3. Fenetika numerická taxonomie

Slides:



Advertisements
Podobné prezentace
Statistické metody a hodnocení morfologických dat
Advertisements

Odhady parametrů základního souboru
Lineární regresní analýza Úvod od problému
Statistika schématicky Tomáš Mrkvička. Základy znáte Konfidenční intervaly Porovnání 2 či více výběrů Regresní modely Základy časových řad.
Fenetický přístup shluková analýza ordinační metody
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
Diskriminační analýza (DA)
Statistika Vypracoval: Mgr. Lukáš Bičík
Základní statistické pojmy a postupy
Tloušťková struktura porostu
Obsah statistiky Jana Zvárová
MUDr. Michal Jurajda, PhD. ÚPF LF MU
Shluková analýza.
Matematická teorie rozhodování
Řízení a supervize v sociálních a zdravotnických organizacích
Principy konstrukce norem a základní statistické pojmy
Shluková analýza.
Úvod do gradientové analýzy
ISS Chybějící hodnoty, standardizace Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí.
Lineární regresní analýza
Biostatistika 7. přednáška
- Pojmy - SPSS Statistické zpracování kvantitativních šetření.
Biostatistika 4. přednáška
Popisná statistika III
Teorie psychodiagnostiky a psychometrie
Klasifikace klasifikace: matematická metoda, kdy vstupní objekty X(i) jsou rozřazovány do tříd podle podobnosti metody klasifikace bez učitele: podoba.
Experimentální fyzika I. 2
Mnohorozměrná statistika
Pohled z ptačí perspektivy
Základy zpracování geologických dat
AKD VII.
Praktikum elementární analýzy dat Třídění 2. a 3. stupně UK FHS Řízení a supervize (LS 2012) Jiří Šafr jiri.safr(zavináč)seznam.cz poslední aktualizace.
Normální rozdělení a ověření normality dat
Pearsonův test dobré shody chí kvadrát
Biostatistika 8. přednáška
Biostatistika 1. přednáška Aneta Hybšová
3. Fenetika numerická taxonomie
Vyhledávání v multimediálních databázích Tomáš Skopal KSI MFF UK
ANALÝZA A KLASIFIKACE DAT
Vícerozměrné metody.
Popisná analýza v programu Statistica
1. cvičení
3. Fenetika numerická taxonomie
STATISTICKÝ ROZCESTNÍK aneb CO S DATY Martin Sebera.
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
IV..
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Charakteristiky variability Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
INDUKTIVNÍ STATISTIKA
VÍCEKRITERIÁLNÍ ROZHODOVÁNÍ I.
4. cvičení
Statistika 2.cvičení
Popisná statistika: přehled
Popisná analýza v programu Statistica
STATISTICKÉ CHARAKTERISTIKY
Fylogenetická evoluční analýza
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
3. cvičení
Spojitá a kategoriální data Základní popisné statistiky
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Typy proměnných Kvalitativní/kategorická binární - ano/ne
5. cvičení
Statistika a výpočetní technika
Analýza kardinálních proměnných
ANALÝZA A KLASIFIKACE DAT
Autor: Honnerová Helena
Základy statistiky.
Základy popisné statistiky
Transkript prezentace:

3. Fenetika numerická taxonomie použití fenetického přístupu v současné taxonomii taxonomický znak ze statistického hlediska shlukové analýzy ordinace (PCA) diskriminační analýza ANN a automatické určování v taxonomii

Numerická taxonomie - Fenetika rozvoj výpočetní techniky Michener & Sokal (1957), Sneath (1957) Sokal R. & Sneath P. (1963): Principles of Numerical Taxonomy taxonomie je praktická a empirická věda fylogeneze není přímo poznatelná klasifikace založená na celkové podobnosti čím více znaků, tím lépe každý znak má stejnou váhu použití metod mnohorozměrné statistiky Robert Sokal

Postup fenetiků operational taxonomic units (OTU) – jedinci, populace, druhy, vyšší taxony co největší počet znaků (ca. 100) selekce znaků (korelace, závislost na prostředí) zakódování znaků, vytvoření matice znaků (character matrix)

matice koeficientů vzdáleností / podobností Postup fenetiků 5) matice koeficientů vzdáleností / podobností (distance matrix) 6) shluková analýza: konstrukce fenogramu

