22.10.2014 Views

Enrico Feoli, Paola Ganis - Università degli Studi di Trieste

Enrico Feoli, Paola Ganis - Università degli Studi di Trieste

Enrico Feoli, Paola Ganis - Università degli Studi di Trieste

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

8 . O R D I N A M E N T O<br />

Tutte le numerose tecniche <strong>di</strong> or<strong>di</strong>namento hanno lo scopo primario <strong>di</strong> rappresentare la<br />

struttura dei dati in uno spazio a <strong>di</strong>mensioni ridotte. Infatti, solo in uno spazio <strong>di</strong> due o al massimo<br />

tre <strong>di</strong>mensioni e' facilmente osservabile la reciproca posizione dei punti (ve<strong>di</strong> paragrafo 6.1 per una<br />

illustrazione geometrica della spazio multi<strong>di</strong>mensionale). Se gli assi sono piu' <strong>di</strong> tre, lo spazio<br />

multi<strong>di</strong>mensionale si complica e <strong>di</strong>venta <strong>di</strong> <strong>di</strong>fficile lettura. Puo’ accadere, infatti, che la <strong>di</strong>stanza<br />

che valutiamo minima tra due in<strong>di</strong>vidui nello spazio definito, per esempio, da due o tre variabili si<br />

<strong>di</strong>lati se gli stessi in<strong>di</strong>vidui sono collocati nello spazio determinato da altre 2 o 3 variabili osservate.<br />

Poiche' la visione d'insieme dello spazio multi<strong>di</strong>mensionale non e' realizzabile ne' sulla carta, ne'<br />

nella nostra immaginazione, sono state sviluppate le tecniche <strong>di</strong> or<strong>di</strong>namento che permettono <strong>di</strong><br />

riassumere le variabili in nuove variabili dette fattori o componenti che possono essere assunte<br />

come nuovi assi <strong>di</strong> or<strong>di</strong>namento. Esse, essendo combinazioni lineari o non lineari delle variabili<br />

originarie, rappresentano una buona sintesi delle stesse.<br />

Tutti i meto<strong>di</strong> estraggono gli assi in or<strong>di</strong>ne decrescente <strong>di</strong> varianza totale spiegata; il primo<br />

asse sintetizza le variabili piu' correlate tra loro e spiega un certa quota <strong>di</strong> varianza che e' superiore<br />

a quella spiegata dal secondo asse che e’ superiore a quella spiegata dal terzo e cosi' via. Gli assi<br />

sono estratti in maniera tale da essere completamente in<strong>di</strong>pendenti gli uni dagli altri assicurando<br />

cosi' l'ortogonalita' reciproca. Ciascun asse successivo al primo e’ quin<strong>di</strong> combinazione <strong>di</strong> un altro<br />

gruppo <strong>di</strong> variabili originali correlate tra loro e non correlate con le variabili sintetizzate dagli altri<br />

assi. La rappresentazione grafica dell'or<strong>di</strong>namento in un <strong>di</strong>agramma cartesiano a due o tre assi<br />

ottenuti con queste tecniche mette in luce la struttura dei dati in uno spazio <strong>di</strong> <strong>di</strong>mensioni ridotte<br />

in cui non sono sostanzialmente alterati i rapporti <strong>di</strong> posizione reciproca dei punti rispetto a quelli<br />

dello spazio originario.<br />

In ambito ecologico la rappresentazione dei rilievi o delle specie in uno spazio a <strong>di</strong>mensioni<br />

ridotte consente <strong>di</strong> verificare se esistono delle chiare tendenze <strong>di</strong> variazione della vegetazione da<br />

correlare con le variabili ambientali (analisi in<strong>di</strong>retta <strong>di</strong> gra<strong>di</strong>enti). Nel caso che esista una tendenza<br />

dominante, i punti relativi ai rilievi o alle specie, si <strong>di</strong>spongono nello spazio attorno ad una linea o<br />

ad una curva <strong>di</strong> varia forma (Fig. 8.1-a), in caso contrario essi sono sparsi in una nube <strong>di</strong> punti piu'<br />

o meno iso<strong>di</strong>ametrica (Fig. 8.1-b).<br />

Or<strong>di</strong>namenti che tengono in considerazione tre <strong>di</strong>mensioni contemporaneamente sono<br />

rappresentati in grafici tri<strong>di</strong>mensionali (Fig. 8.1-c).<br />

La scoperta <strong>di</strong> una tendenza principale <strong>di</strong> variazione in modelli <strong>di</strong> or<strong>di</strong>namento a due o tre<br />

8-96

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!