Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus

Lajiyhteisöjen mallintamiseen liittyvillä menetelmillä pystytään saamaan tietoa ekologisista vuorovaikutussuhteista ja ennustamaan ympäristökovariaattien muutosten vaikutusta lajiyhteisöihin. Tällaiset kysymykset ovat nykyisin erittäin keskeisiä, kun tutkitaan esimerkiksi ilmastonmuutoksen vaikutust...

Full description

Bibliographic Details
Main Author: Kulmala, Markus
Other Authors: Matemaattis-luonnontieteellinen tiedekunta, Faculty of Sciences, Matematiikan ja tilastotieteen laitos, Department of Mathematics and Statistics, Jyväskylän yliopisto, University of Jyväskylä
Format: Master's thesis
Language:fin
Published: 2022
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/79850
_version_ 1828193046518300672
author Kulmala, Markus
author2 Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä
author_facet Kulmala, Markus Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä Kulmala, Markus Matemaattis-luonnontieteellinen tiedekunta Faculty of Sciences Matematiikan ja tilastotieteen laitos Department of Mathematics and Statistics Jyväskylän yliopisto University of Jyväskylä
author_sort Kulmala, Markus
datasource_str_mv jyx
description Lajiyhteisöjen mallintamiseen liittyvillä menetelmillä pystytään saamaan tietoa ekologisista vuorovaikutussuhteista ja ennustamaan ympäristökovariaattien muutosten vaikutusta lajiyhteisöihin. Tällaiset kysymykset ovat nykyisin erittäin keskeisiä, kun tutkitaan esimerkiksi ilmastonmuutoksen vaikutusta lajien esiintyvyyteen ja lajiyhteisöjen koostumukseen. Lajiyhteisöjä voidaan mallintaa sekä frekventistisen tilastotieteen että Bayesmenetelmien avulla. Tässä työssä tutkitaan kahden vaihtoehtoisen mallinnustavan eroja ja samankaltaisuuksia sekä teoreettisesti että empiirisesti. Vertailun kohteena ovat frekventistinen yleistetty lineaarinen latenttimuuttujamalli (generalized linear latent variable models, GLLVM ) ja bayesilaisittain sovitettu hierarkkinen yleistetty lineaarinen sekamalli (hierarchical modelling of species communities, HMSC ). Teoreettisen tarkastelun painopiste on mallien sovitustavassa sekä mallien tavassa ottaa huomioon lajien välinen korrelaatiorakenne. Lisäksi osoitamme, että tulkinta mallien tavasta hyödyntää lajikovariaatteja on yhtäläinen. Analyysissä tutkimme mallien parametriestimaatteja sekä selitys- ja ennustevoimaa diskriminaation, tarkkuuden ja kalibraation avulla. HMSC-malli suoriutui tarkasteltujen suureiden osalta keskimäärin GLLVM-mallia paremmin, erojen ollessa suurimpia eniten havaituilla lajeilla. GLLVM-malli kompensoi tuloksia huomattavasti pienemmällä sovitusajalla.
first_indexed 2024-09-11T08:50:14Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "K\u00e4rkk\u00e4inen, Salme", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.advisor", "value": "Taskinen, Sara", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.advisor", "value": "Ovaskainen, Otso", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Kulmala, Markus", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2022-02-21T07:50:41Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2022-02-21T07:50:41Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2022", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/79850", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Lajiyhteis\u00f6jen mallintamiseen liittyvill\u00e4 menetelmill\u00e4 pystyt\u00e4\u00e4n saamaan tietoa ekologisista vuorovaikutussuhteista ja ennustamaan ymp\u00e4rist\u00f6kovariaattien muutosten vaikutusta lajiyhteis\u00f6ihin. T\u00e4llaiset kysymykset ovat nykyisin eritt\u00e4in keskeisi\u00e4, kun tutkitaan esimerkiksi ilmastonmuutoksen vaikutusta lajien esiintyvyyteen ja lajiyhteis\u00f6jen koostumukseen.\n\nLajiyhteis\u00f6j\u00e4 voidaan mallintaa sek\u00e4 frekventistisen tilastotieteen ett\u00e4 Bayesmenetelmien avulla. T\u00e4ss\u00e4 ty\u00f6ss\u00e4 tutkitaan kahden vaihtoehtoisen mallinnustavan eroja ja samankaltaisuuksia sek\u00e4 teoreettisesti ett\u00e4 empiirisesti. Vertailun kohteena ovat frekventistinen yleistetty lineaarinen latenttimuuttujamalli (generalized linear latent variable models, GLLVM ) ja bayesilaisittain sovitettu hierarkkinen yleistetty lineaarinen sekamalli (hierarchical modelling of species communities, HMSC ).