生態(tài)統(tǒng)計(jì)與建模

1、生態(tài)統(tǒng)計(jì)與建模生態(tài)統(tǒng)計(jì)與建模Ecological Statistics and Modeling_48學(xué)時(shí)（其中，講授：40學(xué)時(shí)；實(shí)驗(yàn)：_8_學(xué)時(shí)；實(shí)習(xí)：學(xué)時(shí)）；4學(xué)分一、課程簡(jiǎn)介課程性質(zhì)：本課程為研究生選修課程，面向剛剛進(jìn) 入研究階段的碩士和博士研究生。課程意義：隨著生態(tài)學(xué)研究數(shù)據(jù)量的快速積累，統(tǒng) 計(jì)分析在生態(tài)學(xué)研究中扮演著越來(lái)越重要的角色；現(xiàn)代生態(tài)學(xué)研究對(duì)數(shù)學(xué)和計(jì)算機(jī)模型的應(yīng)用需求日益增大， 模型對(duì)深入理解生態(tài)學(xué)規(guī)律、準(zhǔn)確預(yù)測(cè)生態(tài)環(huán)境格局起 著不可替代的作用。因此，生態(tài)統(tǒng)計(jì)與建模應(yīng)作為培養(yǎng) 生態(tài)學(xué)、林學(xué)和環(huán)境科學(xué)研究生的一門重要課程，對(duì)于推進(jìn)研究生從事高水平研究具有重要意義。課程目的與任務(wù)

2、：1）使研究生掌握數(shù)據(jù)統(tǒng)計(jì)分析 和實(shí)驗(yàn)設(shè)計(jì)所遵循的原理、原則和方法；2）使研究生掌握生態(tài)數(shù)據(jù)管理、數(shù)據(jù)處理和分析的理論、流程和方 法；3）使研究生熟悉生態(tài)建模的思想、概念和方法， 培養(yǎng)研究生生態(tài)建模的能力。課程特色：1）強(qiáng)調(diào)數(shù)理統(tǒng)計(jì)和建模在生態(tài)學(xué)研究 中的實(shí)際應(yīng)用；2）授課內(nèi)容全面，貫穿基本數(shù)理統(tǒng)計(jì) 和生態(tài)學(xué)原理、實(shí)驗(yàn)設(shè)計(jì)、數(shù)據(jù)管理、數(shù)據(jù)分析、生態(tài) 建模原理與方法等實(shí)際研究中的各個(gè)步驟；3）結(jié)合理論講授與實(shí)際操作練習(xí)。二、預(yù)修課程及適用專業(yè)預(yù)修課程：生態(tài)學(xué)；適用專業(yè)：水土保持與荒漠化防治、自然地理學(xué)、林學(xué)與生態(tài)學(xué)相關(guān)專業(yè)等。三、課程內(nèi)容及學(xué)時(shí)分配課程內(nèi)容：第一章 概率論簡(jiǎn)介（An in tro

3、ductio n to Probability ）1主要內(nèi)容：第一節(jié) 概率的定義（What is Probability?）理解概率的定義和相關(guān)概念。第二節(jié) 概率的測(cè)度( Measuring Probability )單 一 事 件 的 概 率 : 肉 食 植 物 的 捕 食 ( The Probability of a Single Event: Prey Capture by Carnivorous Plants )根據(jù)抽樣估計(jì)概率( Estimating Probabilities by Sampling )第三節(jié)概率定義中的問(wèn)題(Problems in the Definition o

4、f Probability )第四節(jié) 概率論中的數(shù)學(xué)( The Mathematics of Probability )定義抽樣空間( Defining the Sample Space ) 復(fù)雜的和共有事件 : 合并簡(jiǎn)單概率( Complex and Shared Events: Combining Simple Probabilities )概 率 的 計(jì) 算 : 馬 利 筋 屬 植 物 和 幼 蟲 ( Probability Calculations: Milkweeds and Caterpillars )復(fù) 雜 的 和 共 有 事 件 : 集 合 的 合 并 規(guī) 則 ( Comple

5、x and Shared Events: Rules for Combining Sets )條件概率( Conditional Probabilities ) 貝葉斯定理( Bay' s Theorem)總結(jié)( Summary )2.本章重點(diǎn)： 概率的定義、測(cè)度、概率論中的數(shù)學(xué)3.本章難點(diǎn)： 條件概率和貝葉斯定理第二章 隨機(jī)變量和概率分布( Random Variables and Probability Distributions )1. 主要內(nèi)容：第 一 節(jié) 離 散 隨 機(jī) 變 量 ( Discrete Random Variables)伯 努 利 隨 機(jī) 變 量 ( Berno

6、ulli RandomVariables)伯努利實(shí)驗(yàn)示例( An Example of a Bernoulli Trial )多次伯努利實(shí)驗(yàn) = 二項(xiàng)式隨機(jī)變量(ManyBernoulli Trials = A Binomial Random Variable )二項(xiàng)式分布( The Binomial Distribution )泊松隨機(jī)變量( Poisson Random Variables ) 泊 松 分 布 示 例 : 稀 有 植 物 的 分 布 ( An Example of a Poisson Random Variable: Distribution of a Rare Plant

7、 )離散隨機(jī)變量的數(shù)學(xué)期望( The Expected Value of a Discrete Random Variable )離散隨機(jī)變量的方差( The Variance of a Discrete Random Variable ) 第二節(jié) 連續(xù)隨機(jī)變量均 勻 分 布 隨 機(jī) 變 量 ( Uniform Random Variables )連續(xù)隨機(jī)變量的數(shù)學(xué)期望( The Expected Value of a Continuous Random Variable )正態(tài)隨機(jī)變量( Normal Random Variables )正態(tài)分布的有用屬性(Useful Properties

8、 of the Normal Distribution )其它類型的連續(xù)隨機(jī)變量 ( Other Continuous Random Variables )第三節(jié) 中心極限定理( Central Limit Theorem ) 總結(jié)( Summary )2. 本章重點(diǎn)： 二項(xiàng)式分布、正態(tài)分布及其屬性3. 本章難點(diǎn)： 中心極限定理第三章 統(tǒng)計(jì)描述 : 集中和離散趨勢(shì)( SummaryStatistics: Measures of Location and Spread )1. 主要內(nèi)容：第一節(jié) 集中趨勢(shì)的度量( Measures of Location ) 代數(shù)平均數(shù)( The Arithmet

9、ic Mean ) 其它均數(shù)( Other Means )集中趨勢(shì)的其它度量 : 中位數(shù)和眾數(shù)( Other Measures of Location: The Median and the Mode)選擇合適的集中趨勢(shì)度量 (When to Use Each Measures of Location ) 第二節(jié) 離散趨勢(shì)的度量( Measures of Spread )方 差 和 標(biāo) 準(zhǔn) 差 ( The Variance and the Standard Deviation )均 數(shù) 標(biāo) 準(zhǔn) 誤 ( The Standard Error of the Mean)偏度、峰度和中心矩( Skew

10、ness, Kurtosis, and Central Moments )分位數(shù)( Quantiles ) 離散趨勢(shì)的使用( Using Measures of Spread ) 第三節(jié) 關(guān)于統(tǒng)計(jì)描述的一些哲學(xué)問(wèn)題( Some Philosophical Issues Surrounding Summary Statistics ) 第四節(jié) 置信區(qū)間( Confidence Intervals )廣 義 置 信 區(qū) 間 ( Generalized Confidence Intervals ) 總結(jié)( Summary )2. 本章重點(diǎn)： 隨機(jī)變量的集中趨勢(shì)和離散趨勢(shì)度量3. 本章難點(diǎn)： 置信區(qū)間

11、的概念第四章 構(gòu)建和檢驗(yàn)假設(shè)( Framing and Testing Hypothesis )1. 主要內(nèi)容： 第一節(jié) 科學(xué)方法( Scientific Methods ) 演繹和歸納( Deduction and Induction ) 現(xiàn) 代 歸 納 法 : 貝 葉 斯 推 斷 ( Modern-day Induction: Bayesian Inference )假 設(shè) 演 繹 法 ( The Hypothetico-Deductive Method )第 二 節(jié) 檢 驗(yàn) 統(tǒng) 計(jì) 學(xué) 假 設(shè) ( Testing Statistical Hypothesis )統(tǒng) 計(jì) 學(xué) 假 設(shè) vs.

12、 科 學(xué) 假 設(shè) ( Statistical Hypothesis vs. Scientific Hypothesis )統(tǒng) 計(jì) 學(xué) 顯 著 性 和 相 伴 概 率 ( Statistical Significance and P-Values )統(tǒng) 計(jì) 檢 驗(yàn) 的 錯(cuò) 誤 ( Errors in Hypothesis Testing)第三節(jié) 參數(shù)估計(jì)和預(yù)測(cè)( Parameter Estimation and Prediction )總結(jié)( Summary )2. 本章重點(diǎn)： 假設(shè)檢驗(yàn)的原理3. 本章難點(diǎn)： 統(tǒng)計(jì)檢驗(yàn)的錯(cuò)誤、貝葉斯推斷第五章 統(tǒng)計(jì)分析的三大框架( Three Framework

13、s for Statistical Analysis )1. 主要內(nèi)容：第一節(jié) 抽樣問(wèn)題( Sampling Problem )第二節(jié) 蒙特卡洛分析( Monte Carlo Analysis ) 第一步 : 確定檢驗(yàn)統(tǒng)計(jì)量 ( Specifying the Test Statistic )第二步 : 建立無(wú)效分布( Creating the Null Distribution )第三步 : 確定單尾或雙尾檢驗(yàn)( Deciding on a One- or Two-tailed Test )第四步 : 計(jì)算截尾概率( Calculating the Tail Probability )蒙特卡洛

14、方法的假設(shè)( Assumptions of the Monte Carlo Method )蒙特卡洛方法的優(yōu)勢(shì)和劣勢(shì) ( Advantages and Disadvantages of the Monte Carlo Method ) 第三節(jié) 參數(shù)分析( Parametric Analysis )第一步 : 確定檢驗(yàn)統(tǒng)計(jì)量 ( Specifying the Test Statistic )第二步 : 確定無(wú)效分布( Specifying the Null Distribution )第三步 : 計(jì)算截尾概率( Calculating the Tail Probability )參 數(shù) 分 析

15、的 假 設(shè) ( Assumptions of the Parametric Method )參 數(shù) 分析 的優(yōu) 勢(shì) 和劣 勢(shì)( Advantages and Disadvantages of the Parametric Method )非 參 數(shù) 分 析 : 蒙 特 卡 洛 分 析 的 特 例 ( Non-Parametric Analysis: A Special Case ofMonte Carlo Analysis ) 第四節(jié) 貝葉斯分析( Bayesian Analysis )第 一 步 : 確 定 假 設(shè) ( Specifying the Hypothesis )第二步: 確定隨

16、機(jī)變量 參數(shù)( Specifying Parameters as Random Variables )第三步 : 確定先驗(yàn)概率分布( Specifying the Prior Probability Distribution )第 四 步 : 計(jì) 算似 然 值 ( Calculating the Likelihood )第五步 : 計(jì)算后驗(yàn)概率分布( Calculating the Posterior Probability Distribution )第六步: 結(jié)果 的解 釋( Interpreting theResults)貝葉斯分析的假設(shè)( Assumptions of Bayesian

17、 Analysis )貝葉斯分析的優(yōu)勢(shì)和劣勢(shì)( Advantages and Disadvantages of Bayesian Analysis ) 總結(jié)2. 本章重點(diǎn)： 統(tǒng)計(jì)分析三大框架的區(qū)別與聯(lián)系、 相對(duì)優(yōu)勢(shì)和缺陷3. 本章難點(diǎn)： 貝葉斯分析第六章 設(shè)計(jì)野外實(shí)驗(yàn)( Designing Successful Field Studies)1. 主要內(nèi)容：第一節(jié) 實(shí)驗(yàn)中需要考慮的若干要點(diǎn)( What is thePoint of the Study? )因變量 Y 是否空間和時(shí)間上的差異？( Are There Spatial or Temporal Differences in Variab

18、le Y?)X 因子對(duì)因變量 Y 的影響是什么？( What is the Effect of Factor X on Variable Y? )因變量Y的測(cè)量值是否與假設(shè) H 致？( Are the Measurements of Variable Y Consistent with the Predictions of Hypothesis H? ) 在統(tǒng)計(jì)分析中使用 Y 測(cè)量值，在模型 Z 中參 數(shù) B的最優(yōu)估計(jì)是什么？ ( Using the Measurements of Variable Y, What is the Best Estimate of Parameter 0 in

