El uso de la uniformidad de los valores propios de las matrices de similitud para probar la predictividad de las clasificaciones de ecosistemas
Autores: Feoli, Enrico; Ganis, Paola
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
El uso de la uniformidad de los valores propios de las matrices de similitud para probar la predictividad de las clasificaciones de ecosistemas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Valores propios
Matrices de similitud
Comunidades biológicas
Factores ambientales
Análisis de varianza
Técnicas de permutación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
El uso de la uniformidad de los autovalores de las matrices de similitud correspondientes a diferentes niveles jerárquicos de clasificaciones de ecosistemas, se sugiere para probar la correlación (o predictividad) entre las comunidades biológicas y los factores ambientales como una alternativa de análisis de varianza (paramétrica o no paramétrica). La ventaja sobre los métodos tradicionales es el hecho de que las matrices de similitud se pueden obtener a partir de cualquier tipo de datos (datos mixtos y faltantes) mediante índices como los de Goodall y Gower. La significancia se calcula mediante técnicas de permutación. Un ejemplo de aplicación se da en un conjunto de datos que describe tipos de comunidades de plantas (bosques de hayas de la península italiana).
Descripción
El uso de la uniformidad de los autovalores de las matrices de similitud correspondientes a diferentes niveles jerárquicos de clasificaciones de ecosistemas, se sugiere para probar la correlación (o predictividad) entre las comunidades biológicas y los factores ambientales como una alternativa de análisis de varianza (paramétrica o no paramétrica). La ventaja sobre los métodos tradicionales es el hecho de que las matrices de similitud se pueden obtener a partir de cualquier tipo de datos (datos mixtos y faltantes) mediante índices como los de Goodall y Gower. La significancia se calcula mediante técnicas de permutación. Un ejemplo de aplicación se da en un conjunto de datos que describe tipos de comunidades de plantas (bosques de hayas de la península italiana).