Часто численность мелких почвенных животных, таких как коллемболы, клещи, а тем более нематоды, варьирует в очень больших пределах.
Так, число особей отдельных видов коллембол в пробах 5×5 см может колебаться от 0 до нескольких сотен. В силу этого иногда невозможно сгруппировать непосредственно цифры вариационного ряда, так как почти каждая проба имеет свое число особей, В таких случаях весь ряд полученных цифр разбивают на классы. Например, если животное встречено в пробах от 1 до 30, то полученные цифры можно разбить на классы: 1—5, 6—10, 11 — 15, 16—20, 21—25, 26—30. Подсчитав число проб с каждым из классов, можно построить гистограмму точно таким же образом. На оси ординат мы откладываем классы обилия, на оси абсцисс — Частоты. Классовый интервал (в данном случае—5 особей) может быть самым различным, что зависит от уровня численности, размера проб и от целей обработки Чаще всего выделяют 5—7 классов. Обычно классовые интервалы бывают равные
по всему ряду, что увеличивает возможность дальнейших математических операций с полученными данными. Однако иногда можно использовать шкалу с разными интервалами. Так, ногохвостка Folsomia diplophthalma в тундре встречена в пробах (всего 100 проб) в количестве от 0 до 160 особей. Однако подавляющее число проб содержало от 1 до 40 особей, всего 6 проб — свыше 40. Вероятно, в этом случае интервал от 40 до 160 целесообразно объединить в один класс. Группировка учетных данных по классам обилия широко используется для различных целей в почвенной зоологии. Это сильно облегчает анализ количественных материалов.
После нахождения величин, характеризующих уровень признака (средняя арифметическая, иногда средняя геометрическая, мода, медиана), амплитуду, тип распределения, как правило, встает задача расчета показателей, отражающих меру варьирования исследуемых величин.
Средняя арифметическая в совокупности со средним квадратическим отклонением в общем характеризует характер распределения признака. Однако надо помнить, что а может строго применяться только в случаях более или менее нормального распределения. При больших выборках 30) а может применяться строго независимо от характера реального распределения (Урбах, 1964). В этом случае в границах М±а находится примерно 68% всей совокупности величин признака (генеральная совокупность), в границах М±20 — 95%, а в границах Af±3a —99,7% (Василевич, 1969).
Как уже отмечалось, о измеряется в тех же единицах, что и средняя. Но иногда встает задача сравнить характер варьирования признаков в двух или нескольких различных вариационных рядах, например, полученных в результате учета разных групп животных разными методами. При этом средняя арифметическая может выражаться в разных единицах (экз./дм2, экз./дмг, экз./см3 и т. д.). Для сравнения таких рядов используют коэффициент вариации, который обозначают CV или V:
Коэффициент вариации — это процент сигмы от средней арифметической. Обычно наиболее многочисленные доминирующие виды имеют меньший коэффициент вариации. При снижении численности усиливается, случайность попадания вида в пробы, в связи с чем у видов, учитываемых в пробах единичными экземплярами, коэффициент вариации очень велик. Но надо помнить, что это не всегда отражает действительный характер распределения вида по площади. Чаще различия в величине V связаны именно с неравноценностью данного размера проб для разных видов, отличающихся активностью, подвижностью, величиной и т. д. При увеличении размера проб соотношения коэффициентов вариации могут коренным образом измениться.
При вариационно-статистической обработке количественных данных широко используются ошибки средней арифметической, среднего квадратического отклонения и коэффициента вариации. Они показывают границы, в которых находится истинное значение данных величин (в генеральной совокупности).
Это означает, что в 95 случаях из 100 истинное значение средней арифметической отстоит от выборочной средней не более, чем на две ошибки средней, но в пяти случаях из 100 оно будет находиться вне этого интервала. В этом случае вероятность того, что генеральная совокупность лежит в указанных границах, равна 99,7% (Василевич, 1969).
Можно найти границы для генеральной средней с любой интересующей нас вероятностью.
Тогда доверительный интервал можно записать в общем виде как M±tm. Вероятности, соответствующие определенным значениям t, находят из таблиц t, которые имеются в сводках по статистике и биометрии (Зайцев, 1973).
Ошибка средней арифметической в той или иной мере может характеризовать точность полученных данных. Для этого обычно используют процент ошибки от средней. Эта величина иногда называется относительной ошибкой. В почвенно-зоологических исследованиях при самых больших применяемых в практике повторностях проб для самых массовых видов ошибка средней редко составляет менее 10% от средней. Чаще всего для видов со средним уровнем численности она лежит в пределах от 15 до 40%- Можно считать, что величина ошибки около 20% от средней приемлема для целей количественной оценки закономерностей распределения почвенных беспозвоночных. В тех случаях, когда ошибка" составляет 50% и более, данные могут использоваться только для ориентировочных оценок величин обилия, но не для сравнительных анализов. Иногда перед исследователем встает обратная задача: определить тот или иной показатель с заданной точностью, например, 10 или 20%. Это можно сделать, варьируя число проб. Найдя среднее квадратическое отклонение для какой-либо выборки, легко рассчитать требуемое число повторностей по формуле:
где п — необходимая повторность, о — найденное среднее квадратическое отклонение, т — желаемая ошибка.
Точность учетов можно повысить (т. е. снизить относительную ошибку) путем увеличения числа повторностей. Ошибка средней уменьшается пропорционально квадратному корню из числа наблюдений и чтобы уменьшить ее вдвое нужно увеличить число проб в четыре раза. Это резко повысит трудоемкость полевых работ. Поэтому определение минимума повторностей, необходимых для получения средних, используемых для определенных целей, имеет очень большое значение. Весьма распространенная ошибка — стремление к единой унифицированной повторности, используемой для учетов разных групп животных, а иногда и разными методами.
Необходимо иметь в виду, что кроме статистической ошибки каждому измерению (учету) свойственна определенная ошибка, отражающая точность, чувствительность прибора, вообще данного метода. В. И. Василевич (1969) называет ее систематической ошибкой. Если мы установим, что в процессе ручной разборки проб данная группа животных выбирается не более, чем на 20%, то нет смысла стремиться снизить статистическую (случайную) ошибку ниже 20%. Это создаст лишь иллюзию большей точности, но потребует значительного увеличения полевых работ. К сожалению, в почвенной зоологии очень мало данных, характеризующих точность разных методов учета. До сих пор обращалось внимание в основном на сравнение разных методов, т. е. выяснялось, какой метод дает большую выборку особей из определенного размера проб. Почти нет данных, характеризующих долю изымаемых особей от действительно имеющихся в данном субстрате.
Особенно сложная проблема — определение «порога» учитываемого «поголовья» в отношении возраста и размера. Ведь в каждой популяции, кроме взрослых особей, существует много молоди разных размеров. Обычно при почвенно-зоологических исследованиях не указывается, до каких размеров и возраста учитывается та или иная группа. Сфера применения метода учета ограничивается лишь систематическими группами. Однако ясно, что наряду с личинками мух, дождевыми червями, многоножками, попадающими в ручные учеты, в каждой пробе могут находиться особи, не фиксируемые в процессе учета. То же относится и к учетам с помощью эклекторов. При учете микроартропод могут сильно недоучитываться крупные подвижные формы, например, сминтуриды, энтомобрииды, которые быстро теряются из мелких проб (обычно применяются пробы 5X5 см) или вообще не попадают в них. При учете нематод значительная часть наиболее крупных форм может не проходить через фильтр. Все эти моменты сильно тормозят развитие в почвенной зоологии исследований тонких механизмов популяционных взаимодействий, корреляционных отношений, выявление силы влияния разных факторов.