數據分析與模擬叢書·數量生態學：R語言的應用 [Numerical Ecology with R] 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[加] 博卡德，[法] 吉萊，[加] 勒讓德 著，賴江山 譯

齣版社： 高等教育齣版社

ISBN：9787040394726

版次：1

商品編碼：11472548

包裝：平裝

叢書名： 數據分析與模擬叢書

外文名稱：Numerical Ecology with R

開本：16開

齣版時間：2014-05-01

用紙：膠版紙

頁數：275

正文語種：中文

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，《數據分析與模擬叢書·數量生態學：R語言的應用》是連接數量生態學方法和R語言的橋梁。《數據分析與模擬叢書·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。《數據分析與模擬叢書·數量生態學：R語言的應用》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，手把手地教大傢如何在R中實現數量分析。《數據分析與模擬叢書·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。

目錄

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 甲蟎數據集
1.6 關於R幫助資源的提醒
1.7 現在是時候瞭

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：第一次接觸
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 關聯測度的主要類彆（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係數：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：計算對象之間的距離矩陣
3.3.1 Q模式：定量的物種數據
3.3.2 Q模式：二元（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模式：二元數據（除物種有一無數據外的數據）
3.3.5 Q模式：混閤類型、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模式：二元數據（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 單連接聚閤聚類
4.3.2 完全連接聚閤聚類
4.4 平均聚閤聚類
4.5 ward最小方差聚類
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 同錶型相關
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（列聯錶分析）
4.10 物種集閤
4.10.1 組內數據簡單統計
4.10.2 KendaU共性係數（w）
4.10.3 基於有一無數據的物種集閤
4.10.4 IndVal：物種指示值
4.11 多元迴歸樹：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 組閤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包裏的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 綫性判彆式分析（LDA）
6.5.1 引言
6.5.2 使用lda（）函數進行判彆式分析
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
6.10 多元因子分析（MFA）
6.10.1 引言
6.10.2 使用FaCtoMineR進行多元因子分析
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
7.3 多元趨勢麵分析
7.3.1 引言
7.3.2 練習趨勢麵分析
7.4 基於特徵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 具有方嚮性的非對稱特徵嚮量圖（AEM）
7.5 另外一種瞭解空間結構的途徑：多尺度排序
7.5.1 原理
7.5.2 甲蟎數據多尺度排序：探索性方法
7.5.3 去趨勢甲蟎物種和環境數據多尺度排序
7.6 小結
參考文獻
索引

評分☆☆☆☆☆

挺好的，書輕薄，

評分☆☆☆☆☆

書是正版的，很不錯。

評分☆☆☆☆☆

很不錯的一本書，值得一讀！排版閤理，印刷精美，閱讀舒適！

評分☆☆☆☆☆

不錯 內容都是平時需要用的

評分☆☆☆☆☆

很好，值得購買

評分☆☆☆☆☆

這個好，需要多看看。

評分☆☆☆☆☆

挺好的，書輕薄，

評分☆☆☆☆☆

經典

評分☆☆☆☆☆

還是有點意思的，不推薦瞭