Ökológia és vadbiológia

Hasonló dokumentumok
Populációbecslések és monitoring

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

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Kettőnél több csoport vizsgálata. Makara B. Gábor

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Populációbecslések és monitoring

y ij = µ + α i + e ij

6. Előadás. Vereb György, DE OEC BSI, október 12.

A jelenlegi helyzet. A jelenlegi helyzet. A jelenlegi helyzet. Az európai csülkös vad gazdálkodás két változtatási pontja

Kísérlettervezés alapfogalmak

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

[Biomatematika 2] Orvosi biometria

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Hipotézis vizsgálatok

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

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Populációdinamika és modellezés. A populációk változása populációdinamika. A populáció meghatározása. Modellezés

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

79/2004 (V.4.) FVM rendelet

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

Adatok statisztikai értékelésének főbb lehetőségei

PIACKUTATÁS (MARKETINGKUTATÁS)

Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Kísérlettervezés alapfogalmak

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Szakpolitikai programok és intézményi változások hatásának elemzése

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Mintavételi eljárások

A létszámbecslés szerepe a hasznosítástervezésben. Létszám - sűrűség

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

ANOVA összefoglaló. Min múlik?

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

S atisztika 2. előadás

Statisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI

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

Városi vadgazdálkodás

Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA

Méréselmélet MI BSc 1

Mérési hibák

Fejezet. Hogyan gondolkodnak a közgazdászok? Elmélet, modellalkotás, empirikus tesztelés, alkalmazások

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Témaválasztás, kutatási kérdések, kutatásmódszertan

Szocio- lingvisztikai alapismeretek

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

A maximum likelihood becslésről

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

S atisztika 1. előadás

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

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

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

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

Hipotézis vizsgálatok

Biostatisztika VIII. Mátyus László. 19 October

Terminológia. Átváltás, alternatív költség, határ-, racionalitás, ösztönző, jószág, infláció, költség, kereslet, kínálat, piac, munkanélküliség

Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Hogyan gondolkodnak a közgazdászok? Elmélet, modellalkotás, empirikus tesztelés, alkalmazások

Szimulált vadkárok szántóföldi kultúrákban

Az értékelés során következtetést fogalmazhatunk meg a

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Populáció A populációk szerkezete

Mit mond a XXI. század emberének a statisztika?

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

Záróvizsga témakörök Vadgazda mérnök BSc szak június 12. Az ugaroltatás (set-aside), mint a mezei élőhelygazdálkodás eszköze.

A Statisztika alapjai

Integrált vad- és élőhelygazdálkodás: nagyvadgazdálkodás. Elméleti alapok

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Az Európai Unió Tanácsa Brüsszel, szeptember 5. (OR. en)

A nagyvad által okozott mezőgazdasági vadkár ökológiai összefüggései

Az empirikus vizsgálatok alapfogalmai

A vad tulajdonjoga vadkárért való felelősség

Szakdolgozatok javasolt témakörei a VadVilág Megőrzési Intézet által gondozott szakok/szakirányok hallgatói részére. (2010 szeptember) Dr.

KÖVETKEZTETŐ STATISZTIKA

FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Áruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok

A tudományos munka. Megismerés. Megismerés. Tudományos megismerés jellemzői:

Statisztikai csalások és paradoxonok. Matematikai statisztika Gazdaságinformatikus MSc november 26. 1/31

I. A DIGITÁLIS ÁRAMKÖRÖK ELMÉLETI ALAPJAI

Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban

Dr. Kántor Béla

Groszeibl Zoltán Igazságügyi szakértő

Biomatematika 2 Orvosi biometria

Kutatásmódszertan és prezentációkészítés

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

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

Funkcionális konnektivitás vizsgálata fmri adatok alapján

Normális eloszlás tesztje

Átírás:

