Libri sull'ecologia statistica?

So che questa domanda è stata posta prima: libro di consultazione per studi ecologici ma non è quello che sto cercando.

Quello che sto cercando è se qualcuno potesse raccomandare un buon libro (o un riferimento canonico) sull'ecologia statistica? Ho un'ottima conoscenza delle statistiche, quindi il libro potrebbe davvero essere a qualsiasi livello. Userei il libro per insegnarmi di più sull'applicazione della statistica in ecologia di ogni altra cosa, quindi anche un libro introduttivo con esempi buoni / interessanti sarebbe molto apprezzato. Inoltre, la mia ricerca tende ad essere orientata verso le statistiche bayesiane, quindi un libro che incorpora le statistiche bayesiane è ancora meglio!

Alcuni buoni libri che consiglierei personalmente sono:

• Hilborn & Mangel (1997) The Ecological Detective: confrontare i modelli con i dati . Pressa dell'Università di Princeton.

  Questo riguarda più le statistiche con esempi ecologici, ma non c'è nulla di sbagliato in questo. Ciò darebbe una buona idea di come le statistiche potrebbero essere utilizzate in ecologia. Nota la data; non coprirà alcuni dei più recenti sviluppi o applicazioni.

• M. Henry H. Stevens (2009) A Primer di ecologia con R . Springer.

  Forse troppo semplice e non particolarmente su qualcosa di spaziale, ma copre i vari argomenti che insegneremmo agli ecologi e illustra la teoria e i modelli ecologici con il codice R.

• BM Bolker (2008) modelli ecologici e dati in R . Pressa dell'Università di Princeton.

  Adoro questo libro. Copre argomenti che ti saranno familiari dato il tuo background di statistiche ma applicati in un contesto ecologico. Enfasi su come adattare i modelli e ottimizzarli dai principi di base usando il codice R.

• James S. Clark (2007) Modelli per dati ecologici: un'introduzione . Pressa dell'Università di Princeton.

  Non lasciarti scoraggiare dall '"introduzione" nel titolo; questa è tutt'altro che un'introduzione. Ampia copertura, molta teoria, enfasi sui modelli di adattamento che utilizzano a mano approcci bayesiani (il compagno manuale del laboratorio R discute di scrivere i campionatori Gibbs per esempio!)

Non è un libro, ma lo aggiungerò quando menzionerai specificamente il tuo interesse per i processi gaussiani. Dai un'occhiata a Integrated Nested Laplace Approximation (INLA), che ha un sito web . È un pacchetto R e ha molti esempi con cui giocare. Se dai un'occhiata alle loro FAQ troverai diversi articoli che descrivono l'approccio, in particolare:

H. Rue, S. Martino e N. Chopin. Inferenza bayesiana approssimativa per modelli gaussiani latenti usando approssimazioni Laplace annidate integrate (con discussione). Journal of the Royal Statistical Society, Series B, 71 (2): 319 {392, 2009. (PDF disponibile qui ).

Alcuni buoni libri di ecologia basati sulle statistiche bayesiane sono:

Kery, M. 2010. Introduzione a WinