Skripta: Vícerozměrné statistické metody v biologii
Skrýt detaily | Oblíbený- Kvalita:91,1 %
- Typ:Skripta
- Univerzita:Vysoké učení technické v Brně
- Fakulta:Fakulta elektrotechniky a komunikačních technologií
- Kategorie:Přírodní vědy
- Podkategorie:Biologie
- Předmět:Pokročilé metody v biostatistice
- Autor:royal.cut
- Ročník:2. ročník
- Rozsah A4:111 strán
- Zobrazeno:888 x
- Stažené:0 x
- Velikost:1,7 MB
- Formát a přípona:PDF dokument (.pdf)
- Jazyk:český
- ID projektu:11941
- Poslední úprava:23.04.2018
1.1 Smysl a cíle vícerozměrné analýzy dat
Veškerý svět kolem nás je vícerozměrný. Kromě vnímání třírozměrného tvaru můžeme kaž-dý objekt popsat celou řadou dalších charakteristik, jako je třeba barva, hmotnost, chuť atd. Přes tuto skutečnost, kterou vnímáme každý den, je pro nás ovšem problémem představit si tento stav popsaný ve formě datové tabulky nebo jej dokonce nějakým způsobem popsat jinému člověku - nastává zde tedy místo pro speciální typ analýzy, vícerozměrnou analýzu. Metody vícerozměrné analýzy jsou velmi užitečným prostředkem pro explorativní analýzu složitých dat.
Ačkoliv klasická statistika zná řadu způsobů popisu jednotlivých měřených nebo pozorova-ných proměnných, je pro nás v případě hodnocení velkého množství proměnných velmi obtížné si tyto výstupy poskládat do jednolitého obrazu vedoucího k pochopení podstaty. Právě víceroz-měrná analýza dat je nástrojem sloužícím k usnadnění tohoto procesu a její přínos lze shrnout následovně:
• nalezení smysluplných pohledů na data popsaná velkým množstvím proměnných;
• nalezení a popsání skrytých vazeb mezi proměnnými a tím zjednodušení jejich struktury;
• jednoduchá vizualizace dat, kdy se v jediném grafu skrývá informace např. z 20 proměn-ných;
• umožnění a/nebo zjednodušení interpretace dat na základě jejich zjednodušení a vizualizace.
Ačkoliv je v případě vícerozměrných analýz používána celá řada matematických postupů, jedno mají všechny tyto analýzy společné - hledání souvislostí a jejich výklad.
Na tomto místě musíme uvést i nevýhody vícerozměrné analýzy dat. Zjednodušení víceroz-měrného problému je možné pouze tehdy, kdy existuje vazba mezi naměřenými proměnnými. Pokud by mezi nimi žádná vazba neexistovala, nebo byla velmi slabá, nemá smysl vícerozměrné metody používat.
Dalším problémem může být nesprávné použití metody, které může vést k zavádějícím vý-sledkům. Při zpracovávání vícerozměrných dat ovšem nemusí být tato chyba patrná, protože je zakryta složitou strukturou dat a náročností výpočtu.
Příklady užití vícerozměrných metod můžeme najít v různých oblastech, nejen v přírodovědných a medicínských oborech, ale také v technice, kybernetice, sociologii, ekonomii i marketingu. Z oblasti biologických věd můžeme zmínit aplikace v ekologii, ekotoxikologii, taxonomii, etologii, antropologii atd. Konkrétně z ekologie můžeme uvést využití mnohorozměr-ných metod např. při hodnocení vlivu environmentálních změn na biologická společenstva, klasi-fikaci vegetačních i půdních společenstev, atd.
Veškerý svět kolem nás je vícerozměrný. Kromě vnímání třírozměrného tvaru můžeme kaž-dý objekt popsat celou řadou dalších charakteristik, jako je třeba barva, hmotnost, chuť atd. Přes tuto skutečnost, kterou vnímáme každý den, je pro nás ovšem problémem představit si tento stav popsaný ve formě datové tabulky nebo jej dokonce nějakým způsobem popsat jinému člověku - nastává zde tedy místo pro speciální typ analýzy, vícerozměrnou analýzu. Metody vícerozměrné analýzy jsou velmi užitečným prostředkem pro explorativní analýzu složitých dat.
Ačkoliv klasická statistika zná řadu způsobů popisu jednotlivých měřených nebo pozorova-ných proměnných, je pro nás v případě hodnocení velkého množství proměnných velmi obtížné si tyto výstupy poskládat do jednolitého obrazu vedoucího k pochopení podstaty. Právě víceroz-měrná analýza dat je nástrojem sloužícím k usnadnění tohoto procesu a její přínos lze shrnout následovně:
• nalezení smysluplných pohledů na data popsaná velkým množstvím proměnných;
• nalezení a popsání skrytých vazeb mezi proměnnými a tím zjednodušení jejich struktury;
• jednoduchá vizualizace dat, kdy se v jediném grafu skrývá informace např. z 20 proměn-ných;
• umožnění a/nebo zjednodušení interpretace dat na základě jejich zjednodušení a vizualizace.
Ačkoliv je v případě vícerozměrných analýz používána celá řada matematických postupů, jedno mají všechny tyto analýzy společné - hledání souvislostí a jejich výklad.
Na tomto místě musíme uvést i nevýhody vícerozměrné analýzy dat. Zjednodušení víceroz-měrného problému je možné pouze tehdy, kdy existuje vazba mezi naměřenými proměnnými. Pokud by mezi nimi žádná vazba neexistovala, nebo byla velmi slabá, nemá smysl vícerozměrné metody používat.
Dalším problémem může být nesprávné použití metody, které může vést k zavádějícím vý-sledkům. Při zpracovávání vícerozměrných dat ovšem nemusí být tato chyba patrná, protože je zakryta složitou strukturou dat a náročností výpočtu.
Příklady užití vícerozměrných metod můžeme najít v různých oblastech, nejen v přírodovědných a medicínských oborech, ale také v technice, kybernetice, sociologii, ekonomii i marketingu. Z oblasti biologických věd můžeme zmínit aplikace v ekologii, ekotoxikologii, taxonomii, etologii, antropologii atd. Konkrétně z ekologie můžeme uvést využití mnohorozměr-ných metod např. při hodnocení vlivu environmentálních změn na biologická společenstva, klasi-fikaci vegetačních i půdních společenstev, atd.