Wykresy liniowe, zastosowanie

Wszelkie procesy czasozależne (dobowe zmiany temperatury, miesięczne zmiany średniej temperatury dobowej, roczne zmiany średniej temperatury miesięcznej, dynamiki liczebności, zagęszczenia populacji itd) oraz ogólnie zmiany zmiennej Y względem uporządkowanej zmiennej X pokazuje się na wykresach liniowych. Zobrazowanie kolejnych danych uzyskanych w czasie badań, jako punktów połączonych kreskami, wyraźnie pokazuje uporządkowanie zmiennej niezależnej. Wykres typu:

ma sens tylko wtedy, gdy omawia się gradient jakiś zjawisk na transekcie południe -> północ. Wykres ten został uzyskany za pomocą programu:

windows(4.5, 2.5)
par(mar=c(3,2.5,1,1),mgp=c(1.5,0.5,0))
plot(1:3,c(33.7, 48.2, 96.0), typ="b", axes=FALSE, xlim=c(0.5,3.5),
xlab="Park Narodowy", ylab="")
box()
axis(1, 1:3, labels=c("Bieszczacki", "Poleski", "Białowieski"))
axis(2)

Dynamiki liczebności drobnych ssaków

Podstawowe zagadnienia obrazuje się najczęściej za pomocą wielu linii – każda zależna od tej samej zmiennej X i obliczona dla innej kategorii danych, np. dynamika liczebności wyliczona dla innego gatunku drobnych gryzoni leśnych. Jeżeli liczebności tych gatunków zmieniały się w czasie sezonu badawczego zgodnie z następująca tabelą:

Mar

12

27

3

Kwi

10

32

4

Maj

22

29

17

Cze

43

54

25

Lip

38

88

30

Sie

51

76

62

Wrz

85

101

70

Paz

75

65

43

Lis

73

54

20

to odpowiedni liniowy wykres ich dynamik liczebności uzyskamy za pomocą programu:

Sezon=c("Mar", "Kwi", "Maj", "Cze", "Lip", "Sie", "Wrz", "Paz", "Lis")
AF=c(12,10,22,43,38,51,85,75,73)
AA=c(27,32,29,54,88,76,101,65,54)
MG=c(3,4,17,25,30,62,70,43,20)
windows(4.5, 2.5)
par(mar=c(3.5,3.5,0.1,0.1), mgp=c(1.8, 0.5, 0))
matplot(1:9, cbind(AF, AA, MG), typ="l",
lty=c(1,2,3), lwd=c(1,2,3),
col=c("green2","red","blue"), axes=FALSE,
xlab="Miesiące", ylab="Liczba osobników" )
axis(1,1:9,Sezon)
axis(2)
legend(0.5,110,lwd=c(1,2,3),lty=c(1,2,3),col=c("green2","red","blue"),
legend=c("AF", "AA", "MG"),bty="n")

Będzie on wyglądał następująco: