Что изучает биометрия в биологии как наука

БИОМЕТРИЯ

Полезное

Смотреть что такое «БИОМЕТРИЯ» в других словарях:

биометрия — биометрия … Орфографический словарь-справочник

БИОМЕТРИЯ — (от греч. bios жизнь, и metron мера). Искусство вычислять продолжительность жизни. Словарь иностранных слов, вошедших в состав русского языка. Чудинов А.Н., 1910. БИОМЕТРИЯ греч., от bios, жизнь, и metron, мера. Искусство измерять и вычислять… … Словарь иностранных слов русского языка

биометрия — биометрика Словарь русских синонимов. биометрия сущ., кол во синонимов: 2 • биология (73) • … Словарь синонимов

БИОМЕТРИЯ — процесс сбора, обработки и хранения данных о физических характеристиках человека с целью его идентификации. Наиболее распространенными биометрическими системами являются сканирование сетчатки глаза, исследование геометрии руки, дактилоскопия,… … Юридический словарь

БИОМЕТРИЯ — (от bio. и греч. met измеряю), раздел вариационной статистики, с помощью методов к рого производят обработку эксперим. данных и наблюдений, а также планирование количеств, экспериментов в биол. исследованиях. Б. сложилась к кон. 19 в. гл. обр.… … Биологический энциклопедический словарь

биометрия — совокупность приемов планирования и обработки данных биол. исследований методами математической статистики. (Источник: «Микробиология: словарь терминов», Фирсов Н.Н., М: Дрофа, 2006 г.) … Словарь микробиологии

Биометрия — (biometrics): автоматические методы, используемые для распознавания личности или подтверждения заявленной личности человека на основе физиологических или поведенческих характеристик. Источник: ФИНАНСОВЫЕ УСЛУГИ. РЕКОМЕНДАЦИИ ПО ИНФОРМАЦИОННОЙ… … Официальная терминология

БИОМЕТРИЯ — Раздел вариационной статистики, с помощью методов которого производят обработку экспериментальных данных и наблюдений, а также планирование количественных экспериментов в биологических исследованиях Словарь бизнес терминов. Академик.ру. 2001 … Словарь бизнес-терминов

Источник

Биометрия как прикладная наука

Биометрия — прикладная наука, использующая математические методы статистического анализа массовых явлений (результатов наблюдений, учетов) применительно к биологическим объектам.

Содержание

1. Термин биометрия

В настоящее время можно сказать, что термин биометрия еще не утвердился до конца. Наравне с ним применяются такие названия как математическая статистика в почвоведении, ботанике, методике опытного дела, биологическая статистика, биометрия, вариационная статистика. Это не случайно, потому что содержание всех этих изданий одно и то же, в них излагаются методы математической статистики, применяемые для статистической обработки результатов исследований биологических объектов, полученных при проведении лабораторных, вегетационных и полевых опытов, агрономических наблюдений.

Исходя из изложенного формулировка понятия биометрия может быть следующей: «Биометрия – прикладная наука, использующая математические методы статистического анализа массовых явлений (результатов наблюдений, учетов) применительно к биологическим объектам (растениям, животным и т.п.)».

По мере превращения биологии из науки описательной в науку точную, основанную на измерениях, возникла потребность в применении методов математической статистики для решения биологических задач. Биометрия преследует исключительно биологические цели, приспосабливая методы математической статистики к задачам и специфике биологических исследований.

2. Предмет и основные понятия биометрии

Предметом биометрии служит любой биологический объект, в результате наблюдения за которым получены количественные или качественные показатели. Методы биометрии широко применяются и в опытном деле. Потребность в использовании методов математической статистики обусловлена тем, что однородные биологические объекты исследования индивидуально различны, изменчивы. Например, число зерен в колосьях одного и того же сорта яровой пшеницы на одной и той же опытной делянке будет различным. Все биологические признаки изменчивы, подвержены варьированию. Объективную информацию в таких случаях можно получить, только подвергнув результаты учетов, измерений, анализов статистической обработке.

Свойство условных биологических единиц наблюдения отличаться друг от друга в однородных совокупностях называется изменчивостью или варьированием. Например, у растений пшеницы варьирующими признаками являются число и масса зерен в колосе, высота растения, продуктивная кустистость, стекловидность и содержание сырой клейковины в зерне, площадь листьев и т.п. В полевых опытах урожаи на одноименных вариантах по повторениям всегда получаются разные.

