Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
Prati, pascoli e paesaggio alpino - SoZooAlp
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Tab. 4.4<br />
Tab.<br />
Principali<br />
4.4<br />
operazioni di standardizzazione e trasformazione dei dati<br />
Principali operazioni di standardizzazione e trasformazione dei dati<br />
Tipo Operazione matematica<br />
Standardizzazioni<br />
Traslazione<br />
xt = xi-x min<br />
83<br />
PRATI, PASCOLI E PAESAGGIO ALPINO<br />
Centraggio<br />
xt = xi-x m<br />
Spostamento dell'origine sulla media, che<br />
diviene uguale a 0.<br />
Deviazione standard xt = zi = (x i-xm)/dev.st. Spostamento dell'origine sulla media, che<br />
(variabile z)<br />
diviene uguale 0, e varianza resa unitaria.<br />
Valore massimo<br />
xt = xi/xmax<br />
Riduzione della variabilità in una scala 0-1.<br />
Intervallo di variazione xt = (xi-x min)/(xmax-xmin) Riduzione della variabilità in una scala 0-1.<br />
Totale xt = xi/Σxi Riduzione della variabilità e somma dei<br />
valori resa unitaria.<br />
Normalizzazione<br />
2<br />
xt = xi/√Σxi Riduzione della variabilità in una scala 0-1 e<br />
devianza resa unitaria.<br />
Trasformazioni<br />
Radice quadrata<br />
Logaritmica<br />
Arcoseno<br />
xt = √xi xt = log x i 0 log (xi+n) x t = arcsen x i<br />
mente si considera rara una specie presente in meno del 5% dei campioni, ma si arriva ad<br />
accettare anche un livello del 25%.<br />
4.6. ruolo dell’analisi multivariata e matrici secondarie<br />
Effetti<br />
Spostamento dell'origine sul valore minimo.<br />
Riduzione della variabilità.<br />
Riduzione della variabilità, tanto maggiore<br />
quanto la base logaritmica è elevata.<br />
Riduzione della variabilità in una scala 0-1.<br />
Il riconoscimento dei campioni isolati, delle disgiunzioni e dei campioni composti e<br />
il controllo del rumore rappresentano, nel contempo, il primo obiettivo del trattamento<br />
multivariato delle matrici primarie di comunità e il pre-requisito per un’efficace interpretazione<br />
dell’informazione utile, quella in grado di evidenziare la struttura dell’ecosistema<br />
e il ruolo dei fattori ambientali. Per fare ciò, l’analisi multivariata realizza una sintesi<br />
oggettiva e semplice dei dati, che ne facilita la stessa comprensione e comunicazione.<br />
A differenza delle procedure uni o bivariate e delle loro espansioni dirette in campo<br />
multivariato (T 2 di Hotelling, Analisi della varianza multivariata, Regressione multipla,<br />
Correlazione multipla e Correlazione canonica), l’elaborazione statistica delle matrici<br />
non serve dunque a verificare delle ipotesi e fare delle inferenze, ma a svelare le relazioni<br />
tra i dati mediante un processo esplorativo coerente con il pensiero olistico. Tra le tante<br />
tecniche disponibili e utili allo scopo, 9 quelle di comune impiego in sinecologia vege-<br />
9 I metodi multivariati sono molteplici e derivano da diverse discipline. Ad esempio, l’analisi delle componenti<br />
principali nasce in ecologia e tassonomia, mentre l’analisi dei fattori in psicologia. Lo scambio tra campi disparati<br />
è reso possibile dal fatto che i dati multivariati hanno molto in comune tra loro. Ogni settore ha tuttavia anche<br />
delle specificità, per cui l’efficacia delle varie tecniche non è sempre la medesima. Laddove ragioni particolari<br />
non giustifichino opzioni diverse, è dunque buona norma preferire i metodi consolidati nello specifico ambito<br />
disciplinare, maggiormente collaudati e sicuri.