Bi7540 Zpracování dat v ekologii společenstev

Přírodovědecká fakulta
jaro 2021
Rozsah
2/1/0. 3 kr. (příf plus uk plus > 4). Ukončení: zk.
Vyučující
doc. RNDr. Jakub Těšitel, Ph.D. (přednášející)
Garance
doc. RNDr. Jakub Těšitel, Ph.D.
Ústav botaniky a zoologie – Biologická sekce – Přírodovědecká fakulta
Kontaktní osoba: doc. RNDr. Jakub Těšitel, Ph.D.
Dodavatelské pracoviště: Ústav botaniky a zoologie – Biologická sekce – Přírodovědecká fakulta
Rozvrh
Po 1. 3. až Pá 14. 5. Út 14:00–16:50 online_B6
Předpoklady
Bi5040 Biostatistika - základní kurz || Bi5560 Základy statistiky pro biology
Přednáška navazuje na znalosti získané v předmětu Bi5040 Biostatistika, zejména na regresní analýzu a obecné lineární modely, a bylo by proto lepší, aby si studenti tento předmět zapsali až po absolvování Biostatistiky. Cvičení probíhá v programu R. Je proto vhodné (i když nutné to není - ale v tom případě je vyžadováno zvýšené úsilí na začátku semestru), aby studenti již měli základní znalosti práce v prostředí tohoto programu. Ty je možné získat v předmětu Bi7560 Úvod do R. Užitečné, nikoliv však nezbytné, je také předchozí absolvování předmětu Bi6549 Zpracování základních botanických dat.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V předmětu jsou probírány základní statistické metody zpracování dat o druhovém složení rostlinných nebo živočišných společenstev, bez ohledu na jejich taxonomické vymezení. Hlavní důraz je kladen na numerické klasifikační a ordinační metody a na hodnocení vztahů mezi druhovým složením společenstva a faktory prostředí.
Na konci tohoto kurzu by student měl být schopen aplikovat příslušné analytické metody pomocí populárního programu R.
Výstupy z učení
Student by měl být schopen samostatně:
Zvolit vhodnou metodu pro analýzu vícerozměrných dat za účelem zodpovězení konkrétní ekologické otázky
Aplikovat tuto metodu
Interpretovat výsledky analýzy
Výsledky doprovodit grafickým výstupem
Zahrnout analýzu do vědeckého textu
Osnova
  • Příprava dat pro numerické analýzy (čištění dat, odlehlé body, transformace, standardizace, EDA), typy sbíraných dat (kategoriální vs kvantitativní, pokryvnosti, frekvence)
  • Ekologická podobnost (indexy podobnosti a vzdálenosti mezi vzorky)
  • Ordinační analýza (lineární vs unimodální, přímá vs nepřímá, artefakty, ordinační diagramy, permutační testy, rozklad variance, parciální analýza, příkladové studie)
  • Numerická klasifikace (hierarchická vs nehierarchická, aglomerativní vs divisivní, řízená vs neřízená klasifikace)
  • Používání funkčních vlastností druhů a indikačních hodnot v mnohorozměrných analýzách (funkční vlastnosti druhů, Ellenbergovy indikační hodnoty, //community weighted mean//, //fourth-corner problem//)
  • Indexy diversity (alfa, beta a gamma diverzita, akumulační druhová křivka, rarefaction)
  • Design ekologických experimentů (manipulativní experimenty vs přírodní experimenty - pozorování)
  • Případové studie na použití jednotlivých metod.
    Cvičení bude zahrnovat analýzy konkrétních ekologických dat v programu R.
Literatura
    doporučená literatura
  • LEPŠ, Jan a Petr ŠMILAUER. Mnohorozměrná analýza ekologických dat. 2001. http://regent.jcu.cz/skripta.pdf
  • HERBEN, Tomáš a Zuzana MÜNZBERGOVÁ. Zpracování geobotanických dat v příkladech. Část I. Data o druhovém složení. http://www.natur.cuni.cz/~botanika/, 2001. info
    neurčeno
  • ŠMILAUER, Petr a Jan LEPŠ. Multivariate Analysis of Ecological Data using CANOCO 5. 2nd ed. Cambridge: University Press, 2014, xii, 362. ISBN 9781107694408. info
  • BORCARD, Daniel, François GILLET a Pierre LEGENDRE. Numerical ecology with R. New York: Springer, 2011, xi, 306. ISBN 9781441979759. info
  • ZUUR, Alain F., Elena N. IENO a Graham M. SMITH. Analysing Ecological Data. Springer-Verlag New York, 2007, 672 s. ISBN 978-0-387-45967-7. Dostupné z: https://dx.doi.org/10.1007/978-0-387-45972-1. URL info
Výukové metody
teoretické přednášky, doplněné o praktické cvičení v počítačové učebně
Metody hodnocení
Ke zkoušce je třeba vypracovat krátkou studii, ve které student zanalyzuje vlastní nebo zapůjčená data pomocí probíraných statistických metod. Studie by měla mít strukturu krátkého vědeckého článku. Podrobné pokyny k vypracování této studie budou viset na webových stránkách předmětu. Vlastní zkouška bude probíhat jako diskuse nad zpracovanou studií, rozšířená o doplňující dotazy týkající se teoretického pozadí jednotlivých statistických metod.
Další komentáře
Studijní materiály
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je vyučován každoročně.
Nachází se v prerekvizitách jiných předmětů
Předmět je zařazen také v obdobích podzim 2007 - akreditace, jaro 2011 - akreditace, podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, jaro 2010, jaro 2011, jaro 2012, podzim 2011 - akreditace, jaro 2012 - akreditace, jaro 2013, jaro 2014, jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2022, jaro 2023, podzim 2023, podzim 2024.