İstatistiksel ekoloji hakkında kitaplar?

Bu sorunun daha önce sorulduğunu biliyorum: Ekolojik çalışmalar için referans kitabı ama aradığım şey bu değil.

Ne aradığım kimse istatistiksel ekoloji hakkında iyi bir kitap (veya kanonik bir referans) tavsiye eğer? İstatistikleri çok iyi anlıyorum, böylece kitap gerçekten herhangi bir seviyede olabilir. Kitabı kendime ekolojide istatistiğin uygulanması hakkında her şeyden daha fazla şey öğretmek için kullanacağım, bu yüzden iyi / ilginç örneklere sahip bir tanıtım kitabı bile çok takdir edilecektir. Ayrıca, araştırmam Bayesian istatistiklerine yönelik olma eğilimindedir, bu yüzden Bayesian istatistiklerini içeren bir kitap daha da iyidir!

Şahsen tavsiye edeceğim bazı iyi kitaplar:

• Hilborn & Mangel (1997) Ekolojik Dedektif: modellerle veriyle yüzleşme . Princeton Üniversitesi Yayınları.

  Bu daha çok ekolojik örneklerle istatistikler hakkında, ancak bununla ilgili yanlış bir şey yok. Bu istatistik nasıl iyi bir lezzet verecek olabilir ekoloji kullanılacak. Tarihi not edin; daha yeni gelişmelerden veya uygulamalardan bazılarını kapsamaz.

• M. Henry H. Stevens (2009) R ile Ekolojinin Bir Astarı . Springer.

  Belki çok temel ve özellikle mekansal hiçbir şey üzerinde değil, ancak ekolojistlere öğreteceğimiz çeşitli konuları kapsar ve R kodu ile ekolojik teori ve modelleri gösterir.

• BM Bolker (2008) R Ekolojik Modeller ve Veri . Princeton Üniversitesi Yayınları.

  Bu kitabı seviyorum. İstatistik arka planınız göz önüne alındığında bildiğiniz ancak ekolojik bir bağlamda uygulayacağınız konuları kapsar. Modellerin takılması ve R kodu kullanılarak temel prensiplerden optimize edilmesi.

• James S. Clark (2007) Ekolojik Veri Modelleri: giriş . Princeton Üniversitesi Yayınları.

  Başlıkta "giriş" ertelemeyin; bu bir girişten başka bir şey değildir. Geniş kapsama alanı, çok fazla teori, Bayesci yaklaşımları kullanarak modellerin elden geçirilmesine vurgu (R laboratuvarı manuel arkadaşı, örneğin kendi Gibbs örnekleyicilerinizi yazmayı tartışıyor!)

Bir kitap değil, özellikle Gaussian Processes'e gösterdiğiniz ilgiden bahsettiğiniz için bunu ekleyeceğim. Bir web sitesi olan Entegre İç İçe Laplace Yaklaşımı'na (INLA) bir göz atın . Bu bir R paketidir ve oynamak için birçok örneğe sahiptir. SSS'lerine bakarsanız , yaklaşımı açıklayan birkaç makale bulacaksınız, özellikle:

H. Rue, S. Martino ve N. Chopin. Entegre iç içe Laplace yaklaşımları kullanan gizli Gauss modelleri için yaklaşık Bayesian çıkarım (tartışma ile). Kraliyet İstatistik Kurumu Dergisi, Seri B, 71 (2): 319 {392, 2009. (PDF burada bulunabilir ).

Bayesci istatistiklere dayanan bazı iyi ekoloji kitapları şunlardır:

Kery, M. 2010. Ekologlar için WinBUGS'a Giriş: Regresyona Bayesci yaklaşım, ANOVA, karma modeller ve ilgili analizler . Akademik Basın.

Kery, M. ve M. Schaub. 2011. WinBUGS kullanarak Bayes Popülasyon Analizi: Hiyerarşik bir bakış açısı . Akademik Basın.

Royle, JA ve RM Dorazio. 2008. Ekolojide Hiyerarşik Modelleme ve Çıkarım: Nüfus, Metafor ve Topluluklardan Veri Analizi . Akademik Basın

Zuur ve ark. (2009) çok faydalı.

Zuur, A., EN Ieno, N. Walker, AA Saveliey ve GM Smith. R ile Ekolojide Karışık Etkiler Modelleri ve Uzantıları . Springer.

Jack Weiss ( huzur içinde yatsın ) ekolojik / çevre ilkelerini gerçekten iyi kavramış mükemmel eğitimli bir istatistikçiydi. ABD çapında ve hatta dünya çapında ekolojik / çevre bilimcilerine paha biçilmez bir istatistik danışmanı olarak hizmet verdi.

Benim bildiğim hiçbir kitabı olmasa da, ders notları hala çevrimiçi olarak mevcut :

1. Ekolojide İstatistiksel Yöntemler [veya 2012 versiyonu]

   Ders Tanımlaması:Bu, ekologlar ve akrabaları için istatistiksel modelleme dersidir. Temelde regresyon gibi temel istatistiksel yöntemlere odaklanıyoruz ve ekolojik verilerin analizinde daha uygun hale getirmek için bunların nasıl genişletilebileceğini açıklıyoruz. Bu uzantılar daha gerçekçi olasılık modellerinin (normal dağılımın ötesinde) kullanılmasını ve gözlemlerin istatistiksel olarak bağımsız olmadığı durumların hesaplanmasını içerir. Her bir model için, hem sık, hem de mümkünse Bayes yöntemlerini kullanarak nasıl tahmin edeceğimizi göreceğiz. Buradaki vurgumuz genişlikten çok derinliktedir. (Öğrettiğim diğer lisansüstü ders, ECOL 562, çevre biliminde faydalı çok çeşitli istatistiksel yöntemleri kapsayan bir anket dersidir. Bu ders, bu dersten elde edilen materyalin% 40'ına odaklanır, ancak daha derinlemesine kapsar.)

   Hipotez testi gibi istatistiksel analizin standart parametrik yaklaşımlarına aşina olduğu varsayılmaktadır. Bu ders, genellikle bir lisans istatistik dersinde öğretilenler ile ekoloji ve çevre bilimlerindeki verileri başarıyla analiz etmek için gerekli olanlar arasında bir geçiş görevi görmeyi amaçlamaktadır. İdeal kayıtlı kişi, daha önce bir giriş istatistik dersi almış olan ve istatistiklerin çevre bilimi ve ekolojiye modern uygulamasını görmek isteyen bir üst düzey lisans veya yeni lisansüstü öğrencisidir. Konular şunları içerir:

   - Basic concepts in regression: categorical predictors and interactions
   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma
   - Likelihood theory and its applications in regression
   - Bayesian approaches to model fitting
   - Model selection protocols: Information-theoretic alternatives to significance testing
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, gamma regression
   - Mixed effects models for analyzing temporally and spatially correlated data
     - Random intercepts and slopes models
     - Multilevel models with 2 and 3 levels
     - Hierarchical Bayesian modeling
     - Nonlinear mixed effects models
     - Mixed effects models with nested and crossed random effects
     - Hybrid mixed effects models with multivariate responses
   

2. Çevre Bilimi için İstatistik [veya 2007 ; 2012 sürümü]

   Ders Tanımlaması:Ekoloji ve çevre bilimi için istatistiksel yöntemlere giriş. Bu bir konu dersidir. Buradaki vurgumuz derinlikten çok genişlik üzerindedir. (Öğrettiğim diğer lisansüstü ders, bu dersin ilk üçte birinde ele alınan konulara derinlemesine bir yaklaşım getirmektedir.) Hipotez testi gibi istatistiksel analizin standart parametrik yaklaşımlarına aşina olduğu varsayılmaktadır. Bu ders, genellikle bir lisans istatistik dersinde öğretilenler ile ekoloji ve çevre bilimlerindeki verileri başarıyla analiz etmek için gerekli olanlar arasında bir geçiş görevi görmeyi amaçlamaktadır. İdeal kayıtlı kişi, daha önce bir giriş istatistik dersi almış olan ve istatistiklerin çevre bilimi ve ekolojiye modern uygulamasını görmek isteyen üst düzey bir lisans veya yeni lisansüstü öğrencisidir. Konular şunları içerir:

   - Overview of regression
   - Likelihood theory and its applications in regression
   - Generalized linear models
   - Analysis of temporally correlated data
   - Mixed effects models
   - Generalized estimating equations
   - Bayesian methods
   - Generalized additive models
   - Survey sampling methods
   - Machine learning methods
   - Survival analysis
   - Contingency table analysis
   - Analysis of extreme values
   - Structural equation models
   

3. Ekoloji ve Evrim İçin İstatistik

   Ders Hakkında: Bu, ekologlar ve akrabaları için istatistiksel modelleme dersidir. Temelde regresyon gibi temel istatistiksel yöntemlere odaklanıyoruz ve ekolojik verilerin analizinde daha uygun hale getirmek için bunların nasıl genişletilebileceğini açıklıyoruz. Bu uzantılar daha gerçekçi olasılık modellerinin (normal dağılımın ötesinde) kullanılmasını ve gözlemlerin istatistiksel olarak bağımsız olmadığı durumların hesaplanmasını içerir. Konular şunları içerir:

   - Experiments in ecology
   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma, and exponential
   - Likelihood theory and its applications in regression
   - Bayesian approaches to model fitting
   - Model selection protocols: Information-theoretic alternatives to significance testing
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, and others
   - Regression models for temporally and spatially correlated data: random coefficient models (multilevel models) and hierarchical Bayesian modeling
   

4. Ekoloji 145 — İstatistiksel Analiz

   ECOL 145, ekolojik verilerin analizine yoğun bir giriş niteliğindedir. Hedef kitlesi yüksek motivasyonlu yüksek lisans öğrencileri ve biyolojik olarak ilgili disiplinlerde ideal olarak analiz etmek için kendi verileri olan üst düzey lisans öğrencilerinden oluşmaktadır. Bu, dilettanlar veya sadece denetlemek ve gözlemlemek isteyenler için uygun olmayan ciddi, uygulamalı bir derstir. İki modern istatistik paketinin, R ve WinBUGS'ın kullanımına odaklanıyoruz ve bunları, tüm foiblesleriyle gerçek veri kümeleriyle başa çıkmak için kullanıyoruz. Kendi araştırmanızı yapmak ve kendi verilerinizi analiz etmek ne kadar yakınsa, bu dersin o kadar faydalı olması gerekir.

   Dersin perspektifi, olasılık modellerinin en iyi veri üreten mekanizmalar olarak düşünülmesidir ve bu bakış açısına uygun olarak, ekolojik verileri doğrudan modellemek için olasılık tabanlı yöntemler kullanıyoruz. Veri setleri yayınlanmış literatürden, kendi danışmanlık projelerimden veya kursa kayıtlı öğrenciler tarafından sağlanır. Analiz edilmesi gereken verileriniz varsa, bunları sınıf egzersizlerinde kullanmak üzere bana gönderebilirsiniz. Konular şunları içerir:

   - Statistical distributions important in ecological modeling: binomial, Poisson, negative binomial, normal, lognormal, gamma, and exponential
   - Likelihood theory and its applications in regression
   - Generalized linear models: Poisson regression, negative binomial regression, logistic regression, and others
   - The perils of significance testing—multiple comparison adjustments and the false discovery rate
   - Model selection protocols: likelihood ratio tests, Wald tests, and information-theoretic alternatives to significance testing
   - Goodness of fit for GLMs: deviance statistics, extensions of R2, Pearson chi-square approaches
   - Regression models for temporally and spatially correlated data: random coefficient models (multilevel models) and the method of generalized estimating equations
   - Bayesian approaches to data analysis
   - Hierarchical Bayesian modeling using WinBUGS and R
   

Kurslar arasında bir ton örtüşme olduğuna eminim, ancak notları (ve R kodu) bu kursların her biri için mevcuttur ve bu yazıyı ziyaret eden çoğu kişi için çok yararlı olduğunu kanıtlamalıdır.