Compositional Data Analysis: CoDaWork, L’Escala, Spain, June 2015

مشارکت‌های معتبر جمع‌آوری‌شده در این جلد، نشان‌دهنده وضعیت هنر در تجزیه و تحلیل داده‌های ترکیبی (CoDa) است. فصل‌های مربوطه همه جنبه‌های CoDa را شامل می‌شود، از نظریه ریاضی، روش‌ها و تکنیک‌های آماری گرفته تا طیف گسترده‌ای از کاربردهای آن در ژئوشیمی، علوم زیستی و سایر رشته‌ها. مقالات منتخب و بررسی شده در اصل در ششمین کارگاه بین المللی تجزیه و تحلیل داده های ترکیبی، CoDaWork 2015، که در L'Escala (Girona)، اسپانیا برگزار شد، ارائه شد.

داده های ترکیبی به عنوان بردارهای مولفه های مثبت تعریف می شوند. و مجموع ثابت، و به طور کلی، تمام آن بردارهایی که بخش هایی از یک کل را نشان می دهند که فقط اطلاعات نسبی را حمل می کنند. نمونه هایی از داده های ترکیبی را می توان در زمینه های مختلفی مانند زمین شناسی، شیمی، اقتصاد، پزشکی، بوم شناسی و جامعه شناسی یافت. از آنجایی که بسیاری از تکنیک‌های آماری کلاسیک در ترکیب‌بندی‌ها نامنسجم هستند، در دهه 1980 جان آیچیسون رویکرد log-ratio را برای CoDa پیشنهاد کرد. این پایه و اساس CoDa مدرن شد، که اکنون بر اساس یک ساختار هندسی خاص برای سیمپلکس، یک نمایش مناسب از فضای نمونه داده های ترکیبی است.

کارگاه‌های بین‌المللی تجزیه و تحلیل داده‌های ترکیبی یک انجمن گفتگوی حیاتی برای محققان و متخصصان مرتبط با درمان آماری و مدل‌سازی داده‌های ترکیبی یا سایر مجموعه‌های داده محدود و تفسیر مدل‌ها و کاربردهای آن‌ها ارائه می‌دهد. هدف این کارگاه ها خلاصه کردن و به اشتراک گذاری تحولات اخیر و شناسایی خطوط مهم تحقیقات آینده است.

The authoritative contributions gathered in this volume reflect the state of the art in compositional data analysis (CoDa). The respective chapters cover all aspects of CoDa, ranging from mathematical theory, statistical methods and techniques to its broad range of applications in geochemistry, the life sciences and other disciplines. The selected and peer-reviewed papers were originally presented at the 6th International Workshop on Compositional Data Analysis, CoDaWork 2015, held in L’Escala (Girona), Spain.

Compositional data is defined as vectors of positive components and constant sum, and, more generally, all those vectors representing parts of a whole which only carry relative information. Examples of compositional data can be found in many different fields such as geology, chemistry, economics, medicine, ecology and sociology. As most of the classical statistical techniques are incoherent on compositions, in the 1980s John Aitchison proposed the log-ratio approach to CoDa. This became the foundation of modern CoDa, which is now based on a specific geometric structure for the simplex, an appropriate representation of the sample space of compositional data.

The International Workshops on Compositional Data Analysis offer a vital discussion forum for researchers and practitioners concerned with the statistical treatment and modelling of compositional data or other constrained data sets and the interpretation of models and their applications. The goal of the workshops is to summarize and share recent developments, and to identify important lines of future research.