Page 48 - tesi monica

RussoMo2nM0ioc0na4icRaussocosì ottenute possono essere risolte tramite analisi agglomerativa o di
ordinamento e analisi fattoriale o di classificazione, trasformando la matrice
a due vie in una matrice delle distanze che attribuisce un coefficiente di
similarità/dissimilarità ad ogni coppia di campioni.
L’analisi agglomerativa o di ordinamento permette di visualizzare
graficamente le similarità e dissimilarità tra campioni, per evidenziare
possibili pattern e comparare la struttura dei popolamenti (composizione
specifica ed abbondanza). L’algoritmo del nMDS, infatti, è una procedura
interattiva volta a costruire un grafico attraverso una progressiva
ridefinizione delle posizioni dei diversi punti in uno spazio a due o tre
dimensioni. Il posizionamento dei campioni all’interno del grafico e le loro
distanze relative riflettono il livello di similarità tra i campioni.
All’aumentare della similarità diminuiscono progressivamente le distanze fra
i campioni (CLARKE & WARWICK, 1994).
Lo stress statistico esprime il livello di significatività del grafico nMDS, la cui
rappresentazione della distribuzione dei punti è considerata ottima per
valori inferiori di 0,05; buona fra 0,06 e 0,1; accettabile fra 0,11 e 0,19; pessima
se superiore a 0,20 (CLARKE & WARWICK, 1994).
Operazione necessaria se si presume che i dati non seguano una
distribuzione normale è di trasformarli in modo tale che le specie uniche
(cioè presenti con un solo individuo o con una bassa percentuale di
ricoprimento) abbiano più peso, in proporzione, alle specie più abbondanti,
riducendo così le differenze fra i valori estremi del set di dati. In questo

47