davidcorton / archSeries

Instrumente pentru incertitudinea cronologica in arheologie

Prezentare generala

Acest pachet este conceput pentru a aborda o problema comuna in arheologie: integrarea informatiilor de la mai multe entitati cu rezolutie cronologica variabila si intervale de date suprapuse. Include functii pentru construirea distributiilor cronologice generale din tabele cu date de inceput, date de incheiere si ponderi; si pentru trasarea acestor distributii in diferite moduri. Distributiile pot fi calculate fie prin analize aoristice de baza, fie prin simulare. In acest din urma caz, „seturi de manechine” pot fi, de asemenea, calculate automat pe baza uniformitatii sau pe un model personalizat nul, iar ratele de schimbare intre cosuri pot fi, de asemenea, simulate. Important, archSeries foloseste pachetul data.table pentru a rula simulari extrem de rapid.

Imprumutand puternic din ideile expuse in alta parte (Crema 2012), codul lansat aici a fost initial dezvoltat pentru metaanaliza datelor arheologice de mediu din siturile urbane (Orton si colab. 2017). Speram insa ca utilizarile sale in cadrul arheologiei vor depasi acest lucru, totusi – de exemplu, prin aplicarea la studii zooarologice de varsta la moarte (a se vedea, de exemplu, Brehard si colab. 2014; functia surv.convert este deja inclusa in acest scop) si poate in cele din urma la demografia umana, desi aceasta din urma ar necesita o suita de caracteristici suplimentare.

In prezent, pachetul accepta presupunerea bazata pe analiza aoristica a probabilitatii uniforme in limitele de date si pe simularea bazata fie pe distributie uniforma, fie pe distributie beta cu parametrii specificati (vezi Baxter & Cool 2016). Este configurat in principal pentru date de frecventa, dar functia centrala date.simulate poate fi utilizata si cu date metrice sau izotopice. In viitor, speram sa implementam:

• capacitatea de a lucra cu date radiocarbonate (de exemplu prin interfata cu pachetele Bchron sau Rcarbon).
• abilitatea de a specifica modele nule, altele decat uniforme sau personalizate, si de a le potrivi cu datele inainte de a simula fals. seturi (ca de exemplu cu curbe de crestere exponentiale in studii demografice bazate pe 14C, de exemplu Timpson si colab. 2014).
• un tester global de ipoteze (a se vedea de exemplu Timpson si colab. 2014).
• abilitatea de a specifica prioritati pentru simulari de date empirice, nu doar pentru seturi fictive (necesare pentru demografie).
• instrumente suplimentare pentru varsta zoologica la moarte (poate interfata cu pachetul zooaRch).
• calcule aoriste mai rapide folosind data.table :: foverlaps () (sugestie de la Matt Harris).

Functiile se impart in doua grupuri:

• Functii de analiza: luati date si produceti una sau mai multe distributii cronologice de frecventa, incluzand potential intervale de incredere, seturi fictive sub modele nule etc.
• Functii de trasare: preluati iesirea functiilor de analiza si trasati-le in diferite moduri, utilizand elemente grafice de baza R.

Functii de analiza

Exista trei functii principale de analiza: aorist , date.simulate si cpue . Primul este determinist si produce un singur tabel simplu de cosuri cronologice si densitati de probabilitate corespunzatoare; acestea din urma se bazeaza pe simulare si produc iesiri intr-un format standard. Aceasta este o lista cu doua tabele de date, primul („complet”) continand rezultatele complete ale simularii si al doilea („rezumat”) continand un tabel rezumat al cuantilelor bazat pe primul. In cazul cpue, anumite argumente pot duce la adaugarea unei a treia componente („small.n”): o lista de liste care definesc domeniile de incredere redusa. Acest format de iesire standard ar putea fi considerat o clasa speciala de obiect, desi nu este definit in mod formal ca atare. In orice caz, principalele functii de plotare sunt proiectate sa functioneze direct cu acesta.

aorist: calculati suma aoristica pentru un grup de entitati cu limite de data definite.

Calculeaza suma aoristica dintr-un tabel de entitati cu intervale de date definite, pe baza presupunerii unei probabilitati uniforme intre limite. Returneaza un tabel de date cu doua coloane care listeaza densitatea probabilitatii totale calculate pentru fiecare cos cronologic.

date.simulate: simuleaza distributia cronologica dintr-un grup de entitati cu limite de data definite.

Simuleaza distributii cronologice dintr-un tabel de entitati cu intervale de date definite, pe baza parametrilor de distributie beta specificati (implicit la uniformitate), apoi (optional) simuleaza un set fictiv de aceeasi dimensiune desenat dintr-o distributie specificata. In mod implicit, insumeaza frecventa entitatilor din cosurile cronologice specificate, dar utilizatorul poate specifica alte functii rezumative (de exemplu, medie sau mediana) atunci cand se ocupa de date fara frecventa. Returneaza o lista cu doua elemente denumite: „complet” este un tabel de date cu format lung cu rezultate complete ale simularii; „rezumat” este un tabel de date cu rezultate rezumate dupa bin.

cpue: „Captura pe unitate de efort”.