Изменчивость одних показателей носит явно выраженный количественный характер и легко поддается измерениям, подсчету, взвешиванию. Изменчивость других носит типичный качественный характер. Например, изменение опущенности или окраски различных органов растений.

Количественное варьирование разделяется на непрерывное и прерывистое. Непрерывное варьирование наблюдается в том случае, когда изучаемый показатель измеряется или взвешивается. Величины непрерывного варьирования могут выражаться как целыми, так и дробными цифровыми значениями. Показатели прерывистого варьирования имеют только целые значения, они получаются только счетом.

Всю группу объектов наблюдения, подлежащих счету, анализу называют генеральной совокупностью. Однако в действительности сделать это невозможно, так как численность единиц наблюдения может быть очень большой. Поэтому для учета вынуждены брать только определенную часть единиц наблюдения, которую принято называть выборочной совокупностью или выборкой. Иногда ее называют статистической совокупностью.

Из этого следует, что суждение о генеральной совокупности приходится делать по выборочной совокупности. Отсюда очень важно, чтобы выборка не была односторонней, преднамеренной или очень малочисленной. Она должна быть случайной, обеспечивающей любому члену генеральной совокупности вероятность попасть в эту выборку. Репрезентативность выборки достигается применением специальных методов отбора единиц наблюдения, которые описаны в специальных методиках и объемом выборки.

3. Краткий исторический очерк развития биометрии

Биометрия, как самостоятельная научная дисциплина, возникла в XIX веке, однако первые попытки применить математику к биологическим объектам наблюдения были гораздо раньше. Толчком к этому было установление Декартом (1596-1650) понятия переменная величина. В середине XVII века зародились две ветви точных наук – теория вероятностей и математическая статистика. Теория вероятностей возникла на базе азартных игр, а математическая статистика положена в основу теории выборочного метода.

Основная задача, которую ставили перед собой исследователи, сводилась к тому, чтобы теоретически доказать возможность по части (выборке) судить о состоянии целого, то есть всей совокупности. Большая работа в этом направлении была проделана бельгийским ученым А.Кетле (1796-1874). Из его работ вытекало, что при помощи математических методов возможно вскрытие статистических закономерностей, действующих в среде массовых явлений.

Пирсон развил учение о типах кривых распределения, встречающихся в биологии. Им введено понятие среднего квадратического отклонения. Совместно с Гальтоном и Уэльдоном он обосновал в 1901 году выпуск научного журнала «Биометрика». Гальтон и Пирсон по праву считаются основателями биометрии.

Большим вкладом в дальнейшее развитие биометрии была теория «малой выборки», обоснованная В.Госсетом (1876-1937), печатавшегося под псевдонимом «Стьюдент». Оперируя с выборками небольшого объема, взятыми из нормального распределения генеральной совокупности Стьюдент открыл закон распределения выборочных средних в зависимости от объема выборки. Описанный им закон оказался применимым к малым выборкам, содержащим в своем составе не более 25-30 вариант.

Существенный вклад в дальнейшее развитие биометрии внес Р.Э.Фишер (1890-1962), проработавший ряд лет научным сотрудником знаменитой Ротамстедской сельскохозяйственной опытной станции, а с 1933 года профессором кафедры прикладной математики Лондонского университета. Он разработал метод дисперсионного анализа, ввел понятие «степени свободы».

В России биометрические методы описаны А.В.Леонтовичем (1869-1943) и А.И.Чупровым (1874-1926). С работами Р.А. Фишера читателей первым ознакомил Н.Ф.Деревицкий (1933). Позднее изданы «Статистические методы для исследователей» Р.А. Фишера в переводе В.Н. Перегудова (1958). В 60-х-80-х годах вышло несколько книг по биометрии: Н.А.Плохинский (1961,1970), П.Ф.Рокицкий (1973,1974), Г.Ф.Лакин (1968,1973,1980,1990).

В Казахстане заметный вклад в пропаганду и внедрение методов математической статистики в области биологии и агрономии внесли: А.И.Федоров (1957), Н.Л.Удольская (1976), В.П.Томилов (1983).

