Paleobiológiai módszerek és modellek 11. hét

Hasonló dokumentumok
Molnár Levente Farkas

Az ökológia alapjai. Diverzitás és stabilitás

TÁRSULÁSOK ÉS DIVERZITÁS

Közösségek jellemzése

Rovarökológia. Haszon: megporzás. Bevezetés: rovarok és az ember. Haszon: méhészet

TÁRSULÁSOK SZERKEZETÉNEK JELLEMZÉSE KVANTITATÍV MÓDSZEREKKEL

Biodiversity is life Biodiversity is our life

Az életközösségek jellemzői

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

Adatok statisztikai értékelésének főbb lehetőségei


Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1


Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Az ökoszisztéma vizsgálata. Készítette: Fekete-Kertész Ildikó

MATEMATIKA HETI 5 ÓRA

Miért van egyes közösségekben több faj és másokban kevesebb? Vannak-e mintázatok és gradiensek a fajgazdagságban? Ha igen, ezeket mi okozza?

Természetvédelmi biológia

Diverzitás és stabilitás. Mi a biodiverzitás?

A FÖLD egyetlen ökológiai rendszer

Konzervációbiológia 4. előadás. A biológiai sokféleség

Biológia egészségtan Általános iskola 7. osztály

Diszkrét idejű felújítási paradoxon

Számítógépes döntéstámogatás. Genetikus algoritmusok

A fitoplankton diverzitásának vizsgálata

Folyadékszcintillációs spektroszkópia jegyz könyv

Teljesítménymodellezés

Természetvédelem. 2. gyakorlat: A természetvédelem alapfogalma: a biodiverzitás

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005

Niche. Tárgya a fajok koegzisztenciájának problémája A fogalom fejlődése: Toleranciahatárok! A hutchinsoni niche fogalom definíciója:

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

Konzervációbiológia 2. előadás. A biológiai sokféleség

Matematikai geodéziai számítások 10.

REGIONÁLIS GAZDASÁGTAN B

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Módszertani hozzájárulás a Szegénység

Predáció szerepe a közösségszerkezet alakításában

Populáció A populációk szerkezete

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2012

A talajok összenyomódásának vizsgálata

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 10.B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

TANMENET. Matematika

Szemmegoszlás tervezés, javítás

Az információelmélet alapjai, biológiai alkalmazások. 1. A logaritmusfüggvény és azonosságai

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Least Squares becslés

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Többváltozós lineáris regressziós modell feltételeinek

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

HÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

Szigetbiogeográfia. A tapasztalat szerint:

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

[Biomatematika 2] Orvosi biometria

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Összetett hálózat számítása_1

"Szikes tavaink, mint különleges vizes élőhelyek jelentősége a biodiverzitás megőrzésében"

1. ábra: Magyarországi cégek megoszlása és kockázatossága 10-es Rating kategóriák szerint. Cégek megoszlása. Fizetésképtelenné válás valószínűsége

Szarvasmarha- és juh legelés szerepe a Pannon szikes gyepek Natura 2000-es élőhelyek fenntartásában március Gödöllő

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Abszolútértékes és gyökös kifejezések Megoldások

Matematikai geodéziai számítások 6.

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

A települési szegregáció mérőszámai

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 11B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

Filogenetikai analízis. Törzsfák szerkesztése

TERMÉSZETVÉDELMI MÉRNÖK MSc. ZÁRÓVIZSGA TÉMAKÖRÖK június 12. NAPPALI, LEVELEZŐ

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Turizmuson túl: az élővilág meghatározó szerepe az életminőségben. Török Katalin MTA Ökológiai Kutatóközpont

Biomatematika 2 Orvosi biometria

Magyarországi állóvizek sugaras szimmetriájú kovaalgái. Elterjedés, diverzitás Ács Éva és Kiss Keve Tihamér

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár. Hegyi Géza. Filozofia és Történelem Kar, Kolozsvár. M.A. Santos, R. Coelho és J.J.

Matematikai geodéziai számítások 6.

Általános ökológia előadás II. félév Szabó D. Zoltán

Bevezetés a hipotézisvizsgálatokba

2. előadás. Viszonyszámok típusai

a) A logaritmus értelmezése alapján: x 8 0 ( x 2 2 vagy x 2 2) (1 pont) Egy szorzat értéke pontosan akkor 0, ha valamelyik szorzótényező 0.

Microsoft Excel Gyakoriság

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Abszolútértékes és Gyökös kifejezések

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

Biomatematika 13. Varianciaanaĺızis (ANOVA)

BIOMATEMATIKA ELŐADÁS

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Optimalizálási eljárások GYAKORLAT, MSc hallgatók számára. Analízis R d -ben

Hosszú távú vizsgálat jobban kimutatja a társulási szabályok változásait a másodlagos szukcesszió során, mint a tér-idő helyettesítés módszere

A leíró statisztikák

Online migrációs ütemezési modellek

Átírás:

Paleobiológiai módszerek és modellek 11. hét A diverzitás fajtái és mérőszámai Nagy őslénytani adatbázisok: Sepkoski The Fossil Record Paleobiology Database A diverzitás fogalma Diverzitás sokféleség az élővilág sokfélesége biodiverzitás minek lehet sokfélesége? pl. fajok magasabb taxonok (pl. genus, család, törzs) morfológiai bélyegek, formák (morfológiai diverzitás) ökotípusok, életmód típusok

A diverzitás értelmezése, jelentősége Nem abszolút értéke, hanem az idő- és térbeli változások érdekesek Időbeli változások diverzitási görbe, bioszféra fejlődés, evolúció környezeti hatások stressz: kisebb diverzitás optimális feltételek: nagyobb diverzitás földrajzi hatás, diverzitási grádiens trópusok felé növekvő diverzitás sarkok felé csökkenő diverzitás A diverzitás skálafüggő értelmezése Alfa α diverzitás Béta β diverzitás Gamma γ diverzitás

A diverzitás skálafüggő értelmezése α diverzitás: egy adott minta, réteg, feltárás diverzitása. Egy adott egykori élőhely paleokommunitás észlelt diverzitása. Valamennyi további diverzitási adat származtatásának alapja. Badeni bryozoák Mátraverebély-Szentkút lelőhelyről (Dulai 2007, Moisette et al. 2007) A diverzitás skálafüggő értelmezése β diverzitás: Élőhelyek közötti diverzitás, a helyi (egyes lelőhelyeken észlelt), változó diverzitások eredője. A társulások közti változatosságot mutatja. Badeni bryozoa lelőhelyek különböző fáciesekből (Moisette et al. 2007)

A diverzitás skálafüggő értelmezése γ diverzitás: nagyléptékű diverzitás, paleobiogeográfiai provincia szintjén (vagy egyes értelmezésekben azok eredőjeként globális szintig) (Moisette et al. 2007) A diverzitás mérőszámai Fajgazdagság S = fajok száma a vizsgált mintában (species richness) S = 2 n = 9

A diverzitás mérőszámai A minta méretét is figyelembe vevő diverzitási indexek (ahol n = a minta példányszáma) Menhinick-index: a fajszám és a példányszám négyzetgyökének hányadosa M = S/ n A diverzitás mérőszámai Margalef-index: a nevezőben a példányszám logaritmusa MR = (S-1)/ln n

Dominancia és egyenletesség Melyiket gondoljuk változatosabbnak? Dominancia és egyenletesség mérőszámai Berger-Parker index: leggyakoribb taxon példányszáma / minta összpéldányszáma 5/9 8/9 Minumuma: 1/S

Dominancia és egyenletesség mérőszámai Simpson index: kétféle mérőszám használata terjedt el hasonló néven Simpson dominancia index: λ = S(p i2 ) Simpson diverzitási index: 1 λ = 1 S(p i2 ) ahol p i = n i /n (az i faj részaránya) A Simpson dominancia index arányos annak a valószínűségével, hogy a mintából véletlenszerűen választott két példány ugyanabba a fajba tartozik. Értéke 0 (minden faj egyenlően képviselt) és 1 (monospecifikus társulás) között változhat. Dominancia és egyenletesség mérőszámai Shannon-Weaver index (ugyanezt hívják Shannon-Wiener indexnek is): H = - Σp i ln p i vagy H = - Σp i log p i H értéke egyaránt függ a fajszámtól és az egyenletességtől (entrópia)

Dominancia és egyenletesség mérőszámai Egyenletességi index (evenness): E = H/H max belátható, hogy H max = ln S ebből következően 0 E 1

Dominancia és egyenletesség A Taxa_S 2 Individuals 9 Dominance_D 0,5062 Shannon_H 0,687 Simpson_1-D 0,4938 Evenness_e^H/S 0,9938 Menhinick 0,6667 Margalef 0,4551 Equitability_J 0,9911 B 2 9 0,8025 0,3488 0,1975 0,7087 0,6667 0,4551 0,5033 Gyakoriság-eloszlási modellek Grafikus ábrázolás: a fajonkénti gyakoriságot sorrendbe állítva ábrázoljuk (a leggyakoribbtól a legritkábbig) Whittaker-diagram (Whittaker-plot): rangsorolt gyakoriságeloszlási görbe, logaritmikus skálával Értelmezése: a gyakoriságeloszlást legjobban leíró matematikai modell megkeresésével Geometriai modell: ökológiai értelmezése a niche elfoglalási modell (niche pre-emption model) segítségével, pionír társulásokra, extrém környezetek társulásaira jellemző Lognormális eloszlási modell: stabil, erőforrásokban gazdag, tagolt élőhelyű környezetek diverz társulásaira jellemző

Taxonómiai diverzitás (taxic/taxonomic diversity) és taxonómiai különbözőség (taxonomic distinctness) (magasabb taxonok szintjén) Melyiket gondoljuk változatosabbnak? Taxonómiai diverzitás (taxic/taxonomic diversity) és taxonómiai különbözőség (taxonomic distinctness) (magasabb taxonok szintjén) Az élővilág sokféleségét a társulások taxonómiai összetételén keresztül is jellemezhetjük. Különbséget tehetünk aközött, ha a 10 fajt tartalmazó mintánk fajai 8 különböző törzshöz tartoznak, illetve ha mindegyik faj ugyanazt a törzset képviseli. Taxonómiai távolság (w) értelmezése: pl. w = 1 ha i és j fajok egy genusba tartoznak. Távolságuk w = 2, ha egy családon belül különböző genust képviselnek, w = 3, ha egy renden belül különböző családot képviselnek, stb. A taxonómiai diverzitás és különbözőség viszonylag kevésbé függ a mintamérettől.