In order toidentify the variables t

In order to
identify the variables that contributed the most to the variation
among populations, we performed principal component analysis
(PCA) on the morphometric dataset, based on a covariance
matrix. Finally, we performed discriminant function analysis
(DFA) and linear discriminant analysis (LDA) in order to evaluate
each specimen, assign it to a species and assess the degree
of separation between the groups

ผลลัพธ์ (ไทย) 1:

เพื่อเป็นการระบุตัวแปรที่ใหการเปลี่ยนแปลงมากที่สุดในกลุ่มประชากร เราทำการวิเคราะห์ส่วนประกอบหลัก(PCA) ในชุดข้อมูล morphometric อิงการแปรปรวนเมทริกซ์ ในที่สุด เราทำการวิเคราะห์ฟังก์ชัน discriminant(DFA) และการวิเคราะห์เชิงเส้น discriminant (LDA) เพื่อประเมินแต่ละชิ้นงาน กำหนดให้เป็นสายพันธุ์ และประเมินระดับของการแยกระหว่างกลุ่ม

ผลลัพธ์ (ไทย) 2:

เพื่อที่จะ
ระบุตัวแปรที่มีส่วนร่วมมากที่สุดเพื่อการเปลี่ยนแปลง
ในหมู่ประชากรเราดำเนินการวิเคราะห์องค์ประกอบหลัก
(PCA) ในชุดข้อมูลที่เมตริกอยู่บนพื้นฐานของความแปรปรวน
เมทริกซ์ สุดท้ายเราดำเนินการวิเคราะห์จำแนกฟังก์ชั่น
(เอฟเอ) และการวิเคราะห์จำแนกเชิงเส้น (LDA) เพื่อประเมิน
แต่ละตัวอย่างกำหนดให้เป็นสายพันธุ์และประเมินระดับ
ของการแยกระหว่างกลุ่ม

ผลลัพธ์ (ไทย) 3:

เพื่อระบุตัวแปรที่สนับสนุนมากที่สุดรูปแบบของประชากร เราแสดงการวิเคราะห์องค์ประกอบหลัก( PCA ) บนพื้นผิวขนาดตามความแปรปรวนร่วมเมทริกซ์ ในที่สุด เราก็แสดงฟังก์ชั่นการวิเคราะห์จำแนก( DFA ) และการวิเคราะห์เชิงเส้น ( lda ) เพื่อประเมินแต่ละตัวอย่างกำหนดให้ชนิดและประเมินการศึกษาของการแยกระหว่างกลุ่ม