Diversiteetti-indeksi Tehollinen lajimäärä | Shannonin–Wienerin indeksi | Lähteet | Navigointivalikkotrue diversity

Ekologia


ekologiassataksonomisen luokittelun tasoasukuaheimoageneettistäetnistäkielenkirjaindiversiteettiätrue diversityVakiojuuriShannoninentropialogaritmi





Diversiteetti-indeksi on mittari, joka ilmaisee lajiluokittelun (tai jonkin muun luokittelun) mukaista monimuotoisuutta siten, että se ottaa samanaikaisesti huomioon sekä lajien lukumäärän että niiden suhteelliset runsaudet. Diversiteetti-indeksin arvo kasvaa kun lajimäärä kasvaa tai lajien suhteelliset runsaudet muuttuvat tasaisemmiksi. Suurin diversiteetti-indeksin arvo tietylle lajimäärälle saadaan silloin, kun kaikki lajit ovat yhtä runsaita. Lajien runsautta voidaan eri yhteyksissä mitata eri tavoin, esimerkiksi yksilömäärällä, peittävyydellä tai biomassalla.


Vaikka ekologiassa ollaan yleensä kiinnostuneita lajidiversiteetistä, luokitteluna voidaan yhtä hyvin käyttää mitä tahansa muutakin taksonomisen luokittelun tasoa, kuten sukua (jolloin mitataan sukudiversiteettiä) tai heimoa (jolloin mitataan heimodiversiteettiä). Muilla tieteenaloilla voidaan mitata samoilla indekseillä esim. geneettistä diversiteettiä, etnistä diversiteettiä, kielen sanadiversiteettiä tai tekstin kirjaindiversiteettiä.



Tehollinen lajimäärä |


Eri diversiteetti-indeksit mittaavat hyvin eri asioita, joten niiden arvoja ei voi suoraan verrata toisiinsa. Useimmat ovat kuitenkin tavalla tai toisella johdettavissa suureesta, jota on englanninkielisissä teksteissä kutsuttu nimellä true diversity eli aito diversiteetti. Tällä tarkoitetaan tehollista lajimäärää, eli sitä, kuinka monta keskenään yhtä runsasta lajia tarvittaisiin, jotta kunkin suhteellinen runsaus olisi sama kuin kiinnostuksen kohteena olevassa aineistossa havaittu lajien keskimääräinen suhteellinen runsaus. Keskimääräinen suhteellinen runsaus mitataan painotettuna keskiarvona, jossa kunkin lajin suhteellinen runsaus pi painotetaan itsellään. Keskiarvona käytetään yleistettyä keskiarvoa jonka eksponentti on q - 1 (missä q ≥ 0). Tehollinen lajimäärä qD on tämän keskiarvon käänteisluku, ja lasketaan siis seuraavasti:


qD=1∑i=1Rpipiq−1q−1displaystyle ^q!D=1 over sqrt[q-1]sum _i=1^Rp_ip_i^q-1

Nimittäjässä R on rikkaus eli havaittujen lajien lukumäärä. Vakio q käytännössä määrää, mitä keskiarvoa käytetään; esimerkiksi q = 2 vastaa aritmeettista keskiarvoa ja q = 0 harmonista keskiarvoa. Mitä suurempi q:n arvo valitaan, sitä lähempänä keskiarvo on yleisimmän lajin suhteellista runsautta. Koska nollas juuri ei ole määritelty, yllä olevaa kaavaa ei voi käyttää kun q = 1, vaan silloin nimittäjä lasketaan käyttäen geometrisen keskiarvon kaavaa:


1D=1∏i=1Rpipidisplaystyle ^1!D=1 over prod _i=1^Rp_i^p_i


Shannonin–Wienerin indeksi |


Tehollinen lajimäärä q:n arvolla 1 voidaan kirjoittaa myös muodossa:


1D=exp⁡(−∑i=1Rpilog⁡pi)=exp⁡(H′)displaystyle ^1!D=exp left(-sum _i=1^Rp_ilog p_iright)=exp(H')

Tässä kaavassa H' on Shannonin entropia (joka tunnetaan myös nimellä Shannonin–Wienerin indeksi). Shannonin entropia on yksi suosituimmista ekologiassa käytetyistä diversiteetti-indekseistä. Alun perin se kehitettiin mittaamaan tekstin informaatiosisältöä eli epävarmuutta, joka liittyy tekstijonon seuraavan kirjaimen ennustamiseen. Shannonin entropia on siis tehollisen lajimäärän logaritmi eli


H′=log⁡(1D)displaystyle H'=log(^1!D)


Lähteet |


  • Lahti, Kimmo & Rönkä, Antti: Biologia: Ympäristöekologia. Helsinki: WSOY oppimateriaalit, 2006. ISBN 951-0-29702-X.

Popular posts from this blog

Marja Vauras Lähteet | Aiheesta muualla | NavigointivalikkoMarja Vauras Turun yliopiston tutkimusportaalissaInfobox OKSuomalaisen Tiedeakatemian varsinaiset jäsenetKasvatustieteiden tiedekunnan dekaanit ja muu johtoMarja VaurasKoulutusvienti on kestävyys- ja ketteryyslaji (2.5.2017)laajentamallaWorldCat Identities0000 0001 0855 9405n86069603utb201588738523620927

Which is better: GPT or RelGAN for text generation?2019 Community Moderator ElectionWhat is the difference between TextGAN and LM for text generation?GANs (generative adversarial networks) possible for text as well?Generator loss not decreasing- text to image synthesisChoosing a right algorithm for template-based text generationHow should I format input and output for text generation with LSTMsGumbel Softmax vs Vanilla Softmax for GAN trainingWhich neural network to choose for classification from text/speech?NLP text autoencoder that generates text in poetic meterWhat is the interpretation of the expectation notation in the GAN formulation?What is the difference between TextGAN and LM for text generation?How to prepare the data for text generation task

Is this part of the description of the Archfey warlock's Misty Escape feature redundant?When is entropic ward considered “used”?How does the reaction timing work for Wrath of the Storm? Can it potentially prevent the damage from the triggering attack?Does the Dark Arts Archlich warlock patrons's Arcane Invisibility activate every time you cast a level 1+ spell?When attacking while invisible, when exactly does invisibility break?Can I cast Hellish Rebuke on my turn?Do I have to “pre-cast” a reaction spell in order for it to be triggered?What happens if a Player Misty Escapes into an Invisible CreatureCan a reaction interrupt multiattack?Does the Fiend-patron warlock's Hurl Through Hell feature dispel effects that require the target to be on the same plane as the caster?What are you allowed to do while using the Warlock's Eldritch Master feature?