Электронные таблицы Spreadsheet могут содержать данные в различных форматах, например, даты, времени, текстовый формат и др.

Ввести данные в электронную таблицу можно следующими способами:

• непосредственно с клавиатуры;

• путем вычисления новых данных на основе уже введенных данных при помощи формул в электронной таблице;

• применяя операцию копирования данных через Буфер обмена - Clipboard Windows;

• используя процедуру Импорт данных.

Статистические процедуры в системе STATISTICA сгруппированы в 24 модулях, в каждом из которых можно выполнить определенный способ обработки. Отметим наиболее часто используемые в биологических исследованиях модули:

Data Management (Управление данными) включает в себя процедуры создания, ввода, проверки, исправлений данных, изменения форматов рядов и столбцов, слияния двух файлов и др.

Basic Statistics and Tables (Основные статистики и таблицы) содержит 8 разделов, из которых в биологии наиболее часто применяют три.

1. Descriptive statistics (Описательные статистики). Предназначен для предварительной обработки данных и включает практически все методы описательной статистики, включая тестирование нормальности распределения (критерий Колмогорова-Смирнова, Лилиефорса, Шапиро- Уилкса), вычисления средней арифметической, медианы, моды, квартили, средних и стандартных отклонений, доверительных интервалов для среднего, коэффициенты асимметрии, эксцесса, гармонической и геометрической средней и др. Возможно составление категоризованной гистограммы на графике, а также график значений, матричных и многих других графиков.

2. Correlation matrix (Корреляция). Позволяет исследовать зависимости между переменными с помощью корреляции Пирсона, ранговой корреляции Спирмена, Тау (b, c) Кендалла, Гаммаи др.

3. t-test for independent samples (t-критерии для независимых выборок).

4. t-test for dependent samples (t-критерии для зависимых выборок).

Breakdown & one-way ANOWA (ANOWA анализ).

5. Nonparametrics/Distribution (Непараметрические статистики). Он содержит 12 различных статистических процедур и тестов, в частности, описательную статистику, ранговую корреляцию Спирмена, критерий Колмогорова-Смирнова, ранговые критерии Манна-Уитни, Вальда-Вольфовица, Уилкоксона и др.

ANOVA/MANOVA (Дисперсионный анализ) представляет собой набор процедур общего одномерного и многомерного дисперсионного и ковариационного анализа и позволяет оценить степень воздействия одного фактора на другой, проверки основных предположений дисперсионного анализа и др.

Multiply Regression (Множественная регрессия) позволяет выявить зависимости между многомерными переменными, подобрать простую линейную модель и оценить ее адекватность, а также вычислить уравнения множественной линейной и фиксированной нелинейной регрессии, включая пошаговые, иерархические и др.

Visual Stepwise Regression Analysis (Визуальный пошаговый регрессионный анализ) объединяет в себе методы множественной Forward/Backward пошаговой регрессии, ANOVA, MANOVA, анализ ковариаций и др.

Nonlinear Estimation (Нелинейное оценивание) предназначена для оценки практически любых определенных пользователем нелинейных моделей, включая логистическую, пробит регрессию и др. Для этого можно использовать на выбор метод наименьших квадратов, метод максимального правдоподобия, а также четыре вычислительных метода: симплекс, квазиньютоновский, Хука-Дживса и Розенброка.

Claster analysis (Кластерный анализ) позволяет выполнить сложную иерархическую классификацию данных или выделить в них кластеры на основе методов к-средних, иерархической классификации и др. и метрик расстояния связей: евклидова, манхэттенская, чебышевская и др.

Factor Analysis (Факторный анализ) позволяет выделить из большого числа переменных главные факторы, влияющие на характеристики сложного объекта и объясняющие связи между ними. Процедуры основаны на использовании методов главных компонент, минимальных остатков, максимального правдоподобия и др. Результаты можно вывести в виде таблицы или 2- или 3-мерных диаграмм рассеяния с помеченными переменными.

Canonical Analysis (Каноническая корреляция) позволяет исследовать связи между двумя переменными с помощью канонических корреляционных статистик (собственные вектора и значения, коэффициенты избыточности, канонические веса, нагрузки корня и т.д.).

Discriminant Analysis (Дискриминантный анализ) позволяет по результатам измерений отнести объект к одному из нескольких классов. Для этого выполняется пошаговый анализ, как вперед, так и назад, а также внутри блока переменных в модели.

Занятие 6.

Коллоквиум

Рекомендуемые вопросы для подготовки к коллоквиуму.

Вариационные ряды и их основные параметры.

Основные критерии и параметры нормального распределения.

Непараметрические критерии и методы.

Показатели разнообразия фауны, обилия видов и их групп.

Показатели общности и сходства видового состава.

Взаимосвязи между размерными и весовыми показателями организма.

Характеристика и возможности программы Excel.

Основные модули пакета программ STATISTICA.

Р е к о м е н д у е м а я л и т е р а т у р а

Бигон М., Харпер Дж., Таунсенд К. Экология. Особи, популяции и сообщества. В 2-х томах. 1989.

Кудрин А.Н., Пономарева Г.Т. Применение математики в экспериментальной и клинической медицине. М.: Медицина, 1967. 356 с.

Колесников А. Excel 97 (русифицированная версия). Киев.: Издат. группа BHV, 1998. 480 с.

Лакин Г.Ф. Биометрия. М.: Высш. шк., 1990. 352 с.

Макрушин А.В. Биологический анализ качества вод. Л.: Наука, 1974. 60 с.

Одум Ю. Экология. В 2-х томах. М.: Мир, 1986.

Осейко Н.Н. Excell 5.0. …для пользователей. Киев: Торгов. издат. Бюро BHW, 1994. 416 с.

Песенко Ю.А. Принципы и методы количественного анализа в фаунистических исследованиях. М.: Наука, 1982. 288 с.

Яковлев В.А., Фролова Л.Л., Королева Т.Э. Компьютерная биология. Часть II. СУБД Microsoft ACСESS for WINDOWS на примере генетических и гидробиологических данных. Казань: КГУ, 2001. 42 с.