\n\nTeoreettisen tarkastelun painopiste on mallien sovitustavassa sek\u00e4 mallien tavassa ottaa huomioon lajien v\u00e4linen korrelaatiorakenne. Lis\u00e4ksi osoitamme, ett\u00e4 tulkinta mallien tavasta hy\u00f6dynt\u00e4\u00e4 lajikovariaatteja on yht\u00e4l\u00e4inen. Analyysiss\u00e4 tutkimme mallien parametriestimaatteja sek\u00e4 selitys- ja ennustevoimaa diskriminaation, tarkkuuden ja kalibraation avulla. HMSC-malli suoriutui tarkasteltujen suureiden osalta keskim\u00e4\u00e4rin GLLVM-mallia paremmin, erojen ollessa suurimpia eniten havaituilla lajeilla. GLLVM-malli kompensoi tuloksia huomattavasti pienemm\u00e4ll\u00e4 sovitusajalla.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Miia Hakanen (mihakane@jyu.fi) on 2022-02-21T07:50:41Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2022-02-21T07:50:41Z (GMT). No. of bitstreams: 0\n Previous issue date: 2022", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "53", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "hierarkkinen yleistetty lineaarinen sekamalli", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "lajiyhteis\u00f6n mallinnus", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "mallidiagnostiikka", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "MCMC-algoritmi", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "variaatioapproksimaatio", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "yleistetty lineaarinen latenttimuuttujamalli", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Yleistetyt lineaariset latenttimuuttujamallit \u2013 sovelluksena lajiyhteis\u00f6jen mallinnus", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202202211588", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Matemaattis-luonnontieteellinen tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Sciences", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Matematiikan ja tilastotieteen laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Mathematics and Statistics", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tilastotiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Statistics", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "4043", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tilastotiede", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_79850
language fin
last_indexed 2025-03-31T20:03:04Z
main_date 2022-01-01T00:00:00Z
main_date_str 2022
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/fde492cd-1011-402a-a4a2-d600e9dd38bb\/download","text":"URN:NBN:fi:jyu-202202211588.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2022
record_format qdc
source_str_mv jyx
spellingShingle Kulmala, Markus Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus hierarkkinen yleistetty lineaarinen sekamalli lajiyhteisön mallinnus mallidiagnostiikka MCMC-algoritmi variaatioapproksimaatio yleistetty lineaarinen latenttimuuttujamalli Tilastotiede Statistics 4043 tilastotiede
title Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
title_full Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
title_fullStr Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
title_full_unstemmed Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
title_short Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
title_sort yleistetyt lineaariset latenttimuuttujamallit sovelluksena lajiyhteisöjen mallinnus
title_txtP Yleistetyt lineaariset latenttimuuttujamallit – sovelluksena lajiyhteisöjen mallinnus
topic hierarkkinen yleistetty lineaarinen sekamalli lajiyhteisön mallinnus mallidiagnostiikka MCMC-algoritmi variaatioapproksimaatio yleistetty lineaarinen latenttimuuttujamalli Tilastotiede Statistics 4043 tilastotiede
topic_facet 4043 MCMC-algoritmi Statistics Tilastotiede hierarkkinen yleistetty lineaarinen sekamalli lajiyhteisön mallinnus mallidiagnostiikka tilastotiede variaatioapproksimaatio yleistetty lineaarinen latenttimuuttujamalli
url https://jyx.jyu.fi/handle/123456789/79850 http://www.urn.fi/URN:NBN:fi:jyu-202202211588
work_keys_str_mv AT kulmalamarkus yleistetytlineaarisetlatenttimuuttujamallitsovelluksenalajiyhteisöjenmallinnus