چکیده

امروزه روش آماری تحلیل مولفه های اصلی Principal Component Analysis ( PCA) را می توان حتی برای تشخیص چهره افراد استفاده کرد. در زمینه تشخیص افتراقی گونه های ماهیان یا جمعیت های ماهیان نیز می توان استفاده کرد. یک مثال از این نوع تحیل آماری در مورد یکی از گونه های باربوس ماهیان در زیر ارائه شده است. براي‌ تحليل‌ گروه‌ جمعيت ها و يا گونه‌هاي‌ مشكل‌ دار كه‌ بسيار به‌ هم‌ نزديك‌ هستند. در آمار پيشرفته‌ تاثير اندازه‌با استفاده‌ از تكنيك‌ ارتباط‌ رگرسيون‌، محاسبه‌ باقي‌ مانده‌ (Residulas) حاصل‌ از خط‌ رگرسيون‌ لگاريتم‌(پايه‌ 10) اعضاء بدن‌ در برابر لگاريتم‌ طول‌ استاندارد به‌ حداقل‌ رسانده‌ مي شوند. این محاسبات با استفاده از نرم افزار SYSTAT انجام شد. اما نرم افزار SPSS نیز چنین قابلیتی دارد. اين‌ باقي‌ مانده‌ها نسبت‌ به‌خط‌ رگرسيون‌ ارتوگونال‌ (Orthogonal) هستند. بنابراين‌ مي‌توانند شكل‌ اعضاء بدن‌ را مستقل‌ از اندازه‌انعكاس‌ دهند. برای استاندارد كردن‌ باقي‌ مانده‌ها از تحليل مولفه های اصلی (Principal components Anallysis)PCA استفاده‌می شود. براي‌ جدايي‌ دو واريته‌ ها در جمعيت ها و گونه ها داده‌هاي‌ حاصل‌ با استفاده‌ از تحليل تابع متمايز{(DFA) Final Discriminant Function Analysis} مورد مقايسه‌ قرار می گيرند. تحليل‌ هاي آماري ‌ PCA ‌ و DFA بر روي 35 نمونه از 167 نمونه اي كه در حوزه جنوبی دریای خزر جمع آوري شده بودند ‌ اندازه‌ گيري‌ انجام شد. بر مبناي اين تحليل ها اين دو گروه به عنوان‌ دو واريته‌ يا دو فرم‌ قلمداد شدند.

کليدواژه ها

واريته ، Barbus capito . تحليل های آماری. تحليل مولفه های اصلی

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جلال ولی الهی , 1400 , مقایسه زيست سنجی آماري دو گروه از ماهيان گونه Barbus capito با استفاده از تحلیل مولفه های اصلی ((PCA) , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی