Klassificatie Divisief Opsplitsen van totale groep stalen in

Slides:



Advertisements
Verwante presentaties
Aantal spelers : keeper Datum :
Advertisements

Sudoku puzzels: hoe los je ze op en hoe maak je ze?
De plattegrond.
havo A Samenvatting Hoofdstuk 2
De PROFIBUS, PROFINET & IO-Link dag 2011
H 29: Kostprijs bij heterogene producten
-Glucuronidase (GUS)
havo A Samenvatting Hoofdstuk 10
WAAROM? Onderzoek naar het meest geschikte traject voor de verlenging tot in Sint-Niklaas van het bestaande fietspad naast de Stekense Vaart en de Molenbeek.
Het ER model Een powerpoint presentatie, gemaakt door: F. Triep
vwo A/C Samenvatting Hoofdstuk 3
Staafdiagram Strookdiagram
Gebruik het rode boekje
Een manier om problemen aan te pakken
Datastructuren Analyse van Algoritmen en O
Blogs Annette Ficker Tim Oosterwijk Opdrachtgever: Matthieu Jonckheere
1 Datastructuren Sorteren: alleen of niet alleen vergelijkingen College 5.
De grafiek van een lineair verband is ALTIJD een rechte lijn.
Centrummaten gemiddelde
Lineaire vergelijkingen
Multivariate analyse * analyse van structuur van grote datamatrixen met meerdere variabelen Vooral in ecologie gebruikt :
Gegevensverwerving en verwerking
Oefeningen F-toetsen ANOVA.
Een fundamentele inleiding in de inductieve statistiek
Les 10 : MODULE 1 Snedekrachten
Bewegen Hoofdstuk 3 Beweging Ing. J. van de Worp.
H4 Marktonderzoek Verschillende informatiebehoeften in verschillende fasen: Analyse fase Strategische fase Implementatie fase Evaluatie fase.
Hoofdstuk 4 Omzetprognose
Hoofdstuk 11 Kwantitatieve gegevens analyseren Methoden en technieken van onderzoek, 5e editie, Mark Saunders, Philip Lewis, Adrian Thornhill, Marije.
In dit vakje zie je hoeveel je moet betalen. Uit de volgende drie vakjes kan je dan kiezen. Er is er telkens maar eentje juist. Ken je het juiste antwoord,
Van de eerste graad in één onbekende
Les 2 Elektrische velden
Elektriciteit 1 Basisteksten
Les 9 Gelijkstroomschakelingen
V5 Chemische evenwicht H11.
Toegepaste mechanica voor studenten differentiatie Constructie
The relevance of recall and precision in user evaluation Louise T. Su Journal of the American Society of Information Science 1994.
Tweedegraadsfuncties
Economische impact sluiting Ford Genk Ludo Peeters en Mark Vancauteren (Universiteit Hasselt)
indicator op basis van niveau-indicaties
Statistiekbegrippen en hoe je ze berekent!!
Sorteeralgoritmen. Sorteren: aanpak 1 Hoe ga je een rij getallen sorteren met PC? Sorteren door selectie (= selection sort): Zoek de kleinste waarde Sorteer.
H4 Differentiëren.
H2 Lineaire Verbanden.
Hoofdstuk 4 – Gegevens analyseren
Hoofdstuk 9 havo KWADRATEN EN LETTERS
MET DANK AAN COLLEGA’S IN DEN LANDE ! vee 2012
Petra Dewilde Annelies Duerinckx
Hoofdstuk 5 Vijfkaart hoog, eerste verkenning 1e9 NdF-h1 NdF-h5 1 1.
GELIJKNAMIGE BREUKEN les 31.
Planning With Nonholonomic Constraints By Jeroen Resoort & Ronald Treur.
Investeringsselectie
Centrummaten en Boxplot
Toets 1 Examen Reinder Reen.
Maandag 18 november Licht & witbalans Avond fotografie – blauwe uurtje
Inleiding in de statistiek voor de gedragswetenschappen
Informatiebijeenkomst
Regels voor het vermenigvuldigen
Molecuulbouw en stofeigenschappen
Rekenen 18 maart.
digibordles: spinnen rekenbegrippen
Deze les hfdst 1 verbanden gegevens verwerken
havo A Samenvatting Hoofdstuk 10
Feedback NRG 2011 Katrien Scheerlinck Attaché Audit VG-MZG - Datamanagement DG-GS FOD VVVL.
Negatieve getallen Klas 1 | Hoofdstuk 4
Zeeslag Bron: csunplugged.org / csunplugged.nl.
3 vmbo-KGT Samenvatting Hoofdstuk 10
Kwantitatieve kenmerken
De natuurlijke getallen op een getallenas en in een assenstelsel
Vermenigvuldigen & delen
Transcript van de presentatie:

