Enrico Feoli, Paola Ganis - UniversitÃ degli Studi di Trieste

More documents

Recommendations

Info

Tab. 10.4 Probabilita’ % di accettazione dell’ipotesi nulla dei chi-quadrati che testano l’adattamento delle distribuzioni osservate delle 3 comunita’ ai 4 modelli teorici. 1 2 3 Geometrica 0 20.3 0 Broken-stick 0 100 0 Logaritmica 81.1 0.2 0.2 Log-normale 94 71 37.4 Il secondo grafico evidenzia meglio un buon adattamento della prima comunita’ sia alla distribuzione logaritmica che alla distribuzione log-normale e un adattamento meno accentuato della terza comunita’ alla log-normale. Le probabilita’ (Tab. 10.4) percentuali di accettazione dell’ipotesi nulla del test chi-quadrato, applicato per confrontare le distribuzioni osservate con quelle teoriche, confermano questa percezione visiva. I valori piu’ grandi nella tabella corrispondono ai migliori adattamenti statistici della distribuzione osservata a quella teorica predetta dal modello considerato. Fig. 10.6 Distribuzioni delle abbondanze secondo diagrammi rango/abbondanza relative alle tre comunita’ di Tab. 10.3. Sono riportati i valori osservati e i valori attesi secondo le distribuzioni geometrica e brokenstick. 10-155
Fig. 10.7 Distribuzioni delle abbondanze secondo diagrammi abbondanza/frequenza relative alle tre comunita’ di Tab. 10.3. Sono riportati i valori osservati e i valori attesi secondo le distribuzioni logaritmica, log-normale e broken-stick. 10-156
Page 1 and 2:
Enrico Feoli, Paola Ganis INTRODUZI
Page 3 and 4:
5.1 TRASFORMAZIONE DELLE VARIABILI.
Page 6 and 7:
1 . I N T R O D U Z I O N E Che cos
Page 8 and 9:
la teoria della gravitazione univer
Page 10 and 11:
molteplicita’ dell’ecosistema,
Page 12 and 13:
giusto. Se nella stanza dei figli i
Page 14 and 15:
disordine ha valori tutti uguali in
Page 16 and 17:
3.2 TIPI DI VARIABILI Come indica i
Page 18 and 19:
numeri 1,2,3,4,5 attribuendo agli s
Page 20 and 21:
volte, possono essere espressi sott
Page 22 and 23:
un’ulteriore forma conveniente e
Page 24 and 25:
schema di campionamento che puo’
Page 26 and 27:
che rappresenta l'ampiezza uguale p
Page 28 and 29:
Il poligono di frequenza e' un graf
Page 30 and 31:
Mediana = 120 +10 [50/2-(4+6+8)]/10
Page 32 and 33:
appresentativo dell’insieme dei d
Page 34 and 35:
La varianza e’ una statistica imp
Page 36 and 37:
colpo d’occhio quale delle altre
Page 38 and 39:
frequenze relative quando il numero
Page 40 and 41:
all'asse X, mentre la deviazione st
Page 42 and 43:
l'ipotesi nulla (H 0 ). Il piu' del
Page 44 and 45:
test di significativita’ si chiam
Page 46 and 47:
t = | µ N 1 + N σ N N 1 − µ 2
Page 48 and 49:
varianza tra i gruppi (V inter ) ca
Page 50 and 51:
DV intraB DV intraC 96.6 = 1350.12
Page 52 and 53:
∑( x − x)( y − y) r = (4.31)
Page 54 and 55:
Leggendo nella tavola di Appendice
Page 56 and 57:
completamente chiarita dall’equaz
Page 58 and 59:
Sostituendo i valori dei coefficien
Page 60 and 61:
k 2 2 (| fok − fak | −0.5) χ =
Page 62 and 63:
Quanto piu’ i valori osservati si
Page 64 and 65:
calcolata col software specifico, d
Page 66 and 67:
5 . T R A S F O R M A Z I O N E D E
Page 68 and 69:
intervallari e razionali (dati mist
Page 70 and 71:
Tab. 5.3 Variabili trasformate con
Page 72 and 73:
l'analisi multivariata della varian
Page 74 and 75:
humus, una certa collocazione dipen
Page 76 and 77:
sempre con il teorema di Pitagora,
Page 78 and 79:
7 . C L A S S I F I C A Z I O N E I
Page 80 and 81:
Y Y y 2 y 1 a b 4 a 3 2 1 c d b x 1
Page 82 and 83:
equazione (7.5) e’ derivata dal c
Page 84 and 85:
S i , h n ∑( x − )( 1 = = ij xi
Page 86 and 87:
S 2a = Sorensen 2 a + b + c (7.13)
Page 88 and 89:
L'indice di Gower varia tra 0 e 1.
Page 90 and 91:
= ⎛ 50 240 ⎞ 290 2 ⎜ + 1 ⎟
Page 92 and 93:
Distanza euclidea [eq. (7.14)]: D e
Page 94 and 95:
qualunque degli elementi dell'altro
Page 96 and 97:
Una modalita’ soggettiva di opera
Page 98 and 99:
classificazione si distribuiscono i
Page 100 and 101:
.61 .67 .76 .83 1 4 5 3 2 Fig. 7.6
Page 102 and 103:
dimensioni consente di ordinare i r
Page 104 and 105:
( S − λ I ) B = 0 (8.2) i p i I
Page 106 and 107:
simmetrica e’ di somiglianza, il
Page 108 and 109:
Per trovare il primo autovettore B
Page 110 and 111: 8.2 ANALISI DELLE COMPONENTI PRINCI
Page 112 and 113: 8.2.1 Algoritmo R L'algoritmo R est
Page 114 and 115: Come gia’ osservato nel paragrafo
Page 116 and 117: quelli che sono tra loro perpendico
Page 118 and 119: La seconda modalita’ per scalare
Page 120 and 121: E’ interessante fare notare che i
Page 122 and 123: e, per calcolare le correlazioni tr
Page 124 and 125: 8.3 ANALISI DELLE CORRISPONDENZE L'
Page 126 and 127: una delle seguenti formule 19 : a =
Page 128 and 129: C k 2 100 ⋅ RkT = (8.25) 2 χ Il
Page 130 and 131: di specie secondo la eq. (8.22) e r
Page 132 and 133: 9 . N I C C H I E E C O L O G I C H
Page 134 and 135: Cio’ significa, per esempio, che
Page 136 and 137: d r( A, B) = d ( A, B) d A d( + d 2
Page 138 and 139: d r 0.6726 1.01346 2 0.6726 0.64452
Page 140 and 141: Con questo indice Hurlbert formaliz
Page 142 and 143: S 85× 200 80× 80 85× 70 + + = 1
Page 144 and 145: La diversita’ specifica di una co
Page 146 and 147: H ln S max = (10.5) L'entropia mass
Page 148 and 149: modalita’ (10.10). Tale indice [e
Page 150 and 151: duna nella seguente maniera: H max
Page 152 and 153: 2 s D 1 = 2 100(100 ⎡2(100 − 2)
Page 154 and 155: 10.3 MODELLI DI DISTRIBUZIONE DI AB
Page 156 and 157: situazioni in cui le specie assumon
Page 158 and 159: tipo. Esse sono generalmente format
Page 162 and 163: Appendice A Valori critici per il t
Page 164 and 165: Appendice C Valori critici per il c
Page 166: Bibliografia Magurran, A. E. 1988.
show all

Enrico Feoli, Paola Ganis - UniversitÃ degli Studi di Trieste

Create successful ePaper yourself

Delete template?

Save as template?