Abstract
Choosing of mathematical model for describing of the pacific salmon progeny dependence on the parents abundance is discussed. Results of different approximations are interpreted. The analysis could be useful for forecasting of the pacific salmon stocks by specialists without deep skills in numerical modeling (like the author).
Highlights
Рассматриваются проблемы выбора математической модели для описания зависимости численности потомков тихоокеанских лососей от численности родителей и интерпретации результатов аппроксимации
The analysis could be useful for forecasting of the pacific salmon stocks by specialists without deep skills in numerical modeling
Динамику модельной численности потомков при заданном стартовом значении численности родителей и коэффициенте эксплуатации можно проследить и на фоне зависимости R(P), для чего на данный график нужно добавить линию с координатами Х: В6–В28; Y: С7–С29
Summary
Рассматриваются проблемы выбора математической модели для описания зависимости численности потомков тихоокеанских лососей от численности родителей и интерпретации результатов аппроксимации. Модели служат способом познания природы и, если они хорошо объясняют предшествующие состояния, на которых модель построена, то с известными допущениями могут быть использованы для прогноза поведения или состояния системы. С одной стороны, это еще раз подчеркивает невозможность разработки точного экологического прогноза, с другой — свидетельствует о том, что универсальной методики прогнозирования состояния открытых систем нет и быть не может. Если вспомнить еще об уникальности экосистем, невозможности редукции их, сложности проведения системных экспериментов, значительной погрешности и малочисленности измерений многих экологических параметров (традиционны временные ряды наблюдений в 10–20 значений), неполноте наших знаний о механизмах функционирования экосистем, то становятся понятны сомнения ряда специалистов относительно возможностей экологического прогнозирования вообще. Однако преимущество в описании одних и тех же данных различными уравнениями не всегда очевидно, если факторов, влияющих на зависимую переменную, много, тогда разброс фактических значений относительно линии регрессии может быть столь большим, что выбрать аппроксимирующую функцию становится сложно. Распределение остатков адекватной модели относительно 0 соответствует закону нормального распределения (гипотезу можно проверить по критерию Шапиро-Уилка), они не имеют существенного тренда D(X) (зависимости остатков от факториальной переменной), не имеют статистически значимой автокорреляции первого порядка (критерий Дарбина-Уотсона), их дисперсия должна быть постоянной во всем диапазоне значений факториальной переменной (т.е. гомоскедастичной)
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
