si; portanto, as unidades amostrais não têm limites naturais. Os componentes estão em geral arranjados não- aleatoriamente. Interpretações sobre padrões dependem do tamanho da unidade amostral. Kenkel, N. C., P. Juhász-Nagy & J. Podani On sampling procedures in population and community ecology. Vegetatio 83: Orlóci, L The complexities and scenarios of ecosystem analysis. In: Rao, C. R. Multivariate Analysis: Future Directions, p Elsevier.

6 Uma unidade amostral pode ser um quadro de vegetação. A decisão sobre o tamanho da unidade amostral afetará a percepção de padrões.

7 Uma unidade amostral pode ser uma planta individual, em geral com limites naturais, e neste caso não é preciso decidir sobre o tamanho da unidade amostral.

8 Decisões para a amostragem Para coletar dados precisamos decidir sobre: 1. O tamanho e forma das unidades amostrais 2. Como serão selecionadas (ao acaso, sistematicamente, preferencialmente) 3. O número de unidades amostrais (tamanho da amostra)

9 Tamanho da amostra (número de unidades amostrais) e tamanho da unidade amostral Depende do objetivo: Se é estimar uma quantidade (e.g., cobertura de uma dada espécie): –Quanto menor a variação entre unidades amostrais (unidades maiores), mais precisa será a estimativa com o mesmo tamanho de amostra. Se é a detecção de padrões: –Padrões serão borrados se a variação entre unidades for baixa (unidades muito grandes). Kenkel, N. C., P. Juhász-Nagy & J. Podani On sampling procedures in population and community ecology. Vegetatio 83: Pillar, V. D Sampling sufficiency in ecological surveys. Abstracta Botanica 22:

10 Objetivos da amostragem podem estar aninhados Objetivo é estimar quantidades das espécies em cada parcela grande Objetivo é detectar padrões e interpretá-los

11 Atributos variáveis Uma unidade amostral pode ser descrita por: Variáveis qualitativas (escala nominal, nenhuma ordem) e.g., tipo de substrato, tipo de clima, forma-vital. Variáveis binárias (0 ou 1) e.g., presença-ausência de uma espécie, de pêlos. Variáveis quantitativas (têm ordem; escalas ordinal, de intervalo, ou racional) e.g., abundância de cada espécie, P disponível no solo, diversidade de tipos de uso da terra, precipitação annual, área foliar específica.

12 Tipos de dados multivariados Qualitativos (somente variáveis qualitativas) Binários (somente variáveis binárias) Quantitativos (somente variáveis quantitativas) Dados mistos (variáveis de diferentes tipos) Alguns métodos de análise multivariada podem ser aplicáveis somente a certos tipos de dados.

13 SitiopH P ppm K ppm MO % Al me/dl Ca me/dl Mg me/dl S ppmPosUmid Uma amostra com 15 sítios de Campos descritos por 10 variáveis de solo Pos = Posicao no relevo (1.topo, 2.encosta convexa, 3.encosta concava, 4.baixada) Umid = Umidade do solo (1.muito seco, 2.seco, 3.mdio, 4.mido, 5.encharcado)

14 Análise de dados com o software MULTIV Disponível em

15 Valério De Patta Pillar Departamento de Ecologia Universidade Federal do Rio Grande do Sul Porto Alegre Medidas de Semelhança Introdução

16 Análise de dados com o software MULTIV Disponível em

17 Medidas de Semelhança Avaliam objetivamente a similaridade ou dissimilaridade entre duas unidades amostrais ou variáveis. Representação gráfica da distância euclidiana d entre unidades amostrais e descritas pelas variáveis X 1 e X 2 : d = [(X 1 –X 1 ) 2 + (X 2 –X 2 ) 2 ] 1/2

18 Medidas de Semelhança

19 Distância euclidiana d 12 = [( ) 2 +(6-16) 2 +(25-47) 2 +(32-9) 2 ] 1/2 = 33.50

20 Distância euclidiana d 13 = [( ) 2 +(6-9) 2 +(25-22) 2 +(32-8) 2 ] 1/2 = 40.22

21 Distância euclidiana d 21,22 = [(24-28) 2 +(1-1) 2 +( ) 2 +(41-43) 2 ] 1/2 = 10.95

22 Matriz de distâncias euclidianas entre unidades amostrais, Cambará do Sul.

23 Medidas de semelhança

24 Distância de corda d 12 = [(237/ /239.4) 2 +(6/ /239.4) 2 +(25/ /239.4) 2 +(32/ /239.4) 2 ]1/2=0.1395

25 Matriz de distâncias de corda entre unidades amostrais, Cambará do Sul.

26 Medidas de semelhança

27 Dissimilaridade Bray-Curtis b 12 = (| | + |6-16| + |25-47| + |32-9|) / ( ) =

28 Matriz de dissimilaridades de Bray-Curtis entre unidades amostrais, Cambará do Sul.

29

30

31 Transformação de dados

32

33

34

35

36

37

38 Transformar dados?

39 Efeito de transformações escalares

40

41 Medidas de Semelhança

42

43 Medidas de semelhança

44


Carregar ppt "Valério De Patta Pillar Departamento de Ecologia Universidade Federal do Rio Grande do Sul Porto Alegre, Brasil"

Apresentações semelhantes


Anúncios Google