Опубликовано значительное количество книг с изложением методов математической статистики применительно к отдельным отраслям биологии и другим наукам: методика полевого опыта (Вольф В.Г.,1966; Доспехов Б.А.,1985), почвоведение (Дмитриев Е.А.,1972, 1995), ботаника (Зайцев Г.Н., 1984), фитопатология (Минкевич Н.И., Захаров Т.И., 1977), защита растений (Пересыпкин В.Ф и др., 1989), генетика (Рокицкий П.Ф.,1974), агрометеорология (Уланова Е.С., Сиротенко О.Д., 1968), гидрология (Рождественский А.В.,Чеботарёв А.И., 1974), география (М.К.Бочаров, 1971), лесокультурные исследования (Жигунов А.В. и др., 2002), экономика (Эконометрика, 2002).

По мнению В.П. Терентьева (1978) биометрия перерастает в биоматематику. В настоящее время роль методов математической статистики в биологических и агрономических исследованиях существенно возросла, а в связи с компьютеризацией и разработкой компьютерных программ возможности биометрии многократно увеличились, а необходимость в её изучении при подготовке специалистов биологического профиля стала насущной необходимостью и велением времени.

Источник

Биометрия

Вы будете перенаправлены на Автор24

Биометрия — это прикладная наука, которая использует методы математики и статистического анализа массовых явлений применительно к биологическим объектам (представителям всех царств живой природы).

Биометрия как область знания

Можно отметить тот факт, что в настоящее время понятие термина «биометрия» не до конца сформировано. Иногда его отождествляют с математической статистикой, вариационной статистикой в биологии. Это происходит потому, что в данных областях знаний используются такие методы как вегетационные и полевые опыты, агрономические наблюдения.

Постепенно биометрия превратилась в описательную науку точного характера, основанную на измерениях. Вследствие этого возникла необходимость в применении методов математической статистики для решения актуальных биологических задач.

Следует отметить тот факт, что биометрия преследует исключительно биологические цели, адаптируя методы математической статистики к специфике биологических исследований.

Предмет и методы биометрии

Предметом биометрии может служить любой биологический объект. В результате наблюдения за ним фиксируются некие количественные и качественные показатели. Методы биометрии применяются в опытном деле. Математические исследования необходимы для того, чтобы обеспечить правильную оценку объектов, имеющих различную и изменчивую природу.

Например, число зерен в колосьях одного и того же сорта пшеницы на одной и той же делянке может быть совершенно различным. Объективную информацию можно в подобном случае можно получить только при использовании результатов учета, анализа, определенной статистической обработки.

Варьирование – это свойство живых организмов отличаться друг от друга внутри однородной совокупности.

Готовые работы на аналогичную тему

Анализ варьирования является актуальным методом биометрии и отражает различия живых организмов в группе.

Среди вариационных признаков пшеницы можно отметить:

В зависимости от всех этих параметров формируются различные объемы урожая.

Все числовые выражения биологических признаков и изменения их величин, которые анализируются в биометрии, называются вариантами.

Все биометрические данные принято делить на два класса:

Ключевыми понятиями биометрии можно назвать:

Генеральная совокупность – это совокупность всех объектов (единиц), относительно которых предполагается делать выводы при изучении конкретной задачи.

Выборка – это часть генеральной совокупности элементов, которая охватывается экспериментом (наблюдением, опросом).

История биометрии

Как и любая другая наука, биометрия имеет богатую историю развития. Она возникла в 19 веке, но ее корни уходят еще в работы Декарта, который ввел понятие переменная величина. Также в 17 веке зародились такие науки, как:

Эти науки легли в основу создания теории выборочного метода. При этом основная задача исследователей сводилась к тому, чтобы доказать теоретическую часть выборки и судить о состоянии целой популяции организмов. Большие достижения в данной области были достигнуты А. Кетле. Он сформулировал вывод о том, что при помощи математических методов возможно выявить статистические закономерности, действующие в массовой среде.

Ученый Пирсон развивал учение о различные кривые распределения, которые встречаются в биологии. Он ввел в науку понятие среднего квадратичного отклонения. Сам термин «биометрия» в научном обиходе был использован Ф. Гальтоном. Ученый основал журнал «Биометрика» в 1901 году. 20 век дополнил эту область знаний математико-статистическими методами, а также биометрия стала использовать методику дифференциального и интегрального исчисления. Все эти методы применялись в ходе исследования численности организмов, даже группы патогенных особей.

