Οικολογία

Οικολογία
Μέθοδοι ανάλυσης και σύνθεσης δεδομένων

Η βασική θέση πάνω στην οποία βασίστηκε η συγγραφή τούτου του βιβλίου είναι ότι το επιστημονικό δεδομένο με βάση το οποίο θα εκτυλιχθεί η επιστημονική συζήτηση δεν είναι το δεδομένο της απλής εμπειρίας. Αντίθετα, το επιστημονικό δεδομένο θα παραχθεί στο πλαίσιο μιας θεωρίας και με βάση συγκεκριμένες μεθόδους. Με τις μεθόδους που χρησιμοποιούμε στο χώρο της βιολογίας και ειδικότερα στο πεδίο της οικολογίας ασχολείται τούτο το βιβλίο. Αποφάσισα να το γράψω γιατί τα τελευταία χρόνια διαπιστώνω να συμβαίνουν ραγδαίες αλλαγές στον τρόπο που προσδιορίζουμε το αντικείμενο της δουλειάς μας, που συλλέγουμε και αναλύουμε τα δεδομένα μας, που διαχειριζόμαστε τα συμπεράσματά μας. Ισχυρίζομαι μάλιστα ότι βρισκόμαστε στη φάση όπου ένα νέο μεθοδολογικό πρόγραμμα ξετυλίγεται αργόσυρτα μπροστά μας, με τα στοιχεία της εμπειρίας να υποχωρούν διαρκώς και τα στοιχεία των νοητικών κατασκευών να κερδίζουν έδαφος. Σε αυτό το πλαίσιο το βάρος της έρευνας μετατοπίζεται συνεχώς από τις καταγραφές πεδίου στα οργανωμένα πειράματα στο πεδίο και το εργαστήριο. Την ίδια στιγμή, πρωτογενή δεδομένα αποθηκευμένα σε απέραντες βάσεις δεδομένων μένει ακόμα να αναλυθούν. Νέες τεχνικές έρχονται στο προσκήνιο και παλιές εξελίσσονται και αναλαμβάνουν νέους ρόλους στο πλαίσιο της νέας μεθοδολογίας που πάει να εγκαθιδρυθεί. Ο στόχος μου λοιπόν ήταν να γράψω ένα βιβλίο όπου θα μιλάω για το παλιό και το καινούργιο κάτω από το πρίσμα αυτής της νέας μεθοδολογίας. Προπάντων θέλησα να γράψω ένα βιβλίο χρήσιμο κατά την καθημερινή πράξη.
Τούτο το βιβλίο ασχολείται με τις μεθόδους που εγώ και οι άνθρωποι που συνεργάστηκα μαζί τους χρησιμοποιούμε εδώ και τριάντα τόσα χρόνια. Πρόκειται με άλλα λόγια για ένα βιβλίο εμπειρίας και έτσι είναι γραμμένο. Τα περιεχόμενα του οργανώθηκαν σε στενή σύνδεση με τα ερωτήματα που έθετε κάθε φορά η πράξη. Για το λόγο αυτό, περισσότερο από κάθε άλλο βιβλίο τούτο δω τα χρωστάει όλα σχεδόν στους κατά καιρούς συνεργάτες. Σε αυτούς λοιπόν τους συνεργάτες θα ήθελα να το αφιερώσω. Όμως σε έναν ανάμεσά τους χρωστάω το πιο πολύ. Εννοώ το δάσκαλό μου, τον J.P. Cancela Da Fonseca που με εισήγαγε στη στατιστική ανάλυση και μάλιστα σε μια εποχή που οι πιο πολλοί άνθρωποι του χώρου δεν υποπτεύονταν καν την ύπαρξή της. Σε αυτόν λοιπόν διαλέγω τελικά να το αφιερώσω. Πρόκειται για το δεύτερο βιβλίο που του αφιερώνω όμως είμαι της γνώμης ότι το χρέος στο δάσκαλο δεν ξεπληρώνεται ποτέ.

