Сравнение параметров бесхвостых амфибий Rana arvalis обитающих в г. Верхняя Тура и его окрестностях

Объект исследования

Небольшая лягушка размером 4–7 см. Морда более-менее заостренная. Кожа боков и бедер гладкая. Сверху серая, светло-оливковая или коричневая. По средней линии спины у некоторых экземпляров наблюдается светлая полоса. На спине и боках имеются темные пятна, причем на спине они выпуклые, железистые. По бокам головы расположено большое височное пятно. От глаза к краю морды тянутся бурые тонкие полосы, придающие морде более заостренный вид. 

Распространена от южной Швеции и Финляндии до Франции, юго-восточной Европы и Сибири.

Методика исследования

В 2022 году были отловлены 25 особей вида Rana arvalis и после замерены по 6 разным параметрам. В данном исследовании мы рассмотрим статистические различия между параметрами отловленных особей, узнаем как отличаются между собой группы отловленные вблизи садов и вблизи берега.

Исходная таблица данных

library(dplyr)
print(data)
## # A tibble: 25 × 8
##    Остромордые     L    Lc   Ltc   Dro     F     T    Dp
##          <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1           1    65    20    22    10    31    40   8  
##  2           1    54    19    22     8    20    25   6  
##  3           0    23     9    11     3     9    12   3  
##  4           0    25    10    10     4     7    10   3  
##  5           0    56    18    20     6    18    25   6  
##  6           1    38    13    14     4    15    18   5  
##  7           1    28    11    10     4    10    11   4  
##  8           1    21     9     8     3    10    13   1.5
##  9           1    22    10     7     3    11    12   2  
## 10           0    57    24    23    10    20    25   6  
## # ℹ 15 more rows

Результаты исследования

Сравнение параметров через метод сравнения средних

library(dplyr)
mean_L <- mean(data$`L`)
mean_Lc <- mean(data$`Lc`)
mean_Ltc <- mean(data$`Ltc`)
mean_Dro <- mean(data$`Dro`)
mean_F <- mean(data$`F`)
mean_T <- mean(data$`T`)
mean_Dp <- mean(data$`Dp`)

Переменная

Результат среднего
L 34.4
Lc 12.88
Ltc 12.76
Dro 4.86
F 13.1
T 16.08
Dp 3.756

Метод сравнения средних (t-тест) для пар столбцов

library(dplyr)
t_test_L_Lc <- t.test(data$`L`, data$`Lc`)
t_test_L_Ltc <- t.test(data$`L`, data$`Ltc`)
t_test_L_Dro <- t.test(data$`L`, data$`Dro`)
t_test_L_F <- t.test(data$`L`, data$`F`)
t_test_L_T <- t.test(data$`L`, data$`T`)
t_test_L_Dp <- t.test(data$`L`, data$`Dp`)
Переменная t-тест df p-value
L - Dp 10.291 24.619 2.118e-10
L - Lc 6.9022 29.243 1.327e-07
L - Ltc 6.8019 31.325 1.215e-07
L- Dro 9.8757 25.062 4.02e-10
L - F 6.6309 32.316 1.688e-07
L - T 5.544 35.194 3.032e-06 
library(ggplot2)
ggplot(data, aes(x="", y=`L`, fill = "L")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца L")

ggplot(data, aes(x="", y=`Lc`, fill = "Lc")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца Lc")

ggplot(data, aes(x="", y=`Ltc`, fill = "Ltc")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца Ltc")

ggplot(data, aes(x="", y=`Dro`, fill = "Dro")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца Dro")

ggplot(data, aes(x="", y=`F`, fill = "F")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца F")

ggplot(data, aes(x="", y=`T`, fill = "T")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца T")

ggplot(data, aes(x="", y=`Dp`, fill = "Dp")) + geom_boxplot() + ggtitle("Диаграмма размаха для столбца Dp")

Оценка данных с помощью критерия Краскела-Уоллиса

library(ggplot2)
kw_test_L_Lc <- kruskal.test(data$`L`, data$`Lc`)
kw_test_L_Ltc <- kruskal.test(data$`L`, data$`Ltc`)
kw_test_L_Dro <- kruskal.test(data$`L`, data$`Dro`)
kw_test_L_F <- kruskal.test(data$`L`, data$`F`)
kw_test_L_T <- kruskal.test(data$`L`, data$`T`)
kw_test_L_Dp <- kruskal.test(data$`L`, data$`Dp`)
Переменная значение критерия Краскела-Уоллиса
L - Dp 0.0267
L - Lc 0.0612
L - Ltc 0.0685
L- Dro 0.0198
L - F 0.0905
L - T 0.0727

Сравнение особей из садов и особей с берега пруда по полному набору параметров, используя методы многомерной статистики

library(ggplot2)
library(MASS)
library(vegan)
data_garden <- data %>% filter(`Остромордые` == 1)
data_shore <- data %>% filter(`Остромордые` == 0)
data_combined <- rbind(data_garden, data_shore)
mds <- cmdscale(dist(data_combined), k = 2)
plot(mds, type = "n", xlab = "MDS1", ylab = "MDS2")
points(mds[1:nrow(data_garden), ], col = "blue", pch = 16)
points(mds[(nrow(data_garden) + 1):nrow(data_combined), ], col = "red", pch = 16)
text(mds[1:nrow(data_garden), ], labels = 1:nrow(data_garden), pos = 3)
text(mds[(nrow(data_garden) + 1):nrow(data_combined), ], labels = 1:nrow(data_shore), pos = 3)
legend("bottomright", legend = c("Сады", "Берег"), col = c("blue", "red"), pch = 16)

Заключение

В данном исследовании проведен анализ параметров особей остромордой лягушки, пойманных в разных условиях. Первая группа была отловлена в коллективных садах, где на услвиях жизни животных сказывается влияние хозяйственной деятельности человека, особи второй группы были отловлены на берегу пруда в лесу, где воздействие человека минимизировано. В ходе исследования мы пришли к следующим выводам: между средними всех показателей есть значимые различия, как и между двумя группами данных. Средняя длина тела составляла - 26 мм, среднее расстояние от кончика морды до края затылочного отверствия - 10 мм, средняя ширина головы у нижней челюсти - 10 мм, среднее расстояние от кончика морды до переднего края глаза - 4 мм, средняя длина бедра - 10 мм, средняя длина голени - 12 мм, средняя длина первого пальца передней конечности - 3,5 мм. Также с помощью теста Краскела-Уоллиса были получены результаты: для окончательного вывода, кроме сравнения L. и Dp, где данных достаточно для дальнейших исследований, необходимо провести дополнительную выборку данных. Анализ по графикам многомерной статистики показал, что особи, которые находятся ближе друг к другу, имеют более схожие наборы параметров, чем те, что находятся далеко друг от друга. Таким образом, основываясь на координатах, можно сделать выводы о степени схожести или различия между особями из садов и особями с берега пруда.