Klassificatie Divisief Opsplitsen van totale groep stalen in kleinere groepen => grote verschillen domineren kleinere verschillen = TWINSPAN agglomeratief Samenbrengen van individuele objecten in grotere groepen => lokale gelijkenissen belangrijker dan grotere verschillen = KLUSTERANALYSE

Braun Blanquet : subjectieve opdeling in groepen van soorten en stalen 1 2 3 4 5

Two Way Indicator Species ANalysis Hill, 1979 * ontwikkeld voor soorten - stalen data matrix naast klassificatie van stalen , ook klassificatie van soorten op basis van hun ecologische preferentie => twee-wegs tabel of “two-way table” => karakterisatie van gemeenschappen => weergave van synecologische relaties van soorten

Two Way Indicator Species ANalysis Hill, 1979 => twee-wegs tabel of “two-way table” 12 stalen 12 soorten = zo duidelijk mogelijke weergave van relaties tussen soorten en stalen (stations)

Two Way Indicator Species ANalysis Hill, 1979 => twee-wegs tabel of “two-way table” = zo duidelijk mogelijke weergave van relaties tussen soorten en stalen (stations)

Two Way Indicator Species ANalysis Hill, 1979 => twee-wegs tabel of “two-way table” Ordening van stalen en soorten => bovenste soorten meer frequent aanwezig in linkse helft van stalen => onderste soorten vookeur voor rechts geplaatste stalen => middelste soorten geen voorkeur voor links of rechts

Two Way Indicator Species ANalysis Hill, 1979 => twee-wegs tabel of “two-way table” Soort met uitgesproken preferentie = differentiële soort (indicator soort) Het voorkomen van deze soort is karakteristiek binnen linkse groep stations Daarnaast komen in deze groep nog 3 andere soorten preferentieel voor

Two Way Indicator Species ANalysis Basis princiepe : herhaalde dichotomisatie voor stalen en soorten klassificatie van stalen, gevolgd door klassificatie van soorten (1) klasseer stalen in een divisieve hiërarchie (2) zet klassificatie om in een volgorde (3) groepen (van stalen) gebruikt om soorten te omschrijven als al of niet preferentiëel (4) klasseer soorten op zelfde manier als stalen, maar op basis van hun preferentie (5) zet soorten klassificatie om in een volgorde # groepen : 2 -> 4 -> 8 -> 16….enz Geordende twee-wegs tabel kritiek: indifferentiële soorten ook geklasseerd in één van beide groepen

Hoe worden de dichotomieën gemaakt ? Methode van Mueller-Dombois & Ellenberg (vereenvoudigd) : (1) zoek een groep van soorten die een trend vertonen om samen voor te komen (2) maak een ordinatie door elk van deze soorten een maximale score van +1 te geven (3) sommeer per staal scores van de aanwezige soorten (4) Verdeel ordinatie in het midden (t.h.v. centroid) in twee groepen van stalen (5) Verdeel soorten in categorieën op basis van hun al of niet preferentieel zijn voor een groep Score +1 Som scores +2 +2 0 0 0

=> twee-wegs tabel of “two-way table” ( 1) Stel we nemen waar dat soort 5, 9 en 11 een trend vertonen om samen voor te komen (2) erkend als differentiële soorten (score +1) (3) staal 9, 11 en 12 score +3 staal 8 en 10 score +2 staal 7 score +1 rest score 0 (4) ordening van stalen => vaststelling dat soort 3 tevens differentieel is (score +1) staal 9, 11 en 12 score +4 staal 8 en 10 score +3 staal 7 score +2 rest score 0 Dichotomisatie van stalen in 2 groepen Stalen 9, 11, 12, 8, 10 en 7 Stalen 6, 3, 1, 2, 4, 3

Two Way Indicator Species ANalysis Hoe worden de dichotomieën gemaakt in TWINSPAN ? Gebaseerd op methode van Mueller-Dombois & Ellenberg : (1) Identificatie van richting van variatie d.m.v. ordinatie (CA) (2) Verdeel ordinatie in midden van eerste as => ruwe dichotomie (3) Identificaar soorten die preferentieel zijn voor één van beide zijden van de dichotomie (4) Maak een nieuwe ordinatie met de differentiële soorten als basis (5) Verdeel verbeterde ordinatie opnieuw in twee => Verfijnde dichotomie (6) Maak een laatste, vereenvoudigde ordinatie op basis van de meest differentiele soorten (7) Ga na of deze Indicator ordinatie de verfijnde ordinatie bevestigd

Two Way Indicator Species ANalysis (1) primaire ordinatie (2) verfijnde ordinatie => afgeleid van 1e ordinatie door identificatie van differentiële soorten (3) indicator ordinatie (bijkomstig) TWINSPAN = opdeling van ordinaties (en geen selectie van indicator soorten)

Two Way Indicator Species ANalysis Pseudosoorten Het idee van preferentiële soorten is puur kwalitatief (aan-of afwezig) => daarom vervangen door kwantitatief equivalent = pseudosoort Eén soort kan vervangen worden door verschillende pseudosoorten Hoe hoger abundantie van de soort => hoe meer pseudosoorten Kwantitatieve informatie wordt weerhouden op basis van klassen De abundanties die worden gebruikt om de klassegrenzen te bepalen noemen we de “pseudospecies cut levels”

Two Way Indicator Species ANalysis Pseudosoorten Stel we gebruiken de volgende cutlevels : 1 = 0 - 4 % 2 = 5 - 25 % 3 = 26 - 50 % 4 = 51 - 75 % 5 = 76 - 100 % Stel nu soort A met een abundantie van 18 % in staal 1 => 2 pseudosoorten: 1 en 2 36 % in staal 2 => 3 pseudosoorten : 1, 2 en 3 2 pseudosoorten gemeen , 1 niet Op deze manier worden kwantitatieve waarden gebruikt als differentiële soorten

Two Way Indicator Species ANalysis => twee-wegs tabel of “two-way table” Stel differentiële soort met cut level 3 => hogere abundanties van deze soort karakteristiek voor stalengroep.

Two Way Indicator Species ANalysis Output 6 st. 12 st. 5 st. 1 st. 2 st. 4st. 12 11 9 8 10 7 6 3 1 2 4 5 Twee-wegs tabel omzetten in dendrogram

Two Way Indicator Species ANalysis Output 6 st. 12 st. 5 st. 1 st. 2 st. 4st. 12 11 9 8 10 7 6 3 1 2 4 5 Voor elke dichotomie aanduiding van indicator soorten differentiële soorten en niet-preferentiële soorten

Two Way Indicator Species ANalysis Aanduiding van positieve en negatieve groep Borderline negatives / positives : stalen die bij negatieve of positieve groep worden geklasseerd maar die eerder indifferentieel zijn Misclassified negatives/positives : wanneer stalen door de verfijnde dichtomie links of rechts worden geklasseerd maar de indicator dichotomie op basis van meest differentiële soorten plaatst hen in de andere groep.

Two Way Indicator Species ANalysis Negative/positive preferentials : soorten en pseudosoorten die tenminste 2 maal meer aan ene kant van de dichotomie dan aan andere kant. Hierbij worden wel alleen soorten in rekening die in tenminste 20 % van stalen van één of andere zijde voorkomen. (meestal wordt tussen haakjes weergegeven in hoeveel stalen van linkse en rechtse groep deze soorten voorkomen) Bepalen van cut levels Maximale data distributie over verschillende klassen (data distribution in Excel)