Aqui você vê as diferenças entre duas revisões dessa página.
Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
ecovirt:roteiro:pad_spat [2021/09/27 10:04] adalardo [Padrão Univariado: todos os pontos] |
ecovirt:roteiro:pad_spat [2022/09/27 12:10] 127.0.0.1 edição externa |
||
---|---|---|---|
Linha 26: | Linha 26: | ||
* ser estatisticamente tratável: passível de calcular a incerteza do valor e testar a diferenças entre amostras. | * ser estatisticamente tratável: passível de calcular a incerteza do valor e testar a diferenças entre amostras. | ||
- | Para essa prática usaremos uma estimativa de aleatoriedade de pontos chamada K-Ripley. Primeiro iremos utilizar dados de distribuição simulados com diferentes padrões e em seguida utilizar a mesma técnica para detectar o padrão espacial em uma população natural. | + | Para essa prática usaremos uma estimativa de aleatoriedade de pontos chamada K-Ripley (e sua padronização chamada L-Ripley). Primeiro iremos utilizar dados de distribuição simulados com diferentes padrões e em seguida utilizar a mesma técnica para detectar o padrão espacial em uma população natural. |
<WRAP round box center leftalign 100% > | <WRAP round box center leftalign 100% > | ||
//**__Roteiro__**// | //**__Roteiro__**// | ||
Linha 59: | Linha 59: | ||
{{:ecovirt:roteiro:manualprogramita2004b.pdf|aqui}}. | {{:ecovirt:roteiro:manualprogramita2004b.pdf|aqui}}. | ||
- | No **Programita** existem várias medidas que podem ser usadas para calcular o padrão espacial, vamos usar duas delas: o **L de Ripley** e o **O-ring**. | + | No **Programita** existem várias medidas que podem ser usadas para calcular o padrão espacial, vamos usar duas delas: o **K de Ripley (na verdade, vamos usar sua padronização L-Ripley)** e o **O-ring**. |
Ambas são abordagens baseadas em pontos, que utilizam o cálculo de distâncias ponto a ponto dentro de uma área delimitada. Essas medidas podem ser usadas para análises univariadas, ou seja, identificando o padrão para uma única classe de pontos, ou para análises bivariadas, que identifica o padrão entre dois tipos de pontos. As análises bivariadas podem ser usadas no contexto de populações para verificar se indivíduos de um dado estágio estão espacialmente associados a outro, ou no contexto de estruturação de comunidades para analisar se há atração ou repulsão na ocorrência de uma espécie em relação a outra. | Ambas são abordagens baseadas em pontos, que utilizam o cálculo de distâncias ponto a ponto dentro de uma área delimitada. Essas medidas podem ser usadas para análises univariadas, ou seja, identificando o padrão para uma única classe de pontos, ou para análises bivariadas, que identifica o padrão entre dois tipos de pontos. As análises bivariadas podem ser usadas no contexto de populações para verificar se indivíduos de um dado estágio estão espacialmente associados a outro, ou no contexto de estruturação de comunidades para analisar se há atração ou repulsão na ocorrência de uma espécie em relação a outra. | ||
Linha 91: | Linha 91: | ||
$$ L_{(r)}= (\sqrt{\frac{K_{(r)}}{\pi}}-r) $$ | $$ L_{(r)}= (\sqrt{\frac{K_{(r)}}{\pi}}-r) $$ | ||
- | Esta transformação faz com que o valor de ''L'' para uma distribuição completamente aleatória seja sempre ''0'' e ''L > 0'' indica agregação, enquanto ''L < 0'' indica padrão homogêneo. | + | Esta transformação faz com que o valor de ''L'' para **uma distribuição completamente aleatória seja sempre ''0''**, para **uma distribuição agregada ''L > 0''** e para **uma distribuição homogênea ''L < 0''**. |