Estimeaza relatia dintre un numarator („captura”) si un numitor („efort”) in timp. Ideea aici este ca prima reprezinta si cea de-a doua reprezinta o masura a efortului de esantionare, desi pot exista si alte aplicatii. Returneaza iesirea in acelasi format ca data.

simulate : o lista cu elemente „complet”, un tabel de date cu format lung cu rezultate complete ale simularii si „rezumat”, un tabel de date care ofera rezultate rezumate prin bin. Optional, se poate adauga un al treilea element, definind domeniile in care masura efortului este sub un prag definit de utilizator.

surv.convert: converti datele simulate de mortalitate in formatul de supravietuire.

Aceasta este singura functie dezvoltata pana acum, in vederea specifica profilurilor de mortalitate, mai degraba decat date cronologice (adica varste in luni sau ani, mai degraba decat date in decenii sau secole). Acesta ia iesirea din oricare dintre functiile de simulare si converteste frecventele simulate in curbe de supravietuire simulate, care sunt emise in formatul standard.

RoC.fun: calculati ratele de schimbare ale variabilelor simulate.

Preia iesirea standard „completa” de la una dintre functiile de simulare archSeries si adauga coloane oferind rate de schimbare intre cosuri, pentru toate coloanele de valori sau un subset specificat. Apelat in cadrul functiilor de simulare prin setarea argumentelor lor „RoC” la TRUE, dar poate fi apelat si direct dupa fapt. Returneaza tabelul de date de intrare cu adaugarea unei noi coloane RoC pentru fiecare coloana de valoare originala.

Complotarea functiilor

Exista patru functii principale de reprezentare in pachet: poly.chron , lines.chron , box.chron si aorist.plot . Primele trei sunt concepute pentru a functiona cu iesirea diferitelor functii de simulare, iar a patra cu iesirea de la aorist . In plus, doua functii auxiliare numite in cele de mai sus – axis.setup si grey.zones – pot fi, de asemenea, apelate singure, daca este necesar.

poly.chron: parcurgeti medianele si zonele de incredere pentru rezultatele simularii.

Graficele au definit intervale de incredere (ca poligoane) si mediane (ca linii) pentru iesirea din data.simuleaza sau o functie asociata.

lines.chron: traseaza toate simularile ca linii.

Traseaza fiecare singura rulare de simulare pentru fiecare variabila specificata ca o linie semi-transparenta separata.

box.chron: boxplots pentru simulare de iesire.

Ploteaza o serie de boxplot-uri (cate una pe cos) care rezuma rezultatul de la data.simuleaza sau o functie asociata.

aorist.plot: trageti iesirea aoristului ca un barplot.

Doar un wrapper pentru barplot cu cateva ajustari adaugate, de exemplu pentru a face barele sa se alinieze cu datele reprezentate de alte functii archSeries. NEVOILE FUNCTIONEAZA – INCA NU PERMITE AXA Y SECUNDARA.

axis.setup: configurati axele pentru trasarea functiilor

O functie de utilitate conceputa pentru a fi utilizata in cadrul diferitelor functii de grafic din acest pachet, dar care poate fi utilizata si singura pentru a configura axe bazate pe date de simulare inainte de a trasa ceva.

Referinte

• Baxter, MJ & HEM Cool (2016) Reinventarea rotii? Modelarea incertitudinii temporale cu aplicatii la distributiile de brose in Marea Britanie. Jurnalul de stiinte arheologice , 66 , 12-127.
• Brehard, S., V. Radu, A. Martin, P. Hanot, D. Popovici & A. Balasescu (2014) Strategii de aprovizionare cu alimente in Eneoliticul romanesc: cresterea ovinelor / caprelor si activitati de pescuit din Harsova Tell si Bordusani-Popina ( Mileniul V i.Hr.). Jurnalul European de Arheologie , 17 , 407–433.
• Crema, E. (2012) Modelarea incertitudinii temporale in analiza arheologica. Jurnal de metoda si teorie arheologica , 19 , 440-461.
• Orton, DC, J. Morris si A. Pipe (2017) Captura pe unitate Efort de cercetare: intensitatea esantionarii, incertitudinea cronologica si debutul consumului de peste marin in Londra istorica. Cuaternar deschis , 2 , 1–26 ..
• Timpson, A., S. Colledge, E. Crema, K. Edinborough, T. Kerig, K. Manning, MG Thomas si S. Shennan (2014). studiati folosind o metoda imbunatatita. Jurnalul de stiinte arheologice , 52 , 549-555.