了得網計算機/網絡_數量生態學—

編輯推薦

(加)博卡德、(法)吉萊、(加)勒讓德編著的《數量生態學--R語言的應用》的特色是在簡要介紹分析方法原理的基礎上，利用案例數據逐步展示如何在R中實現生態學數據數量分析的基本方法(數據描述性統計、關聯測度計算)和高級方法(聚類分析、排序分析和空間分析)，與Numerical
Ecology互為補充。

內容簡介

近年來，隨著新的數據分析方法在生態學和環境科學研究中的迅速發展和大數據時代的來臨，R語言統計軟件以其靈活、開放、易於掌握、免費等諸多優點，在生態科學和環境科學研究領域迅速傳播並贏得廣大研究者的青睞。數量生態學方法是現代生態學研究的重要工具，本書是連接數量生態學方法和R語言的橋梁。(加)博卡德、(法)吉萊、(加)勒讓德編著的《數量生態學--R語言的應用》首先介紹探索性數據分析和關聯矩陣的構建，然後介紹數量生態學的三類主要方法：聚類分析、排序(非約束排序和典範排序)
和空間分析。本書的重點不是介紹數量方法的理論基礎和數學公式，而是在簡要介紹原理的基礎上，利用案例數據，手把手地教大家如何在R中實現數量分析。《數量生態學--R語言的應用》可作為生態學、環境科學及其他相關領域(例如海洋學、分子生態學、農學和土壤科學)本科生和研究生的教材，也可作為相關專業科研人員的自學參考書。

作者簡介

Daniel
Borcard博士，加拿大蒙特利爾大學生物科學繫高級研究員。長期從事數量生態學、群落生態學和生物統計學方面的科研和教學工作，曾獲蒙特利爾大學優秀教學獎。
Francois Gillet博士，法國弗朗什孔泰大學科學與技術學院教授。長期從事群落生態學、植被生態學、數量生態學和生態模型方面的科研和教學工作。
Pierre
Legendre博士，加拿大蒙特利爾大學生物科學繫教授，加拿大皇家學會會員。在群落生態學、數量生態學、統計生態學和繫統發育中的數量方法等領域具有很高的造詣，是國際數量生態學界的權威，著有影響力極大的Numerical
Ecology一書，發表論文200餘篇。他也是生態學／環境科學領域lsI檢索引用率的學者之一。

第1章緒論
1.1 為什麼需要數量生態學?
1.2 為什麼用R?
1.3 本書的讀者群和結構
1.4 如何使用本書
1.5 數據集
1.5.1 Doubs魚類數據集顯示全部信息第1章緒論
1.1 為什麼需要數量生態學?
1.2 為什麼用R?
1.3 本書的讀者群和結構
1.4 如何使用本書
1.5 數據集
1.5.1 Doubs魚類數據集
1.5.2 甲螨數據集第1章緒論

1.1 為什麼需要數量生態學?

1.2 為什麼用R?

1.3 本書的讀者群和結構

1.4 如何使用本書

1.5 數據集

1.5.1 Doubs魚類數據集顯示全部信息第1章緒論

1.1 為什麼需要數量生態學?

1.2 為什麼用R?

1.3 本書的讀者群和結構

1.4 如何使用本書

1.5 數據集

1.5.1 Doubs魚類數據集

1.5.2 甲螨數據集

1.6 關於R幫助資源的提醒

1.7 現在是時候了

第2章探索性數據分析

2.1 目標

2.2 數據探索

2.2.1 數據提取

2.2.2 物種數據：次接觸

2.2.3 物種數據：進一步分析

2.2.4 物種數據轉化

2.2.5 環境數據

2.3 小結

第3章關聯測度與矩陣

3.1 目標

3.2 關聯測度的主要類別(簡短概述)

3.2.1 Q模式和R模式

3.2.2 Q模式下對稱或非對稱的繫數：雙零問題

3.2.3 定性或定量數據的關聯測度

3.2.4 概括

3.3 Q模式：計算對像之間的距離矩陣

3.3.1 Q模式：定量的物種數據

3.3.2 Q模(有一無)物種數據

3.3.3 Q模式：定量數據(除物種多度數據外的數據)

3.3.4 Q模數據(除物種有一無數據外的數據)

3.3.5 Q模式：混合類型、包括分類(定性多級)變量

3.4 R模式：計算變量之間的依賴矩陣

3.4.1 R模式：物種多度數據

3.4.2 R模式：物種有一無數據

3.4.3 R模式：定量和序數數據(除物種多度外的數據)

3.4.4 R模數據(除物種多度外的數據)

3.5 物種數據的預轉化

3.6 小結

第4章聚類分析

4.1 目標

4.2 聚類概述

4.3 基於連接的層次聚類

4.3.1 單連接聚合聚類

4.3.2 完全連接聚合聚類

4.4 平均聚合聚類

4.5 ward小方差聚類

4.6 靈活聚類

4.7 解讀和比較層次聚類結果

4.7.1 引言

4.7.2 同表型相關

4.7.3 尋找可解讀的聚類簇

4.8 非層次聚類

4.8.1 A一均值劃分

4.8.2 圍繞中心點劃分(PAM)

4.9 用環境數據進行比較

4.9.1 用外部數據進行類型比較(方差分析途徑)

4.9.2 雙類型比較(列聯表分析)

4.10 物種集合

4.10.1 組內數據簡單統計

4.10.2 KendaU共性繫數(w)

4.10.3 基於有一無數據的物種集合

4.10.4 IndVal：物種指示值

4.1回歸樹：約束聚類

4.11.1 引言

4.11.2 計算(原理)

4.11.3 使用mvpart和MVPARTwrap程序包運行MRT

4.11.4 組合MRT和[ndVal

4.11.5 作為時序型(ChronologiCal)聚類方法的MRT

4.12 另類途徑：模糊聚類

4.12.1 使用Cluster程序包內fanny()函數進行C一均值模糊聚類

4.13 小結

第5章非約束排序

5.1 目標

5.2 排序概述

5.2.1 多維空間

5.2.2 降維空間內的排序

5.3 主成分分析(PCA)

5.3.1 概述

5.3.2 使用rda()函數對Doubs環境數據進行PCA分析

5.3.3 轉化後的物種數據PCA分析

5.3.4 PCA應用領域

5.3.5 使用PCA()函數進行PCA分析

5.4 對應分析(CA)

5.4.1 引言

5.4.2 使用vegan包裡的CCa()函數進行CA分析

5.4.3 使用CA()函數進行對應分析

5.4.4 弓形效應和去趨勢對應分析(DCA)

5.4.5 多重對應分析(MCA)

5.5 主坐標分析(pcoa)

5.5.1 引言

5.5.2 利用CmdsCale包和vegan包對Doubs數據進行PC0A分析

5.5.3 使用pcoa()函數對Doubs數據進行pcoa分析

5.6 非度量多維尺度分析(NMDS)

5.6.1 引言

5.6.2 魚類數據NMDS分析

5.7 手寫排序函數

第6章典範排序

6.1 目標

6.2 典範排序概述

6.3 冗餘分析(RDA)

6.3.1 引言

6.3.2 Doubs數據集R：DA分析

6.3.3 手寫RDA函數

6.4 典範對應分析(CCA)

6.4.1 引言

6.4.2 Doubs數據集CCA分析

6.5 線性判別式分析(LDA)

6.5.1 引言

6.5.2 使用lda()函數進行判別式分析

6.6 其他非對稱分析

6.7 兩個(或多個)數據集的對稱分析

6.8 典範相關分析(CCorA)

6.8.1 引言

6.8.2 使用CCorA函數進行典範相關分析

6.9 協慣量分析(CoIA)

6.9.1 引言

6.9.2 使用ade4包進行協慣量分析

6.1因子分析(MFA)

6.10.1 引言

6.10.2 使用FaCtoMineR因子分析

6.11 小結

第7章生態學數據空間分析

7.1 目標

7.2 空間結構和空間分析：簡短概述

7.2.1 引言

7.2.2 誘導性空間依賴和空間自相關

7.2.3 空間尺度

7.2.4 空間異質性

7.2.5 空間相關或自相關函數和空間相關圖

7.2.6 空間相關檢驗的條件

7.2.7 模擬空間結構

7.趨勢面分析

7.3.1 引言

7.3.2 練習趨勢面分析

7.4 基於特征根的空間變量和空間建模

7.4.1 引言

7.4.2 基於距離的經典MEM(之前被稱為PCNM)

7.4.3 更廣泛的MEM：除地理距離外的權重

7.4.4 應該使用正空間相關還是負空間相關?

7.4.5 具有方向性的非對稱特征向量圖(AEM)

7.5 另外一種了解空間結構的途徑：多尺度排序

7.5.1 原理

7.5.2 甲螨數據多尺度排序：探索性方法

7.5.3 去趨勢甲螨物種和環境數據多尺度排序

7.6 小結

參考文獻

索引

商品搜索

商品分类

【醫學】

【各大出版社】