Рандомизация и бутстреп: статистический анализ в биологии и экологии с использованием R

В книге представлено описание широкой панорамы статистических методов, как
повсеместно используемых, так и не нашедших пока должного применения в обработке
данных экологического мониторинга. Сюда вошли элементарная статистика, проверка
гипотез, различные подходы к оценке биоразнообразия, дисперсионный анализ,
специальные формы регрессии и оценки информативного набора предикторов моделей,
многомерные методы классификации, редукции и распознавания образов, процедуры,
использующие байесовский подход, анализ временной или пространственной динамики и
т.д. Мы не ставили целью подробно описать теоретические аспекты всех этих методов, но
широко иллюстрировали методику их применения на примерах биологического характера.
Совокупность представленных методов связывается двумя основополагающими
идеями. Во-первых, в каждом примере мы пытались найти "изюминку" в виде
использования нового класса компьютерно-интенсивных (computer-intensive) методов, в
широком смысле относящихся к семейству различных процедур Монте-Карло. Наиболее
детально представлен численный ресамплинг, который заключается в различных
технологиях генерации повторных выборок. Описаны алгоритмы, включающие
рандомизацию, перестановочный тест (permutation), бутстреп (bootstrap), метод
"складного ножа" (jackknife) и кросс-проверку (cross-validation). Мы показываем, как с их
помощью можно корректно проверить статистическую гипотезу или получить
несмещенные характеристики искомого параметра: оценки математического ожидания,
дисперсии, доверительного интервала, коэффициентов модели. Где это возможно, мы
сравниваем полученные результаты с классическими асимптотическими методами,
использующими то или иное стандартное предельное распределение.
Вторая "красная нить" - возможность для читателей легко воспроизвести самим
технику выполнения расчетов. Мы ориентировались на статистическую среду R, которая
постепенно становится общепризнанным мировым стандартом при проведении научно-
технических расчетов. В конце каждого раздела нами представлены тексты несложных
скриптов в кодах R, позволяющих выполнить самостоятельно статистический анализ
рассматриваемых примеров. В этой связи, представляемая монография может
рассматриваться также как справочник по реализации различных алгоритмов обработки
данных для исследователей, которых привлекла эта инструментальная среда.
Книга может быть использована в качестве учебного пособия по статистическим
методам для студентов и аспирантов высших учебных заведений биологического
профиля.