Elemente
de
ECOLOGIE NUMERICĂ ŞI MODELARE
|
Liviu
DRAGOMIRESCU
|
Alexandru-Ionuţ
PETRIŞOR
|
ISBN
978-973-734-477-9
Cuprins extins
Capitolul 1. Introducere
1.1. Stiinte formale versus stiinte experimentale sau de observatie
1.1.1. Afirmaţii adevărate, false şi indecise încă
1.1.2. Evoluţia unei ştiinţe şi revoluţii în cadrul acesteia
1.1.3. Formularea de noi întrebări, de afirmaţii indecise încă
1.1.4. Stabilirea valorii de adevăr a afirmaţiilor indecise încă
1.1.5. Cum procedează matematica
1.1.6. Cum procedează ştiinţele experimentale şi/sau de observaţie
1.2. Introducere în ecologia numerică
1.2.1. Ce înseamnă ecologie numerică
1.3. Modelarea in ecologie
1.3.1. Modelarea în ecologie
1.3.2. Strategiile modelării ecologice
1.3.3. Variaţia exponenţială a mărimii populaţiei (Botnariuc N. şi Vădineanu A., 1982)
1.3.4. O abordare sistemică a viitorului omenirii
1.3.5. Un model matematic al speciaţiei geografice cu centru de origine
1.4.1. Noţiunea
1.4.2. Mecanismul definirii
1.4.3. Judecata
1.4.4. Principii ale logicii clasice
1.4.5. Pătratul logic
1.4.6. Raţionamentul
Capitolul 2. Momente şi indicatori de formă
2.1. Momente de ordinul k
2.2. Asimetria
2.3. Boltirea şi excesul
Capitolul 3. Analiza factorilor semnificativi într-un ecosistem şi predicţia comportării unor parametri ai acestuia
3.1. Problema comparării a două medii
3.2. Problema comparării simultane a k medii
3.2.1. Analiza varianţei (ANOVA)
3.2.2. Analiza varianţei: metode neparametrice – testul Kruskal-Wallis
3.3. Regresia
3.3.1. Regresia lineară
3.4. Problema comparării a două biocenoze
Capitolul 4. Taxonomia numerică: etape, algoritmi, concepţii asupra construcţiei şi aplicării ei
4.1. Definiţii
4.2 Tipuri de metode de clasificare
4.3. Concepţii în taxonomia numerică
4.3.1. Concepţia “occidentală”
4.3.2 Concepţia “orientală”
4.3.3. Concepţia “românească”
4.4. Algoritmi de clasificare ierarhică aglomerativi - metode uzuale
4.4.1. Algoritmul celui mai apropiat vecin (metoda simplei legături)
4.4.2. Algoritmul celui mai îndepărtat vecin ( metoda legăturii complete)
4.4.3. Algoritmi de legături medii
4.4.4. Algoritmul Buser şi Baroni-Urbani
4.4.5. Omogenitatea hI
4.4.6. Algoritmul de clasificare naturală aglomerativă (Dragomirescu)
4.4.7. Omogenitatea h*
4.4.8. Omogenitatea H*
4.4.9. Metoda de clasificare naturală divizivă (Watanabe)
4.5. În loc de concluzii
4.6. Studiu de caz
4.6.1. Sursa şi descrierea datelor
4.6.2. Prelucrarea datelor în laborator şi rezultate
4.6.3. Concluziile studiului de caz
Capitolul 5. Elemente de teoria probabilităţilor
5.1. Notă istorică
5.2. Conceptul de probabilitate
5.3. Accepţiunea de probabilitate obiectivă
5.3.1. Definiţia clasică
5.3.2. Definiţia empiristă
5.4. Accepţiunea de probabilitate subiectivă
5.5. Definiţia axiomatică a probabilităţii (Kolmogorov)
5.5.1. Corespondenţe între teoria mulţimilor şi cea a probabilităţilor
5.5.2. Câmp finit de evenimente
5.5.3. Probabilitate (în sens axiomatic) şi câmp finit de probabilitate
5.5.4. Sistem complet de evenimente
5.5.5. Probabilitate condiţionată şi evenimente independente
Capitolul 6. Determinarea mărimii probei
6.1. Determinarea mărimii probei pentru estimarea mediei în populaţie cu un risc α şi o precizie ∆ fixate
6.1.1. Calculul mărimii probei
6.1.2. Comparare nc cu nf
6.2. Determinarea mărimii probei pentru estimarea frecvenţei relative F în populaţie
6.2.1. Calculul mărimii probei
6.2.2. Aplicaţie
Capitolul 7. Studiul biodiversităţii
7.1. Măsurile de regularitate pe bază entropică Lloyd şi Ghelardi
7.2. O măsură geometrică a diversităţii - măsura McIntosh
7.3. Observaţii privind indicii de diversitate în ecologie
7.3.1. Interpretarea diversităţii specifice (Legendre L. şi Legendre P., 1979a şi b)
7.3.2. Generalizarea noţiunii de diversitate (Daget)
7.3.3. Alte variante de modelare a conceptului de diversitate din ecologie
7.4. Sinteza numerică unidimensională. Probleme rezolvate
7.5. Indicele de diversitate Simpson
7.6. O măsură geometrică a diversităţii - măsura McIntosh
7.7. Aplicaţii specific ecologice: Modelul log liniar al lui Motomura şi modelul "batonului spart" al lui Mac Arthur, pentru sinteza într-o ecuaţie a unei distribuţii de abundenţe.
7.7.1. Modelul "batonului spart" al lui Mac Arthur
Capitolul 8. Studiul comportamentului unei specii prin răspândirea spaţială a unei populaţii
8.1. Aplicaţii ecologice ale distribuţiei Poisson
8.2. Răspândirea întâmplătoare şi modelul distribuţional Poisson
8.3. Aproximarea distribuţiei binomiale prin distribuţia Poisson
8.4. Test preliminar pentru verificarea concordanţei cu o distribuţie Poisson bazat pe egalitatea mediei cu dispersia
8.4.1. Aplicaţie în ecologie (reformulată după Blower et al., pag. 24)
8.5. Teste privind variabila aleatoare a legii Poisson
8.6. Detectarea fasciculelor: testul DAC, Sistemele Informatice Geografice (SIG) şi tehnicile de predicţie spaţială (kriging)
Capitolul 9. Filozofia cercetării corelaţiei în cazul a două dimensiuni
9.1. Filozofia asumării formelor de corelaţie
9.2. Consideraţiile principiale care conduc la evoluţii după curbe exponenţiale, de saturaţie şi logistice
9.3. Cum se pot calcula regresiile după curbe de saturaţie şi logistice
Contents
Postface
|
Liviu Dragomirescu had
earned a BS degree in Mathematics in 1973 and had specialized in the theory
of probabilities in 1974 at the
|
Alexandru-Ionuţ Petrişor had earned from the University of Bucharest
in 1997 a BS degree with a paper on sustainable urban development, and from
the University of South Carolina (United States) an MSPH degree in
Biostatistics with a thesis on the Drane-Aldrich-Creangă statistic in
2000 and a PhD with a dissertation on the application of geostatistical
techniques in microbial ecology in 2004. Currently he is working on a second
PhD with the Faculty of Geography at the
|