Datasets:
Vikhrmodels
/
programming_books_rus

Dataset card Data Studio Files
xet
 Community
1
text
stringlengths
0
1.95k
где Nx и Ny – суммы элементов векторов x и y, max(si) – максимальное значение i-го
8
Другие его названия: индекс Ренконена, процентное подобие, коэффициент общности, индекс
Штейнгауза, количественная мера сходства Чекановского и т.д.
164
i
i
i
показателя на всех обследованных объектах.
Если значения xi и yi принимают значения (0, 1), то мы имеем многочисленный
класс мер расстояний, измеряемых в бинарном пространстве хеммингового типа. Таков, в
частности, набор коэквивалентных индексов, которые по существу отражают долю общих
биологических видов в среднем видовом богатстве сравниваемых выборок:
Kxy = a/(a + b + c);
Kxy = 2a/(2a + b + c);
Kxy = a/[(a + b)(a + c)]0.5,
o Жаккара
o Съеренсена
o Охаи (Ochiai)
где a – число совпадающих элементов, b + c – число элементов, уникальных для x и y.
В ряде работ (Миркин, Розенберг, 1978) делаются попытки оценить, какие меры
"завышают" или "занижают" сходство между сообществами и каким коэффициентам
следует отдать предпочтение в работе. Однако вряд ли имеет смысл акцентировать эту
сторону проблемы, так как единственным критерием адекватности оценок является
устойчивость последовательностей агрегирования объектов на основании меры сходства в
более крупные таксоны, иерархические деревья и проч.
Примеры многомерных пространств иного типа, применяемые в экологии и
географии, подробно анализируются Ю.Г. Пузаченко (2004). Нам же важно подчеркнуть,
что мера сходства/расстояния является типичным искусственно сконструированным
собирательным понятием, отражающим латентные (т. е. скрытые, принципиально не
измеряемые инструментально) свойства реальных объектов и включающим некоторые,
выработанные практикой разумные критерии для качественного сопоставления этих
объектов (P. Legendre, L. Legendre, 1998).
Поскольку любая из перечисленных индексов метрического или неметрического
сходства является такой же мерой близости векторов x и y, что и коэффициент
корреляции, для оценки их
значимости можно использовать
рандомизационную процедуру, описанную в разделе 3.1. Однако, поскольку "дьявол
таится в деталях", рассмотрим нетривиальные особенности этой задачи на примерах.
статистической
Предположим, нам необходимо выяснить, сформирован ли видовой состав донных
сообществ верхнего (x) и нижнего (y) участков р. Сок [пример П2] из одного и того же
пула видов. Соотношение оценок видового богатства макрозообентоса можно представить
своеобразной таблицей сопряженности:
Число видов, обнаруженных во
всех пробах
Верхний участок
(51 проба)
Найдено
Отсутствует
Итого:
Нижний участок (44 пробы)
Найдено
a = 88
b = 86
174
Отсутствует
c = 102
d = ?
102
Итого:
190
86
276
Частоты встречаемости каждого из 276 видов в пробах, взятых на каждом участке,
составили пары значений xi и yi, которые были помещены в файл и использованы для
расчета индексов, использующих количественные данные. Как и в большинстве
предыдущих примеров, расчеты выполнялись в двух направлениях:
o оценка бутстреп-распределения и нахождение доверительных интервалов
изучаемой меры сходства двух сообществ (мы не считаем, что их знание принесет здесь
самостоятельную пользу, но интервальное оценивание всегда предпочтительнее
точечного);
o формирование статистического распределения индексов при справедливости