Ökológia és vadbiológia Ökológia Az élőlények eloszlását és sűrűségi viszonyait meghatározó tényezők vizsgálata Az élőlények és a környezetük közötti kapcsolatok tudományos módszerekkel való vizsgálata Az élőlényközösségek struktúrájának és a szupraindividuális jelenségek kiváltó tényezőinek vizsgálata Vadbiológia A vadon élő állatok és a környezetük közötti kapcsolatok tudományos módszerekkel való vizsgálata A vizsgált fajok a vadászható fajok szabadon élő madarak és emlősök szabadon élő gerincesek a halak kivételével

Vadbiológia A vadgazdálkodást tudományosan megalapozó ismereteket és módszereket előállító és összefoglaló tudományterület interdiszciplináris tárgyából és módszereiből következően elsősorban ökológiai tudományterület tudományos módszereket alkalmaz kellően definiált fogalomrendszere van és ezeket a fogalmakat szabatosan alkalmazzák magukat vadbiológusnak nevező tudományosan képzett szakemberek művelik A vadbiológia a vadgazdálkodáson keresztül kapcsolódik a vadászathoz Vadgazdálkodás és vadbiológia kapcsolata (kommenzalizmus, szimbiózis) A vadgazdálkodás tudományosan megalapozott válaszokat és módszereket igényel A vadgazdálkodók tudományosan (is) képzettek a fogalmakat jelentésüknek megfelelően alkalmazzák tudományosan értelmezhető kérdéseket tesznek fel a tudomány eredményeit alkalmazzák

Vadgazdálkodás és vadászat Vadgazdálkodás A vadon élő gerincesek állományainak valamilyen célból való kezelése A vadgazdálkodás a vadon élő állatok elterjedésének, állomány nagyságának (sűrűségének) és az állomány minőségének befolyásolása. A vadgazdálkodás során a vadpopulációk dinamikájába és élőhelyébe történik beavatkozás. Vadgazdálkodás jellege Manipulatív gazdálkodás (a populáció vagy a környezet befolyásolása a vadállomány állapota szerint) vadvédelem vadállomány hasznosítás vadállományok kontrollja Megfigyelő (nem tesz semmit, de szemmel tart) Megőrző (custodialis) gazdálkodás A külső hatásokat minimalizálja: nem stabilizál, hanem az ökológiai folyamatokat hagyja szabadon érvényre jutni nemzeti parkok megelőző (preventív) védelmező (protektív)

A vadászat A vad elejtésére vagy elfogására irányul nyuló tevékenys kenység Hasznosítás, s, mely a céloknak c megfelelő mennyiségű és minőségű tartós s hozamot ad, miközben a környezet k állapota is kedvező marad A vadgazdának és s a vadásznak nem kell azonosnak lennie

A vadbiológia működése Kutatás, fejlesztés, innováció Tudomány: a hipotézis mindaddig nem igaz, amíg valamilyen próbával nem bizonyítják, hogy igaz. Innováció feltalálás: az ötlet mindaddig igaz, míg az összes lehetséges módon nem bizonyosodott be az ellenkezője. Műszaki fejlesztés: A kutatás és az innováció eredményeinek felhasználásával a gyakorlati alkalmazásra alkalmas eszköz, módszer stb. kifejlesztése. Az eredményesség és hatékonyság feltételei Friss és széles körű ismeretek Kreativitás egyéni csoport Nem kutatunk olyat, amit már "kitaláltak" A kutatást tudományosan jegyzett szakemberek részletekbe menően vizsgálják - általában minimum 2 ponton: a pályázat benyújtásakor (programtervezés) az eredmények publikálásra való benyújtásakor

A vadbiológia működése Tudományos elmélet, következtetés és bizonyítás formái Indukció (következtetés, általánosítás): a jelenségek két csoportja közötti "törvényszerű" összefüggés felismerése a következmények indoklása, ha az előfeltételek megerősítőek, de nem szükségszerűen abból következnek Retrodukció (visszakövetkeztetés): hipotézis felállítása a folyamatokról, amelyek hatásával igazolható vagy indokolható valamely jelenség bekövetkezése Hipotézis - dedukció (bizonyítás): A hipotézisből kiindulva előrejelzéseket (predikciókat) tesz arra, hogy az adott jelenség bekövetkezik-e, ha megfelelő feltételek igazak. Dedukció: Valamely jelenség olyan bizonyítása, amelyben a következtetés szükségszerű eredménye a bizonyítékoknak, ezért a következtetés nem lehet téves, ha a bizonyítékok igazak. Pl. Minden állat halandó. Az ember állat. Az ember halandó.