19、Model Z?第二節(jié) 操縱實(shí)驗(yàn)( Manipulative Experiments ) 第三節(jié) 自然實(shí)驗(yàn)( Natural Experiments )第四節(jié) 單時(shí)間點(diǎn)實(shí)驗(yàn)vs.時(shí)間軌跡實(shí)驗(yàn)(Snapshot vs. Trajectory Experiments )時(shí)間依賴性問(wèn)題( The Problem of Temporal Dependence)第 五 節(jié) 壓 力 vs. 脈 沖 實(shí) 驗(yàn) ( Press vs. Pulse Experiments )第六節(jié) 重復(fù)( Replication ) 多少重復(fù)是足夠的 (How Much Replication? ) 總共多少重復(fù)時(shí)可行的( Ho

20、w Many TotalReplicates are Affordable? ) 10數(shù)定律( The Rule of 10) 大尺度研究和環(huán)境影響( Large-Scale Studiesand Environmental Impacts )第七節(jié) 保證樣本獨(dú)立性( Ensuring Independence ) 第八節(jié) 避免干擾因子( Avoiding Confounding Factors)第 九 節(jié) 重 復(fù) 和 隨 機(jī) 化 ( Replication and Randomization )第十節(jié) 設(shè)計(jì)有效的實(shí)驗(yàn)和抽樣研究( Designing Effective Experimenta

21、l and Sampling Studies )樣方是否足夠大以保證真實(shí)結(jié)果( Are thePlots or Enclosures Large Enough to Ensure Realistic Results? )研究的粒度和廣度是什么？( What Is the Grain and Extent of the Study? )實(shí)驗(yàn)處理的范圍或調(diào)查的種類是否涵蓋可能 的環(huán)境條件？( Does the Range of Treatments or Census Categories Bracket or Span the Range of Possible Environmental Co

22、nditions? )控制組的建立是否保證結(jié)果只受所研究因子的 影 響 ？ ( Have Appropriate Controls BeenEstablished to Ensure that Results Reflect Variation Only in the Factor of Interest? )是否組內(nèi)所有的重復(fù)受到同樣的處理？( Have All Replicates Been Manipulated in the Same Way Except for the Intended Treatment Application? )是否測(cè)量協(xié)變量以保證重復(fù)的有效性？ ( Have

23、 Appropriate Covariates Been Measured in Each Replicate? ) 總結(jié)( Summary )2. 本章重點(diǎn)： 操縱實(shí)驗(yàn)、自然實(shí)驗(yàn)、如何設(shè)計(jì)有效的實(shí)驗(yàn)3. 本章難點(diǎn)： 重復(fù)數(shù)的確定、協(xié)變量的測(cè)量和控制第七章實(shí)驗(yàn)和抽樣設(shè)計(jì)匯總(A Bestiary of1.主要內(nèi)容：Experimental and Sampling Designs ) 第 一 節(jié) 分 類 vs. 連 續(xù) 變 量 ( Categorical vs.Continuous Variables )節(jié) 四類 實(shí) 驗(yàn) 設(shè) 計(jì) ( Four Classes ofExperimental De

24、signs )第 二節(jié) 因變量和 自變量( Dependent and Independent Variables ) 回歸設(shè)計(jì)( Regression Design)方差分析設(shè)計(jì)( ANOVA Design)方差分析的備選 : 實(shí)驗(yàn)回歸( Alternatives toANOV A: Experimental Regression ) 表格設(shè)計(jì)( Tabular Designs ) 表格設(shè)計(jì)的備選 : 比例設(shè)計(jì)( Alternatives toTabular Designs: Proportional Designs ) 總結(jié)( Summary ) 2.本章重點(diǎn)： 回歸設(shè)計(jì)和方差分析設(shè)計(jì) 3

25、.本章難點(diǎn)： 方差分析設(shè)計(jì)第八章 數(shù)據(jù)管理( Managing and Curating Data )1. 主要內(nèi)容：第一節(jié) 第一步 : 管理原始數(shù)據(jù)( The First Step: Managing Raw Data )電子數(shù)據(jù)表( Spreadsheets)元數(shù)據(jù)( Metadata )第二節(jié) 第二步 : 存儲(chǔ)和保管數(shù)據(jù)( The Second Step: Storing and Curating the Data )存儲(chǔ): 臨時(shí)存儲(chǔ)和永久存檔( Temporary andArchival ) 保管數(shù)據(jù)( Curating the Data )第三步 : 檢查數(shù)據(jù)( Checking t