Úskalí fenetiky vychází z přístupu, že fylogeneze není poznatelná odlišné statistické metody = odlišné výsledky nerozlišuje povrchní podobnost (např. konvergence) od podobnosti zděděné

Kladistika vs. fenetika

Použití fenetického přístupu v současné taxonomii hodnocení vnitrodruhové a mezidruhové variability (klasifikace, delimitace, nalezení diagnostických znaků) z nouze cnost: pragmatická klasifikace jen na základě podobnosti hodnocení molekulárně-biologických dat (sekvence, DNA hybridizace, fingerprinting, imunologie) - distanční metody: UPGMA, neighbor joining

Stupnice taxonomického znaku nominální (nominal scale) – jednotlivé stavy, platí rovnost nebo nerovnost (např. přítomnost/nepřítomnost) pořadová (ordinal scale) – objekty můžeme seřadit, platí <, > (např. stupnice sytosti barvy) intervalová (interval scale) – počty, můžeme vyjádřit rozdíl, platí +, - (např. počet per na křídle) poměrová (ratio scale) – např. délky, plochy, objemy, lze vyjádřit poměr, platí *, / (např. délky, plochy, objemy)

Dělení znaků ze statistického hlediska kvalitativní (qualitative) binární (binary): 2 stavy 0,1 vícestavové (multistate): 0,1, 2, 3, … semikvantitativní (semiquantitative) kvantitativní (quantitative): nespojité, diskrétní (discontinuous, discrete, meristic) spojité, kontinuální (continuous)

Převod vícestavového znaku na binární pomocí umělých proměnných (dummy variables)

Popisná statistika kvantitativního znaku ukazatel středu (průměr, medián, modus) ukazatel variability (rozpětí max.-min., kvantily, rozptyl, směrodatná odchylka) rozložení (grafické srovnání, šikmost, špičatost, testy normality) korelace mezi znaky šikmost < 0 šikmost > 0 špičatost < 0 špičatost > 0

Geometrická morfometrika – analýza tvaru tvar lze vyjádřit kvantitativními znaky nevychází ze vzdáleností, ale ze srovnání souřadnic význačných bodů (landmarks)

Odvození souřadnicové sítě

Metoda ohebných pásků (thin-plate spline)

Sběr morfologických dat pro statistickou analýzu jen kvantitativní a binární znaky jednotlivé znaky vs. jejich poměry vyloučení znaků závislých pouze na prostředí korelace mezi znaky kolik znaků sledovat? kolik jedinců prohlédnout? počet jedinců vs. počet populací chybějící data – vyřazení nebo nahrazení (např. průměrem)

Úprava matice dat matice znaků x OTU, n-rozměrů (n=počet znaků) různá měřítka: standardizace (standardization) centrováním rozpětím směrodatnou odchylkou odchylky od normality: transformace (transformation) logaritmická, y=log (x+1) odmocninová, y=(x+1)-2 arkussinová mnohorozměrná statistika (multivariate statistics)

Shlukové analýzy (cluster analysis) 1A) koeficienty podobnosti, metriky kvantitativní znaky: Eukleidovská vzdálenost tětivová vzdálenost (chord distance) Manhattanská vzdálenost Mahalanobisova vzdálenost

Shlukové analýzy (cluster analysis) 1B) koeficienty podobnosti, metriky binární znaky a smíšená data jednoduchá shoda (simple matching) Jaccardův index Sörensenův index Gowerův index

Shlukové analýzy (cluster analysis) 2) shlukovací algoritmy single linkage complete linkage

Shlukové analýzy (cluster analysis) 2) shlukovací algoritmy average linkage (UPGMA) Wardova metoda (minimalizace vnitroshlukového rozptylu)

Shlukové analýzy (cluster analysis) - shrnutí záleží na struktuře v datech zkusit více metod citlivost na odlehlé objekty nevhodné např.pro studium klinální variability

Ordinační metody cílem je nahradit velký počet znaků menším počtem hypotetických proměnných při minimální ztrátě informace (ideálně 2-3 osy) nepředpokládají a priorní seskupení objektů – explorační techniky k tvorbě hypotéz PCA, PCoA, NMDS, CA

Analýza hlavních komponent (PCA) osy (PC) vedeny ve směru největší variability vždy kolmo na sebe prvních několik PC na sebe váže nejvíce variability každá PC je lineární kombinací původních znaků hlavně pro kvantitativní znaky robustní k rozložení počet objektů musí být větší než počet znaků kovariance vs. korelace

Interpretace výsledků PCA ordinace objektů a znaků, biplot (grafické znázornění) vlastní čísla (eigenvalues) – míra variability v datech vyjádřená jednotlivými PC (absolutní hodnota, % podíl ze součtu EV) % variability jednotlivých znaků vyjádřené příslušnou PC korelace znaků s jednotlivými PC

Diskriminační analýza (DA) studujeme rozdíly mezi dvěma či více již stanovenými skupinami metoda testování hypotéz

Kanonická diskriminační analýza, CDA (canonical variates analysis, CVA) a) je možné odlišit předem stanovené skupiny objektů (druhy, populace,…) na základě znaků, které máme k dispozici, a do jaké míry? b) které znaky jsou pro rozlišení skupin nejlepší? neumožňuje odhalit další možné přítomné skupiny (druhy, poddruhy apod.) v datech

Požadavky CDA kvantitativní a binární znaky vyloučit znaky, které jsou navzájem lineární kombinací, silně korelované, a třídní znak mnohorozměrné normální rozložení alespoň 2 skupiny, v každé min. 2 objekty žádný znak by neměl být v nějaké skupině konstantní

osy jsou vedeny ve směru největší variability mezi skupinami nová osa - kanonická diskriminační funkce je lineární kombinací původních znaků

Interpretace výsledků CDA stačí interpretovat několik prvních os (významnost os: eigenvalues, % eigenvalues, kanonické korelační koeficienty, Wilksovo lambda) celková kanonická struktura – vztah mezi jednotlivými znaky a kanonickými osami (standardizované kanonické koeficienty, korelace mezi znaky a diskriminačními funkcemi) relativní pozice objektů a skupinových centroidů (např. konfidenční intervaly)

Klasifikační diskriminační analýza slouží k identifikaci objektů cílem je odvodit rovnici, která kombinuje jednotlivé znaky pomocí vah

Klasifikační diskriminační analýza např. listy břízy y = 12LTF + 2DFT – 2LTW -23 y < 0 y > 0

Umělé neuronové sítě (ANN) matematické modely napodobující strukturu lidského mozku složeny z mnoha dílčích funkčních jednotek uzlů (umělých neuronů) hierarchicky uspořádaných a vzájemně provázaných ve vrstvách architektura sítě závisí na komplexitě problému INPUT HIDDEN LAYER OUTPUT

 MINIMUM sumk= ∑j xj * wik+ γ input hidden layer output

Umělé neuronové sítě (ANN) output: taxony input: znaky Tachina fera Tachina magnicornis Tachina nupta 3 fáze: učení (training): iterativní tvorba modelu na základě trénovacího souboru verifikace (verification): ověření správnosti modelu predikce (prediction): určování neznámých jedinců

Automatické určování organizmů ANN jsou statisticky velmi robustní, nelineární metoda (nezávisí na rozložení a typu dat) se schopností učit se z příkladů ideální základ pro automatické systémy určování organizmů input: morfometrie, světelná spektra, bioakustika, koncentrace chemických látek v těle, transformované digitální fotografie,… např. určování přílipek (Patella spp.) na základě koncentrací nasyc. uhlovodíků (Hernández-Borges et al. 2003)

Automatické určování organizmů např. SPIDA – web (Platnick et al. 2005) https://research.amnh.org/invertzoo/spida/common/index.htm automatický systém určování australských pavouků čel. Trochanteriidae (15 rodů, 121 druhů) přes internet na základě zaslaných fotografií