Также большой вклад в развитие биометрии внесла теория «малой выборки». Она была обоснована В. Госсетом, который оперировал выборками небольшого объема и открыл закон применения к малым выборкам распределения среднего объема по этим выборкам.

Также существенный вклад в дальнейшее развитие биометрии Р.Э. Фишер, который разработал метод дисперсионного анализа и ввел в биометрию понятие «степень свободы». В России также большой вклад в развитие биометрии внесли А.В. Леонтович, А.И. Чупров, Н.А. Плохинский, Г.Ф. Лакин.

Многие ученые сегодня утверждают, что биометрия становится по своей сути биоматематикой. В настоящее время значительно возросла роль методов математической статистики в биологических исследованиях, агрономии. Возможности биометрии многократно увеличились благодаря компьютеризации и внедрению технологических инноваций во все области знаний.

Таким образом, биометрия является весьма перспективной областью междисциплинарного знания, она расширяет границы многих наук, взаимодействует с генетикой, медициной, селекцией и др., например, биометрия помогает генетике в процессе исследования механизма появления мутантных генов, приводящих к гибели животных.

Данные биометрии показывают, что доля аномальных генов у гетерозиготных генов значительно больше, чем у гомозиготных. Обнаружение таких генов начинается с изучения родословных животных в ряду поколений и проходит анализ генов у их близкородственных видов. Подобное синтетическое единство, находящееся внутри биологического знания, делает возможности науки более соответствующими современным запросам.

Источник

Биометрия как наука и основные ее понятия

ВВЕДЕНИЕ

Вопросы изучения живых организмов и растительных объектов, а также процессы, происходящие на клеточном, молекулярном и генетическом уровне становятся все более актуальными с каждым днем. С этой целью в научных лабораториях разрабатываются методы по их исследованию и моделируются сложных явлений природы. К наиболее часто используемым методам исследования можно отнести экспериментальные и методы многомерной статистики. Они являются важной и неотъемлемой частью лабораторного эксперимента и позволяют достоверно выявить закономерности происходящих природных процессов, а также найти причинно-следственные связи между ними.

В научных исследованиях для получения достоверных данных эффективно используется метод массовых наблюдений. Данный метод основан на использовании большого количества повторностей в каждой экспериментальной группе. Материал, полученный в ходе лабораторного опыта, обрабатывают и анализируют, далее по полученным данным делают соответствующие выводы и устанавливают те или иные закономерности. Большое значение в достижении наибольшей точности результатов и выводов в ходе эксперимента имеет не только качество экспериментальных методик, но и правильная статистическая обработка, так как полученные результаты могут значительно варьироваться в пределах одной экспериментальной группы. Таким образом, выполнение статистического анализа экспериментально полученных данных расширяет возможности в познании биологических явлений природы, способствует объективной оценке полученных результатов, исключая возможность субъективной точки зрения исследователя, а также методической ошибки, которые возникают при выполнении эксперимента, и дает возможность экспериментатору сделать точные и корректные выводы и заключений в отношении изучаемого явления.

Предмет исследования – компьютерные технологии как способ обработки данных, полученные при лабораторном исследований.

Цель исследования – проанализировать возможности статистических программ при обработке данных, полученных в результате постановки лабораторного эксперимента.

Задачи исследования:

· Оценить методы математической статистики с точки зрения их возможностей и границ применения при планировании и обработки биохимического эксперимента.

· Изучить, имеющиеся статистические пакеты анализа.

· Освоить возможности решения задач прикладной статистики средствами Microsoft Excel (применения стандартных функций и пакета анализа данных) и известных статистических пакетов STATISTICA в области биохимии.

Компьютерные технологии имеют большое значение в статистической обработке данных. Это позволяет не только ускорить данный процесс в несколько раз, но и произвести его на более высоком качественном уровне.

ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ПРИ ПРОВЕДЕНИИ ЛАБОРАТОРНОГО ИССЛЕДОВАНИЯ

Биометрия как наука и основные ее понятия

Основные понятия биометрии.

Очень часто в практической деятельности человека и при обработке данных, полученных в ходе научных исследований, используется средняя величина. Данная величина характеризует исследуемый признак и показывает, каким было бы значение переменной, если бы у всех объектов из выборки оно было бы одинаковым. Средне арифметическая вычисляется по формуле:

,

,

Еще один статистический показатель это мода. Модой называется такая величина, которая наиболее часто встречается. Моду можно вычислить по формуле Пирсона:

,

где Ме – медиана; М-среднее значение признака.

В некоторых экспериментах требуется очень высокая точность опыта. Например, в медико-биологических, токсикометрических и др. Ошибка в данных опытах не должна быть выше 1%, если значение ошибки превышает 1%, то точность результата является неудовлетворительной и нужно увеличивать количество повторностей.

Однако как бы исследователь ни старался точно выполнять все действия методики эксперимента, все равно на практике случаются ошибки, которые необходимо учитывать при обработке данных. Существует несколько типов ошибок.

Более информативным и приемлемыми для сравнения групп используется коэффициент изменчивости, или вариации. Коэффициент изменчивости – это основное отклонение, выраженное в процентах от среднего значения, которое рассчитывается по формуле:

По полученным результатам делают вывод о характере и степени варьирования признака (таблица 1.1).

Таблица 1.1. Характер изменчивости признаков (по М.Л.Дворецкому)

Далее проверяют степень надежности результата:

Если значение t больше четырех, то среднее значение будет достоверным и соответственно можно сформулировать корректные выводы.

Этот параметр опыта показывает, на сколько процентов можно ошибиться, если утверждать, что генеральная средняя равна полученной выборочной средней.

Встатистике важным является показатель нормирования. Данный показатель используется для оценки вариант относительно к среднему значению данной группы по следующей формуле:

В зависимости от цели исследования значение может колебаться от x: ±0,5σ до х±1σ. Варианты со значением от 0,67σ до 2σ являются субнормальными, если значение равно более х± 2σ, то такие вариантыследует отнести к категории аномалий.

В биометрии существует такое понятие как ошибка репрезентативности. Эта ошибка, которая возникает не в ходе выполнения измерений или вычислений, а из-за случайного отбора при формировании группы.

Существует огромное количество формул вычисления ошибок эксперимента. Некоторые из них приведены ниже в качестве примера. Формула, по которой вычисляется средняя ошибка среднего квадратического отклонения:

Средняя ошибка коэффициента вариации (С):

Средняя ошибка показателя асимметрии:

, или более точно:

Ошибку коэффициента эксцесса:

, или

Сравнительный анализ полученных результатов сводится к оценке степени достоверности наблюдаемых между ними различий по следующей формуле:

Для сравнения полученных результатов с ожидаемыми используют критерий хи-квадрат (χ 2 ), который находится по формуле:

Так как большинство биологических объектов имеют огромное количество, нередко взаимосвязанных признаков, которые их характеризуют, например, вес, рост, возраст и др., то при исследовании комплекса показателей применяют дисперсионного анализа. Зависимость, при которой на каждое значение независимой переменной приходится только одно значение зависимой, называют функциональной. Однако в природе такая связь бывает очень редко. Обычно исследуемые объекты с одинаковыми значениями одного признака имеют разные значения по другим признакам. Такую связь называется корреляцией. Коэффициент корреляции показывает, насколько один исследуемый признак связан с другим (таблица 2). Коэффициент корреляции вычисляется по формуле:

Таблица 1.2. Характеристика тесноты связи между признаками

Так же необходимо найти квадратическую ошибку коэффициента корреляции:

Полученные показатели коэффициента корреляции оценивают с помощью критерия достоверности Стьюдента:

или с помощью формулы

При оценке взаимосвязи величин очень важно найти аналитическое уравнение, которое будет соответствовать природе изучаемого явления для предсказания поведения независимой характеристики объекта при изменении зависимого параметра. Взаимосвязь между переменными величинами называется регрессией. Коэффициент регрессии, который определяется по следующим аналогичным формулам:

—коэффициент регрессии Y.X;

коэффициент регрессии X.Y,

и .

Для коэффициента регрессии также находят среднюю квадратическую ошибку:

и

Это основные формулы, применяемые в биометрии, которые используются при обработке данных, полученных в ходе биохимических исследований. Существует еще очень много статистических формул, однако все они, как мы уже убедились, состоят из нескольких математических действий, что осложняет вычисления исследователя и может привести к многочисленным ошибкам в расчетах. Исправление этих ошибок может отнять много времени при обработке большого количества данных. Таким образом, компьютерные технологии упрощают данный рутинный процесс в несколько раз, что позволяет более рационально использовать время, а также уменьшают вероятность ошибки, что дает уверенность в правильности полученных результатов и позволяет сделать корректные выводы.

Планирование и обработка биохимического эксперимента

В настоящее время существует множество информации и довольно сложно ориентироваться в этом бесконечном потоке знаний. Тогда возникает вопрос, каким образом можно получить интересующую информацию и подобрать нужную литературу, затратив при этом минимальное количество времени. Для этого существуют различные поисковые системы, которые значительно сокращают количество потраченного времени на подготовительном этапе. Так как прежде чем приступить к выполнению и планированию исследования, необходимо убедиться, не изучался ли данный вопрос ранее, каковы результаты проведенных исследований и какие критерии уже изучены. Чтобы больше осознать в полной мере необходимость информационных технологий в планировании эксперимента, необходимо понять, что представляет собой данный процесс.

Планированием эксперимента называется комплекс мероприятий, направленных на эффективную постановку опыта, главной целью которого является достижение максимальной точности измерений при проведении минимального количества опытов. При планировании опыта выделяют несколько этапов:

1. Предпланирование – этот этап включает в себя составление плана работы и его утверждение, выбор темы, формулировка рабочей гипотезы, информационная обработка плана и освоение методик.

Этот этап позволяет исключить возможность дублирования исследования, обеспечивает достоверность знаний и оригинальный подход к решению поставленных перед исследователем задач

2. Собственно процесс исследования – на данном этапе производится аналитический обзор литературы по данной проблеме, накопление данных, их систематизация и выработка представлений и проведение эксперимента. Эксперимент – набор действий и наблюдений, выполненных для проверки истинности или ложности выдвинутой гипотезы и установление причинно-следственных связей между изучаемыми феноменами.

Благодаря данному этапу исследователь может осознать насколько новой является данная тема и актуальны полученные результаты, сформулировать научно-практическую значимость.

3. Последний этап заключается в оформление результатов научного поиска – составление отчетов, написание статей.

Любой эксперимент основан на выполнении аналитического метода, Аналитические методы имеют критерии, определяющие пригодность метода:

· Специфичность – способность определить тот компонент, для определения которого данный способ исследования предназначен.

· Точность – качество измерений, отражающих близость полученных результатов, содержащих анализируемое вещество

· Сходимость (воспроизводимость в серии) представление о близости друг к другу результатов исследования выполненных в одних условиях в серии.

· Воспроизводимость – близость результатов, полученных при выполнении лабораторного аналитического исследования пробы в различных условиях. Данный параметр отражает степень разброса данных и позволяет выявить случайные ошибки.

· Чувствительность – способность метода выявлять наименьшее значение анализируемого вещества. Оценивается величина отношения разности между показателями измерений прибора. Чем выше величина отношения, тем выше чувствительность метода.

· Предельная чувствительность – концентрация исследуемого вещества соответствующая минимальному измерению отличному от значения холостой пробы.

Интерпретация полученных результатов исследования производится вручную или с помощью компьютера. Один из способов оценки результатов это построение градуированной (калибровочной) кривой. Калибровочная кривая отображает тесную связь экстинкции, интенсивности излучения света и концентрации вещества в сериях стандартных растворов. Для построения градуированной кривой используются стандартные растворы.

Построение калибровочной кривой:

ü Приготовление стандартных растворов

ü Приготовление разведение стандартного вещества, который охватывает диапазон исследуемых концентраций и выходит за пределы максимального и минимального значения.

ü Из основного готовим маточные растворы

ü Для каждой концентрации стандартного раствора делаем 3-5 измерений

ü По полученным точкам строим график.

Для большей наглядности и точности лучше всего построить график. График показывает зависимость оптической плотности от концентрации раствора. Это будет более удобно при последующем определении концентрации изучаемого вещества в исследуемых пробах, что поможет рассчитать более правильную концентрацию рабочих растворов.

Источник