Musselmatematik eller Stormusselstatistik

Transkript

1 Musselmatematik eller Stormusselstatistik

2 .Allmänt 2.Analys av förändringar (före efter) 3.Analys av förekomst och täthet vs omgivningsfaktorer

3 .Allmänt

4 Jämförelse av populationstäthet och minsta mussla mellan två vattendrag: Mann-Whitney U-test (Kruskal-Wallis test)

5 Jämförelse av populationstäthet och minsta mussla mellan tre eller fler vattendrag: Kruskal-Wallis test Nackdel: Man kan inte göra parvisa jämförelser

6 Jämförelse av populationstäthet och minsta mussla mellan tre eller fler vattendrag: Variansanalys (ANOVA) Fördel: Man kan göra parvisa jämförelser (SNK, Tukey, Duncan o.dyl.) Nackdel: Data är inte normalfördelat.

7 Normalfördelning är bra, men.. Det är inte rådata som ska vara normalfördelat, utan residualerna. Täthet blir bättre om det är log-transformerat. ANOVA är mer okänslig än man tror.

8 För att testa om andelen små musslor stämmer överens med den förväntade används chitvå-test (eller G-test, log likelihood). OBS. Signifikans innebär att det inte stämmer överens.

9 För att testa förändringar i ett vattendrag (före efter) används: Wilcoxon parade t-test???? Sign test Wilcoxon matched-pair signed-rank test Parad t-test

10 2. Analys av förändringar (före efter)

11 . Analys av förändringar (före efter) Parad t-test Fördelar: Kraftfull statistisk test ( hittar faktiska förändringar) Går att göra i Excel Nackdelar: Önskvärt med lika tidsspann mellan mätningarna Kan flippa ur om det är stor skillnad mellan par

12 . Analys av förändringar (före efter) Utgå från tabell tblstandmusseldata i Stormusseldatabasen Exportera tabellen till Excel Rensa bort de lokaler som endast har ett inventeringstillfälle Lägg inventeringarna från samma lokal på samma rad (i par) och fixa lite Räkna

13 . Analys av förändringar (före efter)

14 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Medelvärden Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

15 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer Pearson-korrelation Varians, vill man ha standardavvikelse istället tar man bara roten ur dessa värden. Värdena bör vara ganska lika Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

16 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer Antal obsar (= lokaler) Pearson-korrelation Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

17 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer Pearson-korrelation Antagen medelvärdesskillnad fg Korrelationskoefficient, säger hur pass lika ( i genomsnitt) antal musslor är mellan inventeringstillfällena ( är totalt missmasch, är skrämmande perfekt) t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

18 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg t-kvot Det s.k. H, det man testar är sannolikheten att det inte är skillnad P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

19 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg t-kvot P(T<=t) ensidig Antalet frihetsgrader (på engelska degrees of freedom; d.f.) t-kritisk ensidig P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

20 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg t-kvot P(T<=t) ensidig t-kritisk ensidig T-värdet, detta är testvärdet, det bör anges vid redovisning tillsammans med antal obs och/eller frihetsgrader P(T<=t) tvåsidig.9793 t-kritisk tvåsidig 2.366

21 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig Specialfall, överkurs, kan man glatt strunta i t-kritisk tvåsidig 2.366

22 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig t-kritisk tvåsidig Detta är p-värdet, signifikansen, bör anges tillsammans med t-värdet och antalet obsar och/eller frihetsgrader

23 . Analys av förändringar (före efter) t-test: Parat två-sampel för medelvärde Täthet levande Medelvärde Varians Observationer 9 9 Pearson-korrelation Antagen medelvärdesskillnad fg 8 t-kvot P(T<=t) ensidig t-kritisk ensidig P(T<=t) tvåsidig t-kritisk tvåsidig Om det skulle vara signifikant skillnad ska t- värdet vara lika med eller större än detta värde

24 . Analys av förändringar (före efter) t-test: p =.979 Sign test: p =.84 Wilcoxon matched-pair sign-rank test: p =.98

25 3. Analys av förekomst och täthet vs omgivningsfaktorer

26 Längddata Medelvärde Standardavvikelse Varianskoefficient

27 Längddata Medelvärde Standardavvikelse Varianskoefficient

28 Vad är noll och vad är saknat värde?

29 Vad är noll och vad är saknat värde? Noll () innebär att man veta att det inte finns (finns ingen myr, inga lövträd, etc. )

