Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1)

Нажмите для полного просмотра!

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №2

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №3

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №4

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №5

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №6

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №7

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №8

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №9

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №10

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №11

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №12

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №13

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №14

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №15

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №16

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №17

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №18

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №19

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №20

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №21

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №22

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №23

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №24

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №25

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №26

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №27

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №28

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №29

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №30

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №31

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №32

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №33

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №34

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №35

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №36

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №37

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №38

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №39

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №40

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №41

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №42

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №43

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №44

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №45

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №46

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №47

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №48

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №49

Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1), слайд №50

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Математические идеи в почвоведении. Методы статистического анализа данных. (Лекция 1). Доклад-сообщение содержит 50 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Лекция 1 Тема: Математические идеи в почвоведении

Слайд 2

Описание слайда:

ЦЕЛЬ КУРСА : овладение современными методами статистического анализа данных, получаемых в результате почвенных и агрохимических исследований. В процессе освоения курса студент должен овладеть умением применять результаты статистического анализа для интерпретации полученных данных и делать содержательные выводы.

Слайд 3

Описание слайда:

МЕСТО КУРСА В ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКЕ ВЫПУСКНИКОВ Программа курса «Математические методы в почвоведении» предусматривает цикл практических занятий, цель которых освоение алгоритмов решения различных статистических задач в применении к реальным почвенным данным. Освоение материала предусматривает постепенное нарастание сложности задач к концу практического курса, что позволяет в конце семестра приобрести достаточные навыки для самостоятельного применения различных статистических методов в научной работе студентами-почвоведами. Навыки, полученные на практических занятиях, закрепляются в результате выполнения самостоятельных работ, предусмотренных в программе курса.

Слайд 4

Описание слайда:

Курс «Математические методы в почвоведении» проводится в 4 семестре подготовки специалистов, объем аудиторных часов – 36, из них лекции - 18 часа, практические занятия - 18 часа, самостоятельная работа – 96 часов. Общее количество часов –160. Курс «Математические методы в почвоведении» проводится в 4 семестре подготовки специалистов, объем аудиторных часов – 36, из них лекции - 18 часа, практические занятия - 18 часа, самостоятельная работа – 96 часов. Общее количество часов –160.

Слайд 5

Описание слайда:

ТРЕБОВАНИЯ К УРОВНЮ УСВОЕНИЯ СОДЕРЖАНИЯ КУРСА: Студент должен свободно ориентироваться в выборе статистических методов при решении конкретных профессиональных задач. Навыки в овладении математическими методами в почвоведении студент получает на 12 практических занятиях и в результате выполнения 11 самостоятельных работ. Теоретическими знаниями студент овладевает на лекциях и в результате самостоятельной работы по программе курса с рекомендуемой литературой.

Слайд 6

Описание слайда:

СПИСОК РЕКОМЕНДОВАННОЙ ЛИТЕРАТУРЫ Владимирский Б.М. Математические методы в биологии. Ростов-на-Дону: РГУ, 1983. -304 с. Владимирский Б.М. Горстко А.Б., Ерусалимский Я.М. Математика. Общий курс. СПб.: Изд-во «Лань», 2002. – 960 с. Дмитриев Е.А. Математическая статистика в почвоведении. М.: Изд-во Моск. ун-та, 1972 - 292 с. Доспехов Б.А. Методика полевого опыта. М. Колос, 1968. -336 с. Дюк В. Обработка данных на ПК в примерах. Санкт-Петербург: Питер, 1997. -240 с. Дюран Б., Одел П. Кластерный анализ. М.: Статистика. 1997. - 128 с. Лакин Г.Ф. Биометрия. М.: высшая школа, 1990. – 352 с. Лебедева Н.В., Дроздов Н.Н., Криволуцкий Д.А. Биоразнообразие и его оценка. М.: МГУ, 1999. – 99 с. Лебедева Н.В., Рыбянец Т.В. Математические методы в почвоведении. Задачи с методическими указаниями. Ростов-на-Дону: Биос, 2002. – 66 с. Лоули Д. Максвел Л. Факториальный анализ как статистический метод. М.: Мир. 1967. - 144 с. Применение методов математической статистики в почвоведении, мелиорации и сельском хозяйстве. Москва-Новочеркасск. – 1980. – 57 с. Рожков В.А. Почвенная информатика. М.: Агропромиздат, 1989. – 221 с. Рокицкий П.Ф. Биологическая статистика. Минск: Вышэйш. Школа, 1967. 328 с. Справочник по прикладной статистике/ Под ред. Э.Ллойда, У. Ледермана, Ю.Н. Тюрина. Т. 1,2. М.: Финансы и статистика. 1989, 1990. 510 с., 526 с.

Слайд 7

Описание слайда:

План лекции: 1. Развитие математических идей в биологии и почвоведении. 2. Понятие генеральной совокупности и случайной выборки. Признаки. Выборочные распределения. 3. Графическое представление экспериментальных данных.

Слайд 8

Описание слайда:

Развитие математических идей в биологии и почвоведении Применение математического аппарата в исследованиях натуралистов и естество испытателей в XVII – XIX вв. Эволюционная теория и теория вероятности. Развитие математических идей в антропологии, генетике, физиологии, популяционной биологии, почвоведении и агрохимии. Появление раздела биологии – биометрии. Работы Ф. Гальтона и К. Пирсона. Роль англо-амереканской школы в разработке математического аппарата биологии. Работы В. Госсета, Р. Фишера. Роль Ю.А. Филипченко, В.И. Романовского, А.Н. Колмогорова, С.С. Четверикова, Л.О. Карпачевского, Е.А. Дмитриева, Б.А. Доспехова и др. в становлении традиций преподавания и применения математических методов в почвенных и биологических исследованиях в нашей стране. Решение сложных математических задач и моделирование в почвоведении и биологии в связи с развитием вычислительной техники.

Слайд 9

Описание слайда:

Слайд 10

Описание слайда:

Слайд 11

Описание слайда:

Адольф Кетле (22.02.1796 – 17.12.1874) Формирование статистики в научную дисциплину связано с деятельностью бельгийского ученого впервые применившего научные методы обработки статистических данных. Одним из первых показал, что случайности наблюдаемые в живой природе вследствие их повторяемости, обнаруживают тенденцию, следуя определенной закономерности, некоторую можно исследовать и описать точным и математическими методами. Труды: 1835 «О человеке и развитии его способностей, или Опыт социальной физики» 1848 «О социальной системе и законах, управляющих ею» 1871 «Антропология»

Слайд 12

Описание слайда:

Ф. Гальтон (1822-1911) Английский ученый основатель школы биометриков.

Слайд 13

Описание слайда:

Карл Пирсон (1857-1936)

Слайд 14

Описание слайда:

В. Госсет - «Стьюдент» (1876-1937) Открыл закон распределения выборочных средних в зависимости от объема выборки. Обоснована теория «малой выборки». Описанный закон распределения оказался применим к выборкам любого размера.

Слайд 15

Описание слайда:

Р.Э. Фишер (1890-1962) Работал научным сотрудником Ротамстедской сельскохозяйственной опытной станции, а с 1933 г профессором кафедры прикладной математики Лондонского университета, с 1943 по 1957 заведовал кафедрой генетики в Кембриже.

Слайд 16

Описание слайда:

Первые опыты по использованию статистических методов в почвоведении относятся к 20-м гг. текущего столетия (Чириков, Малюгин, 1926; Качинский, 1926, 1927; Астапов, 1928; Соколов, 1929; Изюмов, 1930 и др.). Этому немало способствовало появление литературы по математической статистике прикладного характера (Голубев, 1920; Сапегин, 1922; Филиппченко, 1926; Поморский, 1927 и др.).

Слайд 17

Описание слайда:

Слайд 18

Описание слайда:

Слайд 19

Описание слайда:

Понятие генеральной совокупности и случайной выборки. Понятие генеральной совокупности и случайной выборки. Признаки: качественные и количественные (непрерывные и дискретные). Выборочные распределения.

Слайд 20

Описание слайда:

Испытание осуществление какого-нибудь определенного комплекса условий, который может быть воспроизведен сколь угодно большое число раз. Испытание осуществление какого-нибудь определенного комплекса условий, который может быть воспроизведен сколь угодно большое число раз. Под комплексом условий понимают определенную методику выделения объекта изучения, способ его опробования и получение конечного результата измерений.

Слайд 21

Описание слайда:

Величины, в процессе испытаний не меняющие своих значений, называются постоянными. Величины, в процессе испытаний не меняющие своих значений, называются постоянными. Если величина может менять по крайней мере два различных значения, то она называется переменной.

Слайд 22

Описание слайда:

Если в некотором интервале переменная может принимать любые значения (содержит все действительные числа), она называется непрерывной. Если в некотором интервале переменная может принимать любые значения (содержит все действительные числа), она называется непрерывной. Дискретная переменная может принимать лишь некоторые значения, разделенные промежутками.

Слайд 23

Описание слайда:

Явления, происходящие в результате испытаний, в математической статистике и теории вероятности называются случайным событием. Переменная величина, значение которой до проведения испытаний заранее не может быть точно предсказано называется случайной величиной.

Слайд 24

Описание слайда:

Совокупность из которой отбирается некоторая часть ее членов для совместного изучения называется генеральной. Совокупность из которой отбирается некоторая часть ее членов для совместного изучения называется генеральной. N – объем генеральной совокупности: N →∞

Слайд 25

Описание слайда:

Часть генеральной совокупности отобранная тем или иным способом называется выборочной совокупностью (или выборкой). Часть генеральной совокупности отобранная тем или иным способом называется выборочной совокупностью (или выборкой). n – объем выборки: n≥2

Слайд 26

Описание слайда:

Выборочный метод является основным при изучении статистических совокупностей. Выборочный метод является основным при изучении статистических совокупностей. Преимущества: - сокращает время и затраты труда, - позволяет получать информацию о таких совокупностях сплошное обследование которых практически невозможно или не целесообразно.

Слайд 27

Описание слайда:

Выборка должна быть представительной – репрезентативной (от лат. represento –представляю), т.е. возможно полнее отображать структуру генеральной совокупности.

Слайд 28

Описание слайда:

Рендомизация (от англ. random - случай) – случайный отбор вариант из генеральной совокупности, что обеспечивает равную возможность для всех членов генеральной совокупности попасть в состав выборки. Рендомизация (от англ. random - случай) – случайный отбор вариант из генеральной совокупности, что обеспечивает равную возможность для всех членов генеральной совокупности попасть в состав выборки.

Слайд 29

Описание слайда:

Способы отбора вариант из генеральной совокупности:

Слайд 30

Описание слайда:

Виды отбора единиц из генеральной совокупности: Типический (или групповой); Серийный (или гнездовой); Механический.

Слайд 31

Описание слайда:

Шкалы измерений: Именная (или классификационная); Порядковая шкала; Интервальная шкала; Шкала отношений.

Слайд 32

Описание слайда:

Классификация признаков:

Слайд 33

Описание слайда:

Ели в основе классификации лежит группировка данных, то признаки делят на: Альтернативные; Порядковые; Ранговые.

Слайд 34

Описание слайда:

Общей основой классификации признаков являются мера и счет, в зависимости от этого признаки бывают:

Слайд 35

Описание слайда:

Процесс систематизации или упорядочения, первичных биометрических данных в целях извлечения заключенной в них информации, обнаружения закономерности, которой следует изучаемое явление или процесс называется группировкой. Она может быть простой и сложной. Процесс систематизации или упорядочения, первичных биометрических данных в целях извлечения заключенной в них информации, обнаружения закономерности, которой следует изучаемое явление или процесс называется группировкой. Она может быть простой и сложной. Группировка по одному признаку называется простой (простая таблица), по нескольким признакам - сложной (корреляционная таблица).

Слайд 36

Описание слайда:

Статистические ряды:

Слайд 37

Описание слайда:

Вариационным рядом называется ряд чисел, показывающий закономерность распределения единиц изучаемой совокупности по ранжированным (франц. Ranger – выстраиваться в ряд по ранжиру, т.е. по росту) значениям варьирующего признака. Вариационным рядом называется ряд чисел, показывающий закономерность распределения единиц изучаемой совокупности по ранжированным (франц. Ranger – выстраиваться в ряд по ранжиру, т.е. по росту) значениям варьирующего признака.

Слайд 38

Описание слайда:

Двойной ряд чисел, показывающий, каким образом числовые значения признака (хi) связаны с их повторяемостью(pi) в данной совокупности, называется вариационным рядом или рядом распределения. Двойной ряд чисел, показывающий, каким образом числовые значения признака (хi) связаны с их повторяемостью(pi) в данной совокупности, называется вариационным рядом или рядом распределения.

Слайд 39

Описание слайда:

Числа, показывающие, сколько раз отдельные варианты встречаются в данной совокупности называются частотами или весами вариант (p или f). (Выражаются целыми числами или в %). Числа, показывающие, сколько раз отдельные варианты встречаются в данной совокупности называются частотами или весами вариант (p или f). (Выражаются целыми числами или в %). p=n, где: - суммирование частот вариационного ряда; n – объем выборочной совокупности.

Слайд 40

Описание слайда:

Графическое представление экспериментальных данных: гистограммы, полигоны, кривые накопленных частот, ящики с усами, круговая диаграмма и др. Графическое представление экспериментальных данных: гистограммы, полигоны, кривые накопленных частот, ящики с усами, круговая диаграмма и др.

Слайд 41

Описание слайда:

Кривая распределения Линейный график, получающийся при соединении прямыми линиями геометрических точек, связывающих значения классов с их частотами называется вариационной кривой (или кривая распределения).

Слайд 42

Описание слайда:

Полигон распределения частот При построении графика безинтервального вариационного ряда по оси абсцисс откладывают значения классов, по оси ординат – частоты. Высота перпендикуляров, восстановленных по оси абсцисс соответствует частотам классов. Соединяя вершины перпендикулярными линиями получаем полигон распределения частот.

Слайд 43

Описание слайда:

Слайд 44

Описание слайда:

Гистограмма распределения частот При построении графика интервального вариационного ряда по оси абсцисс откладывают границы классовых интервалов, по оси ординат – частоты.

Слайд 45

Описание слайда:

Эмпирический ряд распределения можно изобразить в виде кумуляты или огивы. Накопленные частоты получаются последовательным суммированием или кумуляцией (от лат cumulo - накапливаю) частот в направлении от минимальной классовой варианты или от 1 класса до конца вариационного ряда. Кумулята получается, если по оси абсцисс откладывают значения классов, а по оси ординат накопленные частоты. Огива. Если накопленные частоты откладывают по оси абсцисс, а значения классов по оси ординат.

Слайд 46

Описание слайда:

Слайд 47

Описание слайда:

Диаграмма «Ящик с усами» Результаты выборочных наблюдений могут быть представлены в виде эмпирически представленных квантилей. На диаграммах размаха этого типа вокруг средней точки (т.е. среднего или медианы) рисуются прямоугольник, представляющий выбранный диапазон (т.е. стандартную ошибку, стандартное отклонение, минимум-максимум или константу), и отрезок, также отражающий выбранный диапазон, концы которого расположены вне прямоугольника (см. следующий рисунок).

Слайд 48

Описание слайда:

Круговая диаграмма Термин "круговые диаграммы" впервые был использован Хаскеллом в 1922 году. На этих графиках пропорции отдельных значений переменной X представлены в виде круговых секторов.