Περιεχόμενα

Μέρος Α
Στατιστική ανάλυση
1. Θεωρία και μέθοδος
1.1. Τα δομικά στοιχεία της επιστημονικής πρακτικής
1.2. Θεωρίες και μοντέλα
1.2.1. Τύποι θεωρίας
1.2.2. Τύποι μοντέλων
1.3. Θεμελιώδη ερωτήματα

2. Από τη θεωρία των πιθανοτήτων
2.1. Πειραματικός σχεδιασμός
2.2. Αξιοπιστία μετρήσεων
2.3. Κατανομές πιθανοτήτων
2.3.1. Κανονική κατανομή
2.3.2. Αλλες συνεχείς κατανομές πιθανοτήτων
2.3.3. Ασυνεχείς κατανομές
2.4 Παράρτημα

3. Εκτιμητές και εκτιμήσεις
3.1. Πληθυσμός και δείγμα
3.2. Βασικές παράμετροι
3.2.1. Παράμετροι κεντρικής τάσης
3.2.2. Παράμετροι διασποράς των τιμών
3.2.3. Όρια εμπιστοσύνης του μέσου
3.2.4. Παράμετροι σχήματος
3.2.5. Λόγοι και ποσοστά

4. Επισκόπηση δεδομένων
4.1. Γραφήματα
4.1.1. Ιστογράμματα
4.1.2. Θηκογράμματα
4.1.3. Διαγράμματα πιθανοτήτων
4.2. Μετασχηματισμοί δεδομένων
4.2.1. Εφαρμογή
4.3. Λείανση δεδομένων
4.4. Έλεγχος δεδομένων για ακραίες τιμές

5. Θεωρία στατιστικού ελέγχου
5.1. Πειραματικά σχέδια
5.2. Στατιστικός έλεγχος
5.2.1. Μηδενικές υποθέσεις
5.2.2. Σφάλματα απόφασης: Σφάλματα Τύπου Ι και Τύπου ΙΙ

6. Στατιστικές δοκιμασίες
6.1. Μεθοδολογικοί περιορισμοί
6.1.1. Ανεξαρτησία καταγραφών
6.1.2. Ισοζυγισμένες και μη δειγματοληψίες
6.1.3. Ομοιογένεια (ισότητα) διακυμάνσεων
6.2. Σύγκριση μέσου με αριθμό
6.3. Σύγκριση δύο μέσων
6.3.1. Δοκιμασία-t
6.3.2. Μη παραμετρική δοκιμασία Mann-Whitney
6.4. Μονοδιάστατη Ανάλυση Διακύμανσης
6.4.1. Γενικότητες
6.4.2. Διαμερισμός της διακύμανσης των δεδομένων. Γενικότητες
6.4.3. Δοκιμασία Kruskal-Wallis
6.5. Συσχετισμένες δειγματοληψίες
6.5.1. Δοκιμασία-t (ζεύγη καταγραφών)
6.5.2. Δισδιάστατη Ανάλυση Διακύμανσης
6.5.3. Μη παραμετρική δοκιμασία Friedman

7. Πειραματικά σχέδια - Μέθοδοι ανάλυσης πειραματικών σχεδίων
7.1. Η ανάγκη του σχεδιασμού
7.2. Πλήρη και ατελή παραγοντικά σχέδια
7.3. Ένθετα σχέδια
7.3.1. Προκαθορισμένοι και τυχαίοι παράγοντες
7.3.2. Ένθετα έναντι παραγοντικών σχεδίων
7.3.3. Ανάλυση ένθετων σχεδίων
7.4. Συνιστώσες διακύμανσης
7.5. Συσχετισμένες δειγματοληψίες
7.5.1. Επαναλαμβανόμενες Μετρήσεις
7.5.2. Ομαδοποιημένες δειγματοληψίες
7.6. ANOVA και ανάλυση ποσοστών
7.7. Πολυμεταβλητά μοντέλα
7.7.1. Πολύμεταβλητή Ανάλυση Διακύμανσης
7.7.2. Πολυμεταβλητή Ανάλυση Συνδιακύμανσης
7.8. 2(k-p) πειραματικά σχέδια
7.8.1. Δίτιμες ανεξάρτητες μεταβλητές
7.8.2. Ακρίβεια πειραματικού σχεδίου
7.8.3. Ατελείς πειραματικές σειρές 2(k-p)
7.8.4. Εφαρμογή
7.8.5. Προβλέψεις
7.8.6. Προϋπόθεση εφαρμογής του πειραματικού σχεδίου
7.9. Σχέδια 3(k-p)
7.10. Λατινικά τετράγωνα
7.11. Κεντρικά Σύνθετα και μη Παραγοντικά σχέδια
7.12. Aξιοπιστία σχεδίων
7.12.1. Ορθογωνιότητα σχεδίων
7.12.2. Περιστροφικά σχέδια
7.13. A-D άριστα σχέδια