30 Vad är noll och vad är saknat värde? Saknat värde (t.ex. tom cell) innebär att man inte vet om det finns eller inte

31 Vad är noll och vad är saknat värde? Saknat värde kan uppkomma på flera olika sätt; man har glömt att kolla, mäta eller tappat anteckningarna eller det är slumpartad information (ibland hittar man utterspillning, men att man inte hittat utterspillning innebär inte att det inte finns utter)

32 r s =.72, p= BeskrBlSkog Täthet levande (antal / m 2 )

33 r= BeskrBlSkog Täthet levande (antal / m 2 )

34 r 2 = BeskrBlSkog Täthet levande (antal/m 2 )

35 r s =.72, p= BeskrBlSkog Täthet levande (antal / m 2 )

36 r= BeskrBlSkog Täthet levande (antal / m 2 )

37 r s =.72, p= BeskrBlSkog Täthet levande (antal / m 2 )

38 Täthet levande (antal / m 2 ) 5 rs=.297; p= Vattendragsbredd (m)

39 3 rs=.23, p=.2 BeskrPavAlger BeskrBlSkog

40 Storlek minsta (mm) r s =-.263, p= Täthet levande (antal/m 2 )

41 Storlek minsta (mm) rs=.277 p= BeskrVHast

42 3. Analys av förekomst och täthet vs omgivningsfaktorer Ordinationsanalys (canonical correspondens analysis) Hur förekomst och täthet är kopplat till olika omgivningsfaktorer

43 28 melength 28 BeskrBebyggVag 6 BeskrSubHel 9 BeskrBerg 27 BeskrFlBlVaxt 4 BeskrKFjall 54 BeskrOvVaxt 25 BeskrAker 6 BeskrHall 8 BeskrMyr 76 BeskrGrBlock 28 BeskrKalHyg 83 BeskrFBlock 63 BeskrBlSkog 86 BeskrGrSten 78 BeskrBaSkog 9 BeskrFSten 73 BeskrLskog 96 BeskrGrus 78 bredd 92 BeskrSand 79 length 59 BeskrMjLer 25 minst 9 BeskrFinDet 26 dod 9 BeskrGrDet 27 lev 29 BeskrVHast 29 day 88 BeskrLokDjupMax 29 mon 93 BeskrPavAlger 29 year 85 BeskrBuskar 29 lokal N Variable N Variable

44 Täthet Omgivningsfaktor t.ex ph

45 Finns Finns inte Omgivningsfaktor t.ex ph

46 Täthet Utan gran Med gran

47 Finns Finns inte Utan gran Med gran

48

49 < BeskrGrBlock < BeskrGrus BeskrVHast < BeskrPavAlger BeskrBlSkog BeskrBaSkog BeskrLskog bredd < year tidigt mon sent mon2 < Intercept P Chi-Square Estimate DF Parameter Wald Standard Poisson Distribution Täthet levande

50 BeskrGrBlock BeskrGrus BeskrVHast BeskrPavAlger BeskrBlSkog BeskrBaSkog BeskrLskog bredd year tidigt mon sent mon Intercept Pr Chi-Square Estimate DF Parameter Wald Standard Poisson Distribution Täthet döda

51 BeskrGrBlock BeskrGrus BeskrVHast BeskrPavAlger BeskrBlSkog BeskrBaSkog BeskrLskog bredd year tidigt mon sent mon Intercept Pr Chi-Square Estimate DF Parameter Wald Normal Distribution Längd minsta

52 BeskrGrBlock BeskrGrus BeskrVHast BeskrPavAlger BeskrBlSkog BeskrBaSkog BeskrLskog bredd year tidigt mon sent mon Intercept Pr Chi-Square Estimate DF Parameter Wald Normal Distribution Medellängd

53 Logistisk analys Eget litet fuskantagande: Reproducerande bestånd: Antal levande / kvadratmeter > 6 Minsta<5;

54 p= BeskrGrus Sannolikhet för reproduktion

55 Hela databasen: Vattentemp Latitud, longitud (x, y) och höjd över havet