„Taxonok mintákban” típusú adatmátrix

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

Füst György III. Belklinika
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás
Paleobiológiai módszerek és modellek 11. hét
Összetett kísérleti tervek és kiértékelésük
Összetett kísérleti tervek és kiértékelésük: Háromszempontos variancia analízis modellek.
A LOKÁLIS TÉRSÉGEK VERSENYKÉPESSÉGÉNEK LEHETSÉGES ELEMZÉSI MÓDSZERE
Csoport tagok: Pap Imola Püsök Bernadett Szabó Ibolya-Melánia Vincze Adina-Mária Hajas Zsolt-Árpád nov. 17.
Populáció növekedés október 1.
Koordináta transzformációk
Számítógépes algebrai problémák a geodéziában
Szoftverfejlesztés és szolgáltatás kiszervezés Folyamatjavítási mérföldkövek a világon és Magyaroszágon Bevezető gondolatok Dr. Biró Miklós.
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Dr. Szalka Éva, Ph.D.1 Statisztika II. VIII.. Dr. Szalka Éva, Ph.D.2 Többváltozós korreláció és regresszióanalízis.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Faktor = „jellemző”, „háttérváltozó” A faktoranalízis (FA) alapjában a változók csoportosítására, redukciójára.
Ozsváth Károly NYME ACSJK Testnevelési Tanszék. Fábián Gy. – Zsidegh M.: A testnevelési és sporttudományos kutatások módszertana, p. (SPSS: p.,
PPKE ITK 2008/09 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás
AZ URBÁNUS KISTÉRSÉGEK VERSENYKÉPESSÉGE
Hasonlóságelemzés COCO használatával a MY-X elemzőben
Miért kell többváltozós modellekhez folyamodnunk (a túlélési analízis során)?
III. Sz. Belgyógyászati Klinika
SPSS bevezetés.
Hierarchikus klaszteranalízis
SPSS többváltozós (lineáris) regresszió (4. fejezet)
SPSS többváltozós regresszió
K-közepű és kétlépéses klaszteranalízis (3. fejezet)
Többdimenziós skálázás (7. fejezet). Alapgondolat Feltáró elemzés A skálázással az adatok közötti különbségeket vizsgáljuk, illetve vetítjük le őket kevesebb.
Vastagbélrákszűrés: USA trendek. The Super Colon Exhibit.
Ficsor Lajos Miskolci Egyetem Általános Informatikai Tanszék
Többszörös regresszió I. Többszörös lineáris regresszió
Többszörös regresszió I. Többszörös lineáris regresszió miért elengedhetetlen a többszörös regressziós számítás? a többszörös regressziós számítások fajtái.
Akaratlagos izomkontrakció súly mozgatása kontrollált sebesség állandó sebesség változó az idő függvényében állandó gyorsulás (lineáris változó gyorsulás.
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY. - 1.

Térkép. Mi az adat? Minden információ, amit tárolni kell. Minden információ, amit tárolni kell.  szám  szöveg  dátum  hang  kép, stb.
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Házasodás és válás Pest megyében, 1900–2001 A demográfiai viselkedés térszerkezetének változásai Őri Péter
Rövid bevezetés a sokváltozós statisztikákba Összeállította: Elek Zoltán.
Egydimenziós tömbök (Vektorok)
Talajminták vizsgált paraméterei Durva homok ( 2,0 - 0,2 mm) Finom homok ( 0,2 –0,02 mm ) Por ( 0,02 – 0,002 mm ) Kolloid agyag ( 0,002 mm alatt ) Fizikai.
Többváltozós adatelemzés
Többváltozós adatelemzés 5. előadás. Hierarchikus klaszterezés Klaszterek számát nem kell előre megadni A pontok elhelyezkedését térképezi fel Nem feltétlenül.
Többváltozós adatelemzés
Paleobiológiai módszerek és modellek 7. Hét TÖBBVÁLTOZÓS ADATELEMZÉS
Paleobiológiai módszerek és modellek 2. hét
Avagy: Törött pálcák és párhuzamos krumplik Kvantitatív biosztratigráfia.
A LEMSEGED, Z. (2003): An integrated approach to taphonomy and faunal change in the Shungura Formation (Ethiopia) and its implication for hominid evolution.
Sütő János Statisztikai spamszűrők Hatékony védelem a spam ellen.
Slides for Quantum Computing and Communications – An Engineering Approach Chapter 7 Searching in an Unsorted Database Sándor Imre Ferenc Balázs.
A program a bemeneti adatok alapján ( mint pl. az Excel Solver ) nem adja meg közvetlenül a végeredményt, hanem a megfelelő generálóelemek kiválasztásával.
Vargha András KRE és ELTE, Pszichológiai Intézet
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Megerősítő elemzés „Big Data” elemzési módszerek Salánki.
Perifériás érbetegség és krónikus vesebetegség: a fokozott
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY. - 6.
Korreláció-számítás.
Az Internet térbeli szerkezete Péter Hága Dept. of Physics of Complex Systems Eötvös Loránd University Budapest, Hungary.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Talajminták vizsgált paraméterei Durva homok ( 2,0 - 0,2 mm) Finom homok ( 0,2 –0,02 mm ) Por ( 0,02 – 0,002 mm ) Kolloid agyag ( 0,002 mm alatt ) Fizikai.
Picasso exhibition in Esztergom, Hungary Picasso exhibition in Esztergom2.
Előrelépés a digitális akadémiai világban Béky Endre Elsevier 2006 október 18.
A magyar kistérségek innovációs képessége és versenyképessége
DR. LUKOVICS MIKLÓS Szegedi Tudományegyetem Gazdaságtudományi Kar
Miklós Kóbor Department of Geophysics & Space Sciences,
Adatelemzési gyakorlatok
Szervó motor helyzetének vezérlése potenciométer segítségével
Statisztikai Programcsomagok SAS EG gyakorlat
Az IBM SPSS Statistics programrendszer
This table is avarage! Read instructions below!
Előadás másolata:

Paleobiológiai módszerek és modellek 8. Hét TÖBBVÁLTOZÓS ADATELEMZÉS 2. Hazai esettanulmányok „Taxonok mintákban” típusú adatmátrix Elsősorban paleoökológiai értelmezésre Negyedkori emlősfaunák: klaszter analízis Eocén foraminiferák: főfaktor analízis Miocén bryozoák: nem-lineáris többdimenziós skálázás (NMDS)

Klaszter analízis Feltáró módszer, csoportok felismerése, adatstruktúra, hierarchia meghatározása Pl. faunaegyüttesek különböző lelőhelyekről: fajok eloszlását, gyakoriságát vezérlő ökológiai vagy földrajzi tényezők nyomozása Agglomeratív vs. divizív módszerek Távolság (és hasonlóság) mérése Algoritmus választása: átlagos kapcsolódás (average linkage), Ward módszer – befolyásolja az eredményt Eredmény szemléletes: dendrogram Korábban nagyobb népszerűség, mára kissé háttérbe szorult Figyelem: eredmény mindig van, de szignifikanciája nehezen értelmezhető

1. esettanulmány: negyedidőszaki emlősfaunák összetételének 1. esettanulmány: negyedidőszaki emlősfaunák összetételének elemzése klaszteranalízissel

Módszerek kisemlősök 63 x 42 adatmátrix Oszloponként az egyes korok Sorokban a taxonok százalékaránya Klaszter analízis Ward módszerrel

2. esettanulmány: eocén foraminifera-faunák összetételének 2. esettanulmány: eocén foraminifera-faunák összetételének elemzése főfaktor analízissel

Módszerek Q-típusú (vs. R-típusú) elemzés: mi az objektum, ill. a változó a mátrix tengelyein Q-módban az objektumok távolságát vizsgáljuk Faktor súly Faktor érték

3. esettanulmány: miocén bryozoa faunák összetételének 3. esettanulmány: miocén bryozoa faunák összetételének elemzése többváltozós módszerekkel

Scanning electron micrographs of colonial bryozoan morphotypes encountered in the Badenian of Hungary. A) Membraniporiform (Puellina kollmanni); B) Celleporiform (Celleporina costazi); C) Vinculariiform (Pleuronea pertusa); D) Adeoniform (Escharina polyomma); E) Reteporiform (Reteporella beaniana); F) Cellariiform (Nellia oculata); G) Catenicelliform (Catenicella elegans); H) Lunulitiform (Lunulites androsaces); I) Conescharelliniform (Batopora rosula).

Consensus NJ-tree corresponding to the square-rooted Bray–Curtis’ distance matrix computed from the 43 assemblages × 10 colonial morphotype abundance table; percentages at nodes are bootstrap confidence intervals estimated using a parametric random resampling procedure with 10,000 iterations (see text for details). Branch lengths are for graphic convenience only. Circled letters A–G refer to the main clusters of assemblages described and discussed in the text.

NMDS-first plane corresponding to the non-metric coefficient dissimilarity matrix computed from the 45 assemblages × 238 specific taxa (+ 1 for unidentified celleporiforms) incidence (presence/absence) table (associated stress-value: 0.165). Inset shows the palaeoenvironmental interpretation of the NMDS-first plane structuring.