26、he Data ) 離群值的重要性( Importance of Outliers ) 錯(cuò)誤( Errors ) 缺失值( Missing Data ) 檢測(cè)離群值和錯(cuò)誤( Detecting Outliers and Errors )建立查詢索引( Creating an Audit Trail ) 第四節(jié) 最后一步 : 數(shù)據(jù)轉(zhuǎn)換( The Final Step: Transforming the Data )將 數(shù) 據(jù) 轉(zhuǎn) 換 作 為 認(rèn) 知 工 具 ( Data Transformations as a Cognitive Tool )統(tǒng) 計(jì) 分 析 中 對(duì) 數(shù) 據(jù) 轉(zhuǎn) 換 的 需 求

27、( Data Transformations Because the Statistics Demand It)結(jié) 果 報(bào) 告 : 轉(zhuǎn) 換 的 還 是 未 轉(zhuǎn) 換 的 ？ ( Reporting Results: Transformed or Not? )數(shù)據(jù)跟蹤索引示例( The Audit Trail Redux ) 總結(jié) : 數(shù)據(jù)管理流程圖( The Data Management Flow Chart )2. 本章重點(diǎn)： 數(shù)據(jù)管理流程3. 本章難點(diǎn)： 建立數(shù)據(jù)查詢索引第九章 回歸分析 ( Regression)1. 主要內(nèi)容：第 一 節(jié) 決 定 直 線 的 兩 個(gè) 參 數(shù) ( Defi

28、ning the Straight Line and Its Two Parameters )第二節(jié) 擬合線性模型( Fitting Data to a Linear Model )第 三 節(jié) 方 差 和 協(xié) 方 差 ( Variances and Covariances)第 四 節(jié) 最 小二 乘 法 參 數(shù) 估 計(jì) ( Least-Squares Parameter Estimates )第 五 節(jié) 方 差 組 分 和 變 異 系 數(shù) ( Variance Components and the Coefficient of Determination ) 第六節(jié) 回歸分析的假設(shè)檢驗(yàn)( Hyp

29、othesis Tests with Regression )方 差 分 析 表 的 剖 析 ( The Anatomy of an ANOVA Table)其 它 檢 驗(yàn) 和 置 信 區(qū) 間 ( Other Tests and Confidence Intervals ) 第 七 節(jié) 回 歸 分 析 的 假 設(shè) ( Assumptions of Regression)第八節(jié) 回歸分析的診斷檢驗(yàn) ( Diagnostic Tests For Regression)殘差圖( Plotting Residuals )其它診斷圖( Other Diagnostic Plots ) 影響函數(shù)( The

30、 Influence Function ) 第九節(jié) 蒙特卡洛和貝葉斯分析( Monte Carlo andBayesian Analysis )應(yīng) 用 蒙 特 卡 洛 法 進(jìn) 行 線 性 回 歸 ( Linear Regression Using Monte Carlo Methods )應(yīng) 用 貝 葉 斯 法 進(jìn) 行 線 性 回 歸 ( Linear Regression Using Bayesian Methods ) 第十節(jié) 其它類型的回歸分析( Other Kinds of Regression Analysis)穩(wěn)健回歸( Robust Regression) 分位數(shù)回歸( Quan

31、tile Regression ) 邏輯斯蒂回歸( Logistic Regression ) 非線性回歸( Non-Linear Regression ) 多元回歸( Multiple Regression ) 通徑分析( Path Analysis )第 十 一 節(jié) 模 型 選 擇 標(biāo) 準(zhǔn) ( Model Selection Criteria )多元回歸的模型選擇方法( Model Selection Methods for Multiple Regression )通徑分析中的模型選擇方法 ( Model Selection Methods in Path Analysis )貝葉斯模型

32、( Bayesian Model Selection ) 總結(jié)( Summary )2. 本章重點(diǎn)： 回歸分析的參數(shù)估計(jì)方法、模型選擇3. 本章難點(diǎn)： 貝葉斯參數(shù)估計(jì)、蒙特卡洛參數(shù)估計(jì)第十章 方差分析( The Analysis of Variance )1. 主要內(nèi)容：第一節(jié) 方差分析中的符號(hào)和標(biāo)簽( Symbols and Labels in ANOV A )第二節(jié) 方差分析中的平方和剖分( ANOVA and Partitioning of the Sum of Squares )第三節(jié) 方差分析的假設(shè)( The Assumptions of ANOV A )第四節(jié) 方差分析的假設(shè)檢驗(yàn)(

