统计方法在生态学中的.pptVIP

第十二讲　统计方法在生态学中的应用 主要内容 生态系统和尺度 理论、知识和研究目标 生态学的研究单位 推理方法及可靠性 生态学实验与观察方法的比较 生态学中的统计思想 证据的性质 证据和假说的验证 正确问题的明确表述 证据导向的选择 两条发现之路 证据力范式 实验设计的基本概念 处理(treatment)：采取措施以产生影响，至少三个重复 对照(control)：空白及其他对照；维持原状，不受任何影响，如浮床设计 实验单元(experimental unit)：供实验用的对象，包括地块，容器，生物等，具有尺度性 随机化(randomization)：为减少主观误差，在实验处理过程中使用随机分配方法，如随机取样 研究设计的基本要求 要对 “能发现什么”有一个基本的预测。如果没有特定目标，收集的数据将难以明确解释特定的问题 问题的识别和明确表述，是选择方法的前提，而不是先有方法，再解决问题 样本大小决定了研究设计的统计检验效力，即假定显著相关确实存在，产生显著处理效果的概率 给定一个明确的样本量、效果量和允许误差标准，就可得出研究设计的统计能力 假重复：在较短时间内反复测量同一实验单元，并将所有的观测数据视为相互独立的 在空间上，也要确保样本测量的统计独立性，避免假重复发生 生态系统和尺度 生态学研究单元的尺度 随着尺度的增大，标准实验设计越来越难以满足统计的要求 小尺度实验研究过程中发展起来的、被广泛认可的、可信度高的统计方法，将越来越难于适应大尺度研究的需要 大尺度的自然格局和作用很难用小尺度的调查来确定 生态学研究单元越大，影响各单元之间差异的因子就越多，对不同处理水平的响应就越不显著 归纳推理 随着生态学研究单元尺度的增大，归纳推理的可靠性减小 统计学思维的基本原则 在一个系统内，所有应该发生的自然过程都会发生； 过程测量充满了变化和不确定因素； 从多次观测和不同的测量方法中所得的数据，以及对这些数据有效而直观的描述，即证据力(weight of evidence)，是判断任何一种针对自然过程的解释或假说价值的决定性因素 统计的目的在于确保研究设计可提供相关的可测的不确定性数据，为理论验证提供充分的证据 理论的验证 理论：能量传递的1/10定律 验证数据来源：美国从温带到亚热带的4个湖泊，4个营养级(初级生产者，食草动物、食肉动物、顶级食肉动物) 验证结果： 生产者?食草动物：90.5% 食草动物?食肉动物：11.7% 食肉动物?顶级食肉动物：4.6% 零假设(Null hypothesis) 零假设是对容量为N的样本所作的初始猜测 该样本通常来自自然界某一总体中的N个个体，且总体的某些特征参数为已知，如平均数μ 只提取一个样本时，零假设H0为： μ= μ0 假设两个样本无显著性差异，即μ1-μ2=0，则为双样本零假设 I型错误：当两个种群实质上是相同的，我们却判断为不同；即否定了正确的假设 II型错误：两个种群实质上是不同的，我们却判断为相同；即肯定了错误的假设 III型错误：为错误问题寻找一个完美答案 统计显著性：p值越小越好？ P值越来越小，意味着“确定性”越来越大，但生态系统是充满不确定性的 生态学的统计检验中，更小的不一定是更好的! 数据展示方法：原始数据 原始数据难以看出不同样点之间的差异 数据展示: 数据变换与盒须图(box-and-whisker plot) 数据展示：图 数据展示：图 生态学中的两条思路 证据力范式(weight of evidence paradigm) 建 议 减少表格，多用图示 不要过分依赖现有的统计软件 新观点来自于对数据展示新方法的思考 学会更多对隐藏在探索性数据分析方法背后的思考 放弃对样本平均值的过分关注 相比之下，中值是一个更加可靠的统计量，对集中趋势的测度具有更大的作用 建 议 为证实和增加证据力，设置重复具有重要的意义 重视数据展示，减少对p值的依赖。通常情况下，p＜0.10时和p＜0.05时能提供同样多的、关于生态系统过程及其动态的信息 运用统计学思维，它总会对研究设计有所裨益 认识到大尺度研究意味着通过预测观测结果来进行假设-演绎推理 思考 你知道的数据展示方法有哪些？ 试　题 试述生态系统稳定性-生物多样性-干扰之间的关系 2010年冰岛火山和印度尼西亚火山都发生了大规模喷发，假如此后的上千年内都不再有新的喷发，气候条件也维持现状，二者未来的生态系统演替过程将有何异同？试推测其各自主要的演化阶段及其特点。 附加题： 你认为这门课的教学形式和内容需要如何改进？ 试　题 谈谈你对“生态系统”的理解。 某露天煤矿开采结束后，面临矿区生态恢复的问题，假设该矿区处于我国东部温带季风气候区，年均温约8度，年降水量约700mm。 请根据你所学到的生态学知识，给出具体