Harbers, JensHoffmann, ChristaStein, AnthonyRuckelshausen, ArnoMüller, HenningSteckel, ThiloFloto, Helga2023-02-212023-02-212023978-3-88579-724-1https://dl.gi.de/handle/20.500.12116/40269In dieser Ausarbeitung wird gezeigt, wie Pflanzenarten zur Erhöhung der Biodiversität mithilfe der Assoziationsanalyse identifiziert werden. Basierend auf einem frei zugänglichen Datensatz einer Vegetationserhebung wurden eine Assoziationsanalyse durchgeführt und die mit dem Apriorialgorithmus erstellten Regeln mittels dem Chi-Quadrat-Test auf Signifikanz (p < 0,05) überprüft. Anschließend wurden die p-Werte nach verschiedenen Methoden adjustiert, um insignifikante Regeln aus der Regelsatztabelle auszuschließen. Je nach Korrekturmethode konnte untermauert werden, dass der Datenumfang der Simulationsstudie zur Erstellung von signifikanten Mustern nicht ausreicht. Somit muss eine Simulationsstudie mit mehr Parzellen angefertigt werden, wie die p-Wert-Korrektur zeigte. Bei unterbleibender Korrektur der p-Werte waren etwa 18 % aller Regeln nach der Filterung relevant, während bei einer p-Wert-Korrektur hingegen keine der erkannten 11 768 312 Regeln statistisch signifikant waren.deRPatternminingp-Wert-KorrekturGraslandAssoziationsregelnText/Conference Paper1617-5468