33、 Hypothesis Tests with ANOV A)第五節(jié) 構(gòu)建 F 值( Constructing F-Ratios )第六節(jié) 方差分析表類型( A Bestiary of ANOVA Tables)隨機(jī)區(qū)組( Randomized Block ) 嵌套方差分析( Nested ANOVA ) 雙因子方差分析( Two-Way ANOV A ) 三 因 子 和 多 因 子方 差 分 析 ( ANOVA for Three-Way and n-Way Designs ) 裂區(qū)方差分析( Split-Plot ANOV A) 重復(fù)測(cè)量的方差分析( Repeated Measures AN

34、OV A )協(xié)方差分析( ANCOV A)第七節(jié) 方差分析中的隨機(jī) vs.固定因子(Random vs. Fixed Factors in ANOV A )第八節(jié) 方差分析中的方差剖分( Partitioning the Variance in ANOV A )第九節(jié) 方差分析的進(jìn)一步分析 : 作圖和理解交互 項(xiàng) ( After ANOV A: Plotting and Understanding Interaction Terms )單因素方差分析作圖( Plotting Results from One-Way ANOV As)雙因素方差分析作圖( Plotting Results fro

35、m Two-Way ANOV As)理解交互項(xiàng)( Understanding the Interaction Term )協(xié) 方 差 分 析 作 圖 ( Plotting Results from ANCOV As)第十節(jié) 比較均數(shù)( Comparing Means ) 后驗(yàn)比較( A Posteriori Comparisons ) 先驗(yàn)比較( A Priori Contracts )第十一節(jié) 邦費(fèi)羅尼更正和多重比較中的問(wèn)題 ( Bonferroni Corrections and the Problem of Multiple Tests)總結(jié)( Summary)2. 本章重點(diǎn)：3. 本章

36、難點(diǎn)：第章分類數(shù)據(jù)的分析(The Analysis ofCategorical Data )1. 主要內(nèi)容：第 一 節(jié) 二 維列 聯(lián)表( Two-Way ContingencyTables)整理數(shù)據(jù)( Organizing the Data ) 變 量 是 否 獨(dú) 立 ( Are the Variables Independent? )假設(shè)檢驗(yàn): 皮 爾森卡方檢驗(yàn)( Pearson 'sChi-square Test) 皮爾森卡方檢驗(yàn)的替代: G 檢驗(yàn)( AnAlternative to Pearson-'SqsuCarhei : The G-Test)對(duì) 行 列 表 的 卡

37、方 檢 驗(yàn) 和 G 檢 驗(yàn) ( TheChi-Square Test and the G-Test for R C Tables) 選 擇 合 適 的 檢 驗(yàn) 方 法 ( Which Test toChoose?)第 二節(jié) 多 維列聯(lián)表 ( Multi-Way Contingency Tables)整理數(shù)據(jù)( Organizing Data ) 關(guān)于多維表格( On to Multi-Way Tables ) 列聯(lián)表的貝葉斯方法( Bayesian Approaches to Contingency Tables ) 第三節(jié) 擬合優(yōu)度檢驗(yàn)( Tests for Goodness-of-Fit)

38、 離散分布的擬合優(yōu)度檢驗(yàn)( Goodness-of-FitTests for Discrete Distributions )連 續(xù) 分 布 的 擬 合 優(yōu) 度 檢 驗(yàn) ( TestingGoodness-of-Fit for Continuous Distributions:The Kolmogorov-Smirnov Test )總結(jié)( Summary)2. 本章重點(diǎn)： 交叉列聯(lián)表與卡方檢驗(yàn)3. 本章難點(diǎn)： 列聯(lián)表的貝葉斯方法、連續(xù)分布的擬合優(yōu)度檢驗(yàn) 第 十 二 章 多 元 數(shù) 據(jù) 分 析 ( The Analysis ofMultivariate Data )1. 主要內(nèi)容： 第一節(jié) 處

39、理多元數(shù)據(jù)( Approaching MultivariateData)多元數(shù)據(jù)分析中的線性代數(shù)( The Need for Matrix Algebra )第 二 節(jié) 比 較 多 元 變 量 均 數(shù) ( Comparing Multivariate Means )比較兩個(gè)抽樣的多元均數(shù):HotellingT2檢驗(yàn)(Comparing Multivariate Means of Two Samples: HotellingT2 sTest)比較多個(gè)抽樣的多元均數(shù) : 多元方差分析(Comparing Multivariate Means of More Than Two Samples: A

40、Simple MANOV A) 第 三 節(jié) 多 元 正 態(tài) 分 布 ( Multivariate NormalDistribution )多 元 正 態(tài) 分 布 的 檢 驗(yàn) ( Testing forMeasurements ofMultivariate Distance )兩個(gè)體間距離的度量( Measuring Distances between Two Individuals )兩 組 間 距離 的 度 量( Measuring Distances between Two Groups )其它距離的度量( Other Measurements of Distance)第三節(jié) 排序( Or

41、dination )主成分分析( Principal Component Analysis ) 因子分析( Factor Analysis ) 主 坐 標(biāo) 軸 分 析 ( Principal ComponentAnalysis )對(duì)應(yīng)分析( Correspondence Analysis ) 多維尺度轉(zhuǎn)換 (Non-Metric MultidimensionalScaling)排 序 法 的 優(yōu) 勢(shì) 和 劣 勢(shì) ( Advantages and Disadvantages of Ordination )第四節(jié) 分類( Classification )聚類分析( Cluster Analysis

42、 )選 擇 聚 類 方 法 ( Choosing a Clustering Method )判別分析( Discriminant Analysis )分 類 法 的 優(yōu) 勢(shì) 和 劣 勢(shì) ( Advantages and Disadvantages of Classification ) 第 五 節(jié) 多 元 回 歸 ( Multivariate Multiple Regression)冗余分析( Redundancy Analysis ) 總結(jié)( Summary )2. 本章重點(diǎn)： 分類和排序3. 本章難點(diǎn)： 多元統(tǒng)計(jì)中的線性代數(shù)第十三章 生態(tài)模型概述( An Introduction toEc

43、ological Modeling )1.主要內(nèi)容 :第一節(jié) 生態(tài)模型發(fā)展現(xiàn)狀( Art of Modeling ) 第二節(jié) 建模的基本生態(tài)學(xué)原理( Basic Ecological Principles )生態(tài)系統(tǒng)過(guò)程及其數(shù)學(xué)表達(dá)( Ecosystem Processes and Their mathematics ) 第三節(jié) 生態(tài)模型的種類( Spectrum of Models ) 自下而上的機(jī)理模型( Bottom-Up Mechanistic Models )自上而下的反演模型( Top-Down Inverse Modeling ) 第四節(jié) 動(dòng)態(tài)系統(tǒng)建模的概念( Dynamic S

44、ystems Modeling Concepts )2.本章重點(diǎn) : 生態(tài)模型的種類3.本章難點(diǎn) : 過(guò)程反演第十四章 動(dòng)態(tài)系統(tǒng)建模與 Stella 軟件( Dynamics Systems Modeling )1.主要內(nèi)容 :第一節(jié) 分析與數(shù)值方法 ( Classical and Numerical Methods )第二節(jié) 動(dòng)態(tài)系統(tǒng)建模方法( Dynamic Systems Modeling Methods )近似理論( Approximation Theory )模型協(xié)議( Modeling Protocol ) 動(dòng)態(tài)系統(tǒng)模型構(gòu)建( Constructing Dynamic System

45、s Models)第三節(jié) 利用 STELLA 軟件的生態(tài)建模( Ecological Modeling with STELLA )STELLA 軟件介紹( An Introduction to STELLA )STELLA 軟件建模案例分析( Case Studies Using STELLA )2. 本章重點(diǎn) 利用 STELLA 軟件的生態(tài)建模3. 本章難點(diǎn) 利用 STELLA 軟件的生態(tài)建模第十五章 模型的優(yōu)化、校正和評(píng)價(jià)( Model Optimization, Calibration and Evaluation )1.主要內(nèi)容第一節(jié) 模型的參數(shù)化( Model Parameteriz

46、ation ) 模型最優(yōu)化( Model Optimization ) 最大似然法( The Maximum Likelihood Method )遺傳算法( Genetic Algorithms ) 人工神經(jīng)網(wǎng)絡(luò)( Artificial Neural Network ) 第二節(jié) 模型的校正和評(píng)價(jià)( Model Calibration and Evaluation )模型的校正( Model Calibration ) 模型的評(píng)價(jià)( Model Evaluation ) 數(shù)據(jù)-模型融合( Data-Model Integration )2本章重點(diǎn) 模型的參數(shù)最優(yōu)化3.本章難點(diǎn)人工神經(jīng)網(wǎng)絡(luò)教學(xué)課

