Methoden zur Auswertung und Analyse biologischer Daten

Um die Auswertung und den Erkenntnisgewinn basierend auf bio-/ökologischen Daten zu optimieren, steht uns ein großes Repertoire an modernem mathematischen Werkzeug und Simulationstechniken zur Verfügung. Viele weitere Details und Beispiele zur Visualisierung, Simulationstechniken und der verwendeten Software finden sich in den Unterpunkten des Menüs auf der rechten Seite 

 

Überblick:

Häufig verwendete Methoden:

  • Grafische Analysen: Scatterplot, Histogramm, Boxpot, Coplot, Cleveland Plot, Pairplots, Dichteplots, 3D-Plots, Variografische Analyse Plots, h-Scatterplot
  • Korrelation: Pearsson, Kendall, Speamann, Bisearial, Point-Biserial, zeitabhängige Autokorrelation, räumliche Autokorrelation (Moran I, Geary C), Kreuzkorrelation, Q-Analysis, R-Analysis, Mantel-Test, ANOSIM
  • Vergleich von Mittelwerten: t-Test, ANOVA, ANCOVA, faktorielle ANOVA, Post hoc Tests, definierte Kontraste
  • Regression: Lineare Regression (LM), Multiple Regression, Multinomiale Regression, Partielle Regression, Verallgemeinerte Lineare Modelle (GLM), Verallgemeinerte Additive Modelle (GAM, GAMM), Lineare Gemischte Modelle (LME), Verallgemeinerte Gemischte Modelle (GLMM), Verallgemeinerte Least Squares (GLS), Verallgemeinerste Estimation Equations (GEE), Mixture Modelle, zero-inflated Modelle (z.B. ZIP), Regressionsdiagnostik
  • Klassifikations- und Regressionsbäume, Diskriminant Funktion Analyse
  • Multivariate/Ordinations-Techniken: MANOVA, Multinomiale Logistische Regression, Hauptkomponenten-Analyse (PCA), Lineare Diskriminanzanalyse (LDA), Redundanzanalyse (RDA), Korrespondenzanalyse (CA), Detrended Korrespondenzanalyse (DCA), Kanonische Korrespondenzanalyse (CCA), Explanatory Faktoranalyse (EFA), Hauptkoordinaten Analyse (PCoA), Nicht-metrische Multidimensionale Skalierung (NMDS), Dynamische Faktorenanalyse (DFA), Mantel-Test, Bray-Curtis Ordination
  • Zeitreihen Analyse: ANOSIM, Autoregressive (AR) Modelle, Moving Average (MA) Modele, ARMA, ARIMA, ARIMAX Modelle, Trend-Analysen: MAFA, Dynamische Faktorenanalyse (DFA), Chronologisches Clustering
  • Räumliche Statistik: Mantel-Test, Analyse von Rasterdaten, Geostatistik, Moran I Index, Correlogramm, SAR Modelle, SMA Modelle, LM(ce) Modelle, lokal lineare räumliche Modelle, Kriging, Variogramm Modelle,  Explanatorische Variographische Analyse, AM-Trendmodelle, AM(ce) Modelle, Aktionsräume (Homeranges)
  • Nicht-parametrische statistische Methoden: Robuste Methoden nach Wilcoxon, Resampling, Bootstrapping, trimmed Mean, Monte-Carlo, Permutationstests, M-Estimatoren, Kendall's Tau, Spearman-Korrelation, Chi^2 Test, Log-Lineare Analysis, Fischers Exakter Test, Wilcoxon-Ranksummentest und -Vorzeichen-Rang-Test, Kruskal-Wallis Test, Jonckheere-Terpsra Test, Friedman's ANOVA
  • Modell-Selektion: AIC, DIC, BIC, cAIC, AICc, WAIC, Bayes Factors, LASSO, ridge regression, Model-averaging
  • Differentialgleichungen: Gewöhnliche Differentialgleichungen (ODEs), Partielle Differentialgleichungen (PDEs)
  • Simulationstechniken: Finite Differenten Methoden, Finite Elemente Methoden (FEM)
  • Bayesianische Datenanalyse: Posterior prediktive Modellüberprüfung, Markow-Chain Monte-Carlo (MCMC) Simulationen
  • Auffüllen von Datenlücken: Kriging, Multiple Imputation
  • Power Analysen (z.B. Bestimmung der optimalen Stichprobengröße zu einem statistischen Test): A priori, Post hoc, Compromise
  • Bio/ökologische Anwendungen: Morphometrie, Auswirkungsstudien, z.B. Before-After Control-Impact (BACI) Studien, alpha-Diversität-Indizes (Simpson, Evenness,Shannon), beta-Diversität-Indizes (Bray-Curtis, Jaccard), Home ranges, Modelle mit Korrektur von übersehenen Individuen, Überlebensraten, Mark-recapture Studien, CJS-Modelle, Analyse von Tracking-/Logger-Daten mit Point Process Modellen (PPM's)