A vadbiológia működése: ok-okozati kapcsolatok HILL KRITERIUMAI AZ OK OKOZATI KAPCSOLATOK ÉRTÉKELÉSÉHEZ (Járványtan) Erősség a stresszor hatására nagy mértékű hatás jelentkezik Konzisztencia a két jelenség asszociációja ismételten megfigyelhető eltérő körülmények között is Specifikusság a hatás diagnosztikus értékű a stresszorra nézve Időbeniség a stresszor megelőzi az okozatot (hatást) Biológiai grádiens jelenléte dózis - válasz a válasz arányos a dózis nagyságával Kézenfekvő hatásmechanizmus hogyan vezet a dolog a hatáshoz Koherencia a hipotézis nincs konfliktusban a természettudományos/biológiai ismereteinkkel Kísérleti bizonyítás lehetősége Analógia a hasonló stresszek hasonló eredményre vezetnek Kovariancia együttesen változó dolgok veszélyei

A vadbiológia működése A folyamat Monitoring adatok és időskála Természetrajz a faj ismerete Modellezés mi történhet? Hipotézisek tényleg az történik? Eredmény biológiailag megalapozott, gyakorlatias és költséghatékony módszerek A módszer Probléma meghatározása: mi történt? ízekre szedni az esetet Diagnózis: milyen tényezők okozzák a folyamatot? hipotézis vizsgálat Kezelés: mit kell tenni a diagnózis alapján? beavatkozás az eredmények alapján

Elmélet és gyakorlat Előítéletek: az elméleti ökológusok elszakadtak a valóságtól a gyakorlati ökológusoknak (vadbiológus, természetvédő, vadgazda, erdész stb.) nincs szükségük az elméletre, a gyakorlati aranyszabályokat és sarokpontokat kell ismerniük. DE HOL AZ ALÁZAT? Alkalmazott tudomány nincs... csak a tudomány alkalmazása van, ami egészen más dolog. Bárki számára nagyon könnyű a tudományt alkalmazni, ha mestere a tudománynak magának. (L. Pasterur, 1871) Tények: A tudományos állítás tesztelhető és elvethető -ellenkező esetben axióma, hit, kinyilatkoztatás vagy dogma. Megfelelő kísérlet nélkül semmilyen módon sem bizonyítható, hogy valamely feltételezés igaz vagy sem. A mai hipotézisekről sem bizonyos, hogy igazak csupán még nem sikerült őket cáfolni. (SZKEPSZIS) Az aranyszabályok legtöbbjéről bebizonyosodott, hogy hibásak.

Vadgazdálkodás Tradicionális modell: személyes tapasztalatok és felhalmozott bölcsességek "tő mellől indul" konzervatív gondolkodás - kipróbált szabályok követése óvakodás az új ötletektől - az újítások zöme megbukik Kísérletező modell: adatokra és elemzésekre épül, hipotéziseket próbál ki, folyamatosan változik és alkalmazkodik (adaptív gazdálkodás) A sikeresség feltétele, hogy tudjuk: Hová akarunk eljutni? Oda lehet-e egyáltalán jutni? Fogjuk tudni, ha odaértünk? Hogyan lehet odajutni? Milyen hátrányokkal vagy költségekkel kell számolni? Milyen előnyökre vagy haszonra számíthatunk? Az előnyök nagyobbak, mint a hátrányok? Mik a sikertelenség kritériumai?

