☆ 1、如有部分內(nèi)容理解不透或消化不好，可免費(fèi)在以后培訓(xùn)班中重聽；
      ☆ 2、在課程結(jié)束之后,授課老師會(huì)留給學(xué)員手機(jī)和E-mail,免費(fèi)提供半年的課程技術(shù)支持，以便保證培訓(xùn)后的繼續(xù)消化；
      ☆3、合格的學(xué)員可享受免費(fèi)推薦就業(yè)機(jī)會(huì)。
      ☆4、合格學(xué)員免費(fèi)頒發(fā)相關(guān)工程師等資格證書，提升您的職業(yè)資質(zhì)。

• 分析可行安全的非參數(shù)方法中受益的生態(tài)數(shù)據(jù)或任何其他數(shù)據(jù)
• ?
• PRIMER V7提供了廣泛的單變量，圖形和多變量例程從社區(qū)生態(tài)學(xué)分析物種逐樣本數(shù)據(jù)的數(shù)組。數(shù)據(jù)通常豐度，生物量，%面積（或線）的覆蓋，存在/不存在等。并在環(huán)境影響的生物監(jiān)測和更基礎(chǔ)的生態(tài)研究中出現(xiàn)。還照顧物理值和化學(xué)寧都的矩陣，其本身或生物組合數(shù)據(jù)并行分析，例如，以檢查生物變化與物理化學(xué)條件的共同變化。
• ?
• 盡管對于生物組合數(shù)據(jù)分析要求是一個(gè)原理焦點(diǎn)，所述包裝是同樣適用，其是多變量或可被視為這樣的其他數(shù)據(jù)結(jié)構(gòu)。
• 該統(tǒng)一特征是，所有的數(shù)據(jù)集可以是根據(jù)他們的組合，生物標(biāo)記套件，粒度分布，生長曲線的形狀等，將每個(gè)樣本對的形式簡化為適當(dāng)?shù)娜蔷仃嚕缓缶垲惡团判驇资啄軌蝻@示樣本之間的關(guān)系，和排列測試用于檢驗(yàn)假設(shè)。
• ?
• 輕松操作數(shù)據(jù)和結(jié)果
• PRIMER工作區(qū)（*.pwk）
  
• 在單個(gè)交互式和直觀的圖形Windows環(huán)境中同時(shí)處理多個(gè)數(shù)據(jù)集，圖形和輸出文件。
• 使用樹狀導(dǎo)航窗格輕松跟蹤所有工作
• 輸入/輸出來自Excel , .csv , .txt或3列格式的數(shù)據(jù)
• 在屏幕上查看和更改繪圖和圖形的顏色，字體，外觀和感覺
• 復(fù)制 / 打印 / 導(dǎo)出結(jié)果為.jpg , .emf , .tif , .gif , .png , .bmp , .rtf文件
• 指定分析的能力和靈活性
• 確定樣本或變量的重要子集
• 定義測試和顯示的組結(jié)構(gòu)
• 處理相對較大的數(shù)據(jù)集（僅限于可用的Windows內(nèi)存）
• 合并或CIA分指定條件的數(shù)據(jù)
• 釋放內(nèi)置向?qū)У氖r(shí)功能，用于矩陣顯示和核心分析
• ?
• 排序
• 用于可視化數(shù)據(jù)，包括主成分分析（PCA）技術(shù)協(xié)調(diào)，加上非十進(jìn)制，度量或閾值度量的多維度（NMDS , MMDS , tmMDS）。在二維或三維可視化高維數(shù)據(jù)。自定義文本，顏色和符號。使用疊加層添加基本信息，例如群集，軌跡，氣泡，圖像，矢量或最小生成樹。
• 使用bootstrapping在MDS圖上顯示置信區(qū)域。旋轉(zhuǎn)，展開，旋轉(zhuǎn)，動(dòng)畫，保存和分享您富有洞察力的圖像。
• ?
• 聚類
• 執(zhí)行分級聚類成樣品基團(tuán)，具有單，完整，組平均的或柔性的-β鍵選項(xiàng)。
• 創(chuàng)建通表象距離矩陣和情節(jié)樹狀圖。自定義，旋轉(zhuǎn)，放大或打印出來多個(gè)頁面來捕獲所有的細(xì)節(jié)，相似的配置文件（SIMPROF）和相關(guān)的排列檢驗(yàn)鑒定樣品或物種群的一致性，分裂聚類方法可以是不受約束的（UNCTREE），或受環(huán)境變量約束，而krCLUSTER執(zhí)行非均衡版本的k均值聚類。
  
• 陰影圖和熱圖
• 使用選擇的灰度或色譜以2d或3d顯示實(shí)際值。
• 凸圖案露出自如。樣品和變量可以根據(jù)不同的標(biāo)準(zhǔn)，包括梯度，聚類約束或分組進(jìn)行排序。
• 標(biāo)簽和讀好易于球蓋和定制。
  
• 非參數(shù)測試
• 基于排雷的假設(shè)檢驗(yàn)使用相似性分析（ANOSIM），測試來自不同的時(shí)間，位置，試驗(yàn)處理等多變量樣本組之間的差異。PRIMER的算法現(xiàn)在支持這些完全非參數(shù)測試的大多數(shù)三向設(shè)計(jì)。確定物種主要提供兩組樣品。之間的辨別為系列化，在時(shí)間和空間上連續(xù)的數(shù)據(jù)的其它曼特爾型試驗(yàn)。
• 相關(guān)矩陣彼此或識別的，他們一起產(chǎn)生的變量的子集與給定相似度矩陣匹配的“最佳”Mantel類型匹配。
• 置換測試包括可變的選擇步驟，以確保嚴(yán)格的統(tǒng)計(jì)推斷。
  
• 生物多樣性分析
• 使用分類學(xué)，功能和系統(tǒng)發(fā)育信息來為生物多樣性評估提供信息。測試范睢使用子采樣算法主名單。
• 計(jì)算經(jīng)典和新穎的多樣指數(shù)或單個(gè)變量的匯總統(tǒng)計(jì)的眾多，具有聚合工具在更高分類級別分析數(shù)據(jù)，訪問的靈活繪圖功能，廣泛的選擇。各個(gè)變量：線，柱狀圖，散射，框，裝置，表面或曲線繪圖員特定生態(tài)學(xué)的工具是在之間，諸如顯性圖，幾何類情節(jié)，或豐度的生長量曲線。