8. Ανάλυση συχνοτήτων
8.1. Μέθοδοι Χ2
8.2. Διασταυρώσεις
8.3. 2x2 πίνακες συνάφειας
8.4. nxn Πίνακες συνάφειας
8.5. Λογαριθμογραμμικά μοντέλα
8.5.1. Γενική μορφή του μοντέλου
8.5.2. Επιλογή μοντέλου
8.5.3. Ιεραρχική μέθοδος προσαρμογής

9. Συσχέτιση και παλινδρόμηση
9.1. Συνδιακύμανση και συσχέτιση
9.1.1. Διμεταβλητή κανονική κατανομή
9.1.2. Συνδιακύμανση
9.1.3. Συντελεστής συσχέτισης
9.1.4. Εκτιμήσεις και εκτιμητές συσχετίσεων
9.1.5. Έλεγχος σημαντικότητας
9.1.6. Παράδειγμα
9.1.7. Προϋποθέσεις εφαρμογής
9.2. Προσαρμογή απλού γραμμικού μοντέλου στα δεδομένα
9.2.1. Μέθοδος μέγιστης πιθανοφάνειας
9.2.2. Mέθοδος ελαχίστων τετραγώνων
9.3. Πολυμεταβλητά μοντέλα
9.3.1. Πολυμεταβλητό γραμμικό μοντέλο
9.3.2. Γενικό (σύνθετο) γραμμικό μοντέλο
9.4. Καμπυλόγραμμη παλινδρόμηση
9.4.1. Προσαρμογή πολυωνύμου
9.4.2. Μη πολυωνυμικές προσαρμογές
9.4.3. Μη γραμμικές προσαρμογές
9.5. Γενικευμένα Γραμμικά Μοντέλα
9.5.1. Εφαρμογή
9.5.2. Ανάλυση υπολοίπων

Μέρος Β
Παραγωγή και διαχείριση δεδομένων

10. Πρωτόκολλα δειγματοληψίας
10.1. Γενικές αρχές δειγματοληψίας
10.1.1. Απογραφικά δεδομένα και στατιστικά εργαλεία
10.1.2. Συστηματικότητα συλλογής και ποιότητα δεδομένων
10.1.3. Αντικείμενα καταγραφών
10.1.4. Ανεξαρτησία δειγμάτων
10.2. Δειγματοληπτικές τεχνικές
10.3. Μέγεθος δειγματοεπιφάνειας
10.3.1. Κριτήρια επιλογής
10.3.2. Εφαρμογές
10.4. Αριθμός δειγμάτων
10.4.1. Η μέθοδος Dagnieli
10.4.2. Ποιοτικά δεδομένα
10.4.3. Χονδρική εκτίμηση αριθμού δειγμάτων
10.5. Τυχαία δειγματοληψία
10.6. Διαστρωματωμένη δειγματοληψία
10.7. Συστηματικές δειγματοληψίες
10.8. Μέθοδοι σύλληψης - σημαδέματος επανασύλληψης
10.8.1. Γενικές αρχές
10.8.2. Μέθοδος Lincoln
10.8.3. Διαστρωματωμένη δειγματοληψία
10.8.4. Μέθοδος πολλαπλών συλλήψεων
10.9. Μέθοδος σύλληψης αφαίρεσης επανασύλληψης
10.9.1. Γενικές αρχές
10.9.2. Εκτίμηση πληθυσμιακού μεγέθους

11. Μελέτη χωροδιανομής
11.1. Σχέδια χωροδιανομής
11.2. Δείκτες χωροδιανομής
11.2.1. Οι κυριότεροι δείκτες
11.2.2. Εφαρμογή
11.3. Ειδικοί δείκτες συσωματικής χωροδιανομής
11.4. Σειρές Taylor
11.4.1. Νόμος Taylor
11.4.2. Εφαρμογή
11.4.3. Επαναληπτικές μέθοδοι προσαρμογής του μοντέλου
11.5. Μέθοδος αποστάσεων
11.5.1. Γενική αρχή
11.5.2. Εφαρμογή

12. Ανάλυση βιοκοινότητας
12.1. Οικολογικές ομοιότητες
12.2. Ευαισθησία δεικτών
12.3. Βιοποικιλότητα
12.3.1. Γενική ιδέα
12.3.2. Μαθηματική περιγραφή
12.4. Πίνακας βιοκοινότητας
12.4.1. Εφαρμογή
12.5. Δείκτες αφθονίας
12.6. Ιεραρχική οργάνωση βιοκοινότητας
12.6.1. Συντελεστής συσχέτισης Spearman
12.6.2. Μοντέλο βιοκοινότητας Motomura

13. Αριθμητική ταξινόμηση
13.1. Ταξιθέτηση (ομαδοποίηση, clustering)
13.1.1. Κανόνες ομαδοποίησης
13.1.2. Γεωμετρική απόσταση
13.2. Ταξινόμιση (ordination)
13.2.1. Η βασική ιδέα
13.2.2. Πολυδιάστατη ανάλυση κλίμακας
13.2.3. Παραγοντική ανάλυση
13.3. Ανάλυση Διαφοροποιού Συνάρτησης
13.3.1. Στόχος της ανάλυσης
13.3.2. Προϋποθέσεις
13.3.3. Διαφοροποιός Συνάρτηση
13.3.4. Συνάρτηση ταξινόμησης
13.4. Ανάλυση Κανονικών Συσχετίσεων
13.4.1. Εφαρμογή

Μέρος Γ
Εξόρυξη πληροφοριών

14. Νευρωνικά δίκτυα
14.1. Γενική ιδέα
14.2. Δομή νευρωνικών δικτύων
14.3. Εκπαίδευση δικτύου
14.4. Τα νευρωνικά δίκτυα ως εργαλεία ταξινόμησης
14.5. Εφαρμογή

15. Δένδρα απόφασης
15.1. Βασική ιδέα
15.2. Δένδρα ταξινόμησης
15.2.1. Διαδικασία ανάπτυξης των δένδρων
15.2.2. Το μέγεθος του δένδρου
15.2.3. Εφαρμογή
15.3. Δένδρα παλινδρόμησης

16. Ανάλυση δικτύων
16.1. Ανάλυση δικτύων
16.2. Δομή των δικτύων
16.3. Πίνακες γειτνίασης
16.4. Διαγραμματικές απεικονίσεις
16.5. Βασικά δομικά χαρακτηριστικά των δικτύων
16.6. Διαμερισματοποίηση δικτύων
16.7. Ομαδοποίηση κόμβων
16.7.1. Δομική ισοδυναμία
16.7.2. Αυτομορφική ισοδυναμία
16.7.3. Συμμετρική ισοδυναμία
16.8. Παράμετροι κόμβων
16.8.1. Διάκριση ατομικών και ολικών δικτύων
16.8.2. Δομικά κενά
16.8.3. Κεντρικότητα
16.8.4. Παίκτες κλειδιά
16.9. Δυναμική δικτύων
16.9.1. Δομή προβλεπτικών μοντέλων
16.9.2. Διαδικασία πρόβλεψης
16.9.3. Πρακτικά ζητήματα
16.9.4. Εφαρμογή

17. Ανάλυση γραμμών αιτιότητας
17.1. Περιγραφή δομικών μοντέλων
17.2. Κατασκευή δομικών μοντέλων
17.3. Ανάλυση δομικών μοντέλων
17.3.1. Διαμερισμός του συντελεστή συσχέτισης
17.3.2. Μοντέλα μονοπατιού. Προϋποθέσεις
17.3.3. Εφαρμογές μοντέλων μονοπατιού

18. Σειρές δεδομένων
18.1. Χρονοσειρές
18.1.1. Μετασχηματισμοί δεδομένων
18.1.2. Ανάλυση περιοδικότητας
18.1.3. Περιοδόγραμμα
18.1.4. Πρόβλεψη
18.1.5. Τεχνικές λείανσης
18.2. Ανάλυση χωρικών παρατηρήσεων
18.2.1. Βαριογράμματα
18.2.2. Το εμπειρικό βαριόγραμμα
18.2.3. Νέφος βαριογράμματος
18.2.4. Ανισοτροπία χώρου
18.2.5. Προσαρμογή θεωρητικού μοντέλου στο βαριόγραμμα
18.2.6. Χάρτες παρεμβολής

Παραρτήματα