Kísérletező vadgazdálkodás Az elmélet kialakulása Indukció: megállapítja a kapcsolatot. Retrodukció: hipotézist állít fel, mi okozza a jelenséget. Hipotézis-bizonyítás: előrejelzést próbál tenni, arra hogy más esetekben mi fog történni. A hipotézis annyira bizonyítható vagy elvethető, amilyen mértékben a kísérlet igazolja vagy cáfolja a predikciót. Miért fontos a miért? Miért? Milyen folyamat vagy ok magyarázza a tényeket kísérlet megbízható tudás A megfelelő kísérletek hiányában a hipotézisek a szónoklatok, divatok, ízlések, a hatalmi fölény és/vagy az ismételgetés révén válnak "törvénnyé" megbízhatatlan tudás Miért? mert az új ismeretek alapján időről-időre újra kell gondolni az addigi tudást

Az erdősültség és a szarvasállomány nagyságának kapcsolata

A gímszarvas hatásának várható területe napjainkban.

Somogy megye: szarvaslétszám-vadkár összefüggés Vadkár(eFt) 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 14000 12000 10000 8000 6000 4000 2000 Létszám(db) 0 1994 1995 1996 1997 1998 1999 2000 2001 2002 Év mg.-i vk. erdei vk. szarvas 0

A vadkár és a mezőgazdasági termények felvásárlási átlagárának összefüggése Somogy megyében Vadkár (eft) 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 1994 1995 1996 1997 1998 1999 2000 2001 2002 Év mg.-i vk. erdei vk. búza kukorica napraforgó 70000 60000 50000 40000 30000 20000 10000 0 Felvásárlási átlagár (Ft/t)

Vadkár (e FT) 500000 450000 400000 350000 300000 250000 200000 150000 100000 50000 0 Somogy vadkár-vadföld összefüggés 1994 1995 1996 1997 1998 1999 2000 2001 2002 Év mg.-i vk. erdei vk. vadföld 6000 5000 4000 3000 2000 1000 0 V adföld m érete (ha)

Kísérletező vadgazdálkodás Egy rendszer működéséről, dinamikájáról semmi, vagy nagyon kevés tudható meg, ha egyensúlyban van. Ezért a rendszernek változnia kell vagy a rendszert kell manipulálni. A beavatkozások hatásait szigorúan nyomon kell követni (monitoring) adatok a beavatkozás előtt, közben és után! Kontrollra (0 kezelés), ismétlésekre és különböző kezelési szintekre van szükség. Hiányukban nem eldönthető, hogy a hatás oka: a kezelés, külső tényezők vagy a kezelés és külső tényezők interakciója

Kísérletező vadgazdálkodás A tudományos kísérlet és következtetés elemei, amit használni kell: a kutatási kérdés meghatározása a kérdés null hipotézisként való megfogalmazása adatok gyűjtése (kísérlet beállítása) statisztikai próba az adatokból a hipotézis elfogadása vagy elvetése a statisztikai próba alapján a biológiai következtetés levonása

Kísérletező vadgazdálkodás A kísérletezés a gazdálkodásba illeszkedik: Minden gazdálkodási beavatkozás kezelésnek tekinthető, feltéve ha megfelelő az ellenőrzöttsége és szigorú szabályok betartásával folyik A vadgazdának a feltételezéseit pontosan és tesztelhető hipotézisként is meg kell fogalmaznia A beavatkozás hatását mérni kell, az eredményeket pedig akkor is közzé tenni, ha a hipotézist cáfolják (a hipotézis elvetése nem katasztrófa, hanem az ismeretek fejlődése) A kísérletező vadgazdálkodás feltételei: a vadgazdák az ökológiai fogalmakat értelmüknek megfelelően használják, értik a releváns ökológiai elméletet, képesek a gazdálkodási beavatkozások várható hatásaira ökológiailag megalapozott előrejelzéseket tenni. Ezért: a professzionális képzésnek súlyos elméleti, kísérletes és terepökológiai alapjai kell legyenek.

Becslés és/vagy monitoring A becslés: valamely paraméter mintavételezésen alapuló meghatározása. matematikai statisztikával alátámasztott valamilyen feltételezéseken alapul, ha ezek teljesülnek, akkor a becslés torzítatlan pontossága, hibája ismert (ezt is becsli!) meghatározott szabályrendszer szerint zajlik, tehát reprodukálható

Becslés és/vagy monitoring A monitoring a természetes v. mesterséges környezet állapotának v. állapotváltozásának nyomon követése rendszeres standardizált, kipróbált módszerekkel zajlik közvetlen: a paramétert magát méri (pl. ragadozó monitoring, vadállomány becslések) közvetett: a paraméter hatását méri (pl. tegzesek száma víztisztaság, vadkár nagyvadlétszám (?)) Magában nem kutatás (nincs hipotézis, predikció, tesztelés) csak egy állapotváltozás nyomon követése A becslés beépülhet a monitoringba.

A vizsgálati objektum kiválasztása A kiválasztott faj reprezentálja-e egy nagyobb kategóriát (viselkedési, rendszertani, élettani szempontból)? Vannak-e ismert rokon fajok? összehasonlítás Van-e alapos irodalma az adott fajnak? Konklúziók Könnyen megfigyelhető a természetes környezetében? Beszerezhető, mint labor állat? Védett vagy ritka faj? Sok pénzt vagy időt igényel a megfigyelése, tartása? Könnyű a fajt tartani, etetni, tenyészteni? Toleráns az emberrel? Van-e veszélyes betegsége (emberre nézve)?

Milyen az életmenet stratégiája? Elegendő ideig él az ismételt kísérletekhez? Elég gyors a fejlődése a feltett kérdéseket tekintve? elefánton ne végezzünk viselkedésgenetikai vizsgálatokat Mikor aktív? éjszakai állatot ne nappal vizsgáljunk Magános vagy társas? társas állatot ne magánosan figyeljünk meg, territoriális állatokat ne zárjunk össze! Mozgása a vizsgált problémához képest nem túl gyors vagy lassú? Előzetes információgyűjtés szakirodalmazás!

Ezekre a kérdésekre sokszor csak az elővizsgálatok során tudunk választ kapni. A vizsgálat során azután a lehető legegyszerűbb választ fogadjuk el magyarázatként. ha egy állat a petéit nedves helyre rakja, akkor aktívan keresheti ezeket és megmérheti a nedvesség tartalmát a helynek és összevetheti a korábbi tapasztalataival de az is lehet, hogy egyszerűen a nedves helyen lelassul és megáll

A kutatás lépései Elővizsgálatok és kérdésfeltevés világos kérdés(ek) megfogalmazása: Milyen a szexuális viselkedése a gímszarvasnak? szűkítve: A nagyobb hímek többször párzanak a kisebbeknél? Hipotézisek: specifikus kérdések bármi lehet, de biológiailag értelmezhető és tesztelhető legyen! Mindig egymást kizáró hipotézispárokat alkossunk! H1: a faj szaporodásában a hím testnagyságával arányos a hím szaporodási sikere H2: A faj hímjeinek szaporodási sikerében a testnagyság nem játszik szerepet

Predikciók (következtetések a hipotézisekből): Biológiailag értelmes és statisztikailag tesztelhető legyen egyszerre! A H1 hipotézisből az alábbi predikciókat vonhatjuk le: P1: A kétszer nagyobb hímek átlagos sikere kétszerese az átlagos hímekének P2: A kétszer nagyobb hímek átlagos sikere négyszerese az átlagos hímekének P3: A hímek méretével nő a territórium mérete P4: A hímek testnagyságával nő az utódok felnövési esélye

A változók kiválasztása: csak a predikciókkal összefüggő változókat mérjük! DE egyéb változókról készíthetünk jegyzeteket új kérdések, új hipotézisek Ráadásul itt már statisztikai ismeretek is kellenek pl. a változó folytonos vagy diszkrét Pl. a P1 és P2 teszteléséhez két változót kell mérni: Változó1: A hímek testnagysága Változó2: A hímek szaporodási sikere Felvételi módszer a paraméterek mérésére: Ne törekedjünk túlzott pontosságra, de ne is nagyoljuk el a mérést pl. gácsérok esetében nem kell mg pontosság, de a kg-os pontosság nem ad kellő felbontást A mérés időszaka is fontos a szaporodás elején mérjünk le minden hímet a végére a sikeresebbek többet veszthetnek tömegükből! vagy mérjünk kevésbé kondíciófüggő változót pl. agancsméretek

A szaporodási siker esetében pedig el kell dönteni, hogy miben mérjük a sikerességet? megtermékenyített petesejtek száma boncolás Az élve született utódok száma utódszámlálás A felnevelt (ivarérett) utódok száma De akár az egész populációban elvégezhetjük az utódok DNS alapú meghatározását. Mintanagyság Csoporthatás a minták között (függetlenség) mi legyen a mérés egysége? Ha az utódok túlélőképességét vizsgáljuk mekkora a tömege a hím utódainak, DE az utódok nem függetlenek egymástól az alom az egység átlagolunk az almokra

A megfigyelő hatása: Zavarjuk a megfigyelt állatot másképp viselkedik, mint ha nem vagyunk jelen A megfigyelőnek elvárásai vannak Okos Hans, a számolni tudó ló akkor hagyta abba a kopogást, amikor a megfigyelő elégedett volt A megfigyelő többet méri a territoriális, nagyobb bakokat, mert egyszerűbb ezeket megfigyelni ezek utódszámát jobban vagy akár túlbecsli A nem territoriális hímeket kevesebbet figyeli kevésbé tudja megbecsülni az utódszámot, vagy alulbecsüli ez igazolja a feltevésünket és megnyugszunk, habár lehet, hogy valójában nincs különbség a kétféle hím szaporodási sikere között

Adatanalízis és további kérdések: Ha a megfelelő nagyságú mintát vettük és nem követtünk el hibát (mintavétel, mérés, prekoncepció stb.) felderítő adatanalízis nyilvánvaló összefüggések (átlagokkal, mediánokkal, szórásokkal, eloszlások ábrázolásával hisztogrammok) Döntéshozó analízis: predikciók tesztelése esetleges újabb kérdések A megerősítés után is az eredmények még nem tények! Az adataink támogatnak vagy nem támogatnak egy hipotézist ennek oka lehet az is, hogy mi vontuk le tévesen a következtetéseinket (predikciókat)! Ha nem támogatják az első hipotézist az adataink még nem jelenti automatikusan a másik hipotézis igazát! Egy hipotézist csak egy alternatív hipotézis dönthet meg! ehhez vizsgálatok kellenek

A vizsgálat ismételhetősége: Ha egy vizsgálat eredményét nem tudjuk ismét prezentálni Statisztikai hiba: szignifikáns különbséget kaptunk, pedig nincs elsőfajú hiba (pl. p<0.05 esetén 100 ismétlésből 5 alkalommal hibás következtetést vonunk le) Elfedés: valamilyen nem mért tényező elfedte az általunk kívánt hatást (hímek elpusztultak a vizsgálat előtt betegségben minden maradék hímnek sok nősténye volt) Mást mérünk, mint hisszük: hipotézisünk szerint az egyik tényező függ a másiktól nagyobb testű hímnek nagyobb a sikeressége Mi van ha egy harmadik tényezőtől függnek valójában? Pl. tesztoszteronszint a sikeresség az agresszivitástól függ és a nagyság maximum abban játszik szerepet, hogy a nagyobb testű állat nagyobbat üt, rúg stb., így jobban ki tudja fejezni az agresszivitását

Minél több háttértényezőt tárunk fel (vizsgálunk meg), annál inkább megismételhető a vizsgálat. a megismételhetetlen vizsgálat rossz!!! gondoljuk újra az egészet! Csinálhatunk konstruktív ismétlést is amikor nem ugyanazzal a fajjal, esetleg nem ugyanazzal a módszerrel dolgozunk, de ugyanaz a predikció! Ha a két vizsgálat ugyanazt a hipotézist támogatja csökken a hiba esélye, pl. a statisztikai hiba 0.05 helyett már csak 0.0025 lesz.