47、時(shí)分配表序號(hào)章節(jié)內(nèi)容課練習(xí) （上機(jī)）主講人第部B分:生態(tài)統(tǒng)計(jì)1第一章概率論簡(jiǎn)介Chapter 1: AnIn troductio n to Probability10Charles Bourque2第章隨機(jī)變量和概率 分布Chapter 2: Ran dom Variables and Probability Distributi ons20Charles Bourque3第三章統(tǒng)計(jì)描述:集中和 離散趨勢(shì)Chapter 3: Summary Statistics: Measures of Locati on and Spread10Charles Bourque4第四章構(gòu)建和檢驗(yàn)假設(shè)Chapt

48、er 4: Fram ing and Test ing Hypotheses20Charles Bourque5第五章統(tǒng)計(jì)分析的三大 框架Chapter 5: Three Frameworks for Statistical An alysis20Charles Bourque6第六章設(shè)計(jì)野外實(shí)驗(yàn)Chapter 6: Desig ning Successful Field Studies20查天山7第七章實(shí)驗(yàn)和抽樣設(shè)計(jì) 匯總20查天山Chapter 7: A Bestiary of Experime ntal and Sampli ng Desig ns8第八章數(shù)據(jù)管理Chapter 8: M

49、an agi ng andCurati nq Data21查天山9第九章回Chapter 9: Regressi on22Charles Bourque10第十章方差分析Chapter 10: The An alysis of Varia nee4賈昕11第十章分類數(shù)據(jù)的分 析Chapter 11: The An alysis of Categorical Data4賈昕12第十早:多兀數(shù)據(jù)分析Chapter 12: The An alysis of Multivariate Data42賈昕13第十三章：統(tǒng)計(jì)可視化Chapter 13: Statistical Visualizati on2

50、賈昕第二部分:生態(tài)建模11第一章生態(tài)模型概述Chapter 13: AnIn trodueti on to Ecological Modeli ng20Charles Bourque2第二章動(dòng)態(tài)系統(tǒng)建模與Stella軟件Chapter 14: Dyn amic Systems Modeli ng42Charles Bourque3第三章模型的最優(yōu)化、校 正和評(píng)價(jià)Chapter 15: Model Optimizati on, Calibrati on and Evaluati on41Charles Bourque合計(jì)428實(shí)習(xí)部分為結(jié)合講授內(nèi)容在教師的指導(dǎo)下進(jìn)行上 機(jī)操作練習(xí)， 由教師提供所

51、需的軟件和練習(xí)數(shù)據(jù)， 學(xué)生 自帶筆記本電腦進(jìn)行課堂練習(xí)， 由教師輔導(dǎo)和答疑。 實(shí) 習(xí)內(nèi)容共 8 學(xué)時(shí)，包括數(shù)據(jù)管理 （1 學(xué)時(shí) ）、單元數(shù)據(jù)分 析（2 學(xué)時(shí) ）、多元數(shù)據(jù)分析 （2 學(xué)時(shí)）、動(dòng)態(tài)系統(tǒng)建模與 Stella 軟件應(yīng)用（2 學(xué)時(shí)）、模型的優(yōu)化、校正和評(píng)價(jià) （1 學(xué) 時(shí)）。通過(guò)上機(jī)實(shí)習(xí)，提高學(xué)生的實(shí)際分析和操作能力。四、教學(xué)方式及要求五、考核辦法 課堂作業(yè)：為了培養(yǎng)學(xué)生獨(dú)立思考生態(tài)統(tǒng)計(jì)和建模的 能力，學(xué)生要完成四次作業(yè)，每次作業(yè)占總成績(jī)的 20%，四次作業(yè)共占總成績(jī)的80%。 (Assignments:Four assignments designed to make sure tha

52、t students are developing their ability to think in terms of ecological modeling and data-pattern exploration. The four assignments at 20% each, will account for 80% of the final grade.) 討論 /參與：要求學(xué)生參與課上其他同學(xué)作業(yè)和PPT展示，所有這些以英文的形式完成； 此項(xiàng)占總成績(jī)的 20% 。 (Discussion/Participation: Students will be expected to participate in class discussions of other students ' work and during the lectures (all done in English); 20% of the final grade.)六、參考書籍及閱讀文獻(xiàn)資料 (特別是本學(xué)科經(jīng)典文獻(xiàn) 和國(guó)際前沿文獻(xiàn)，主要是國(guó)際期刊 )A Primer of Ecological Statistics (2004) 作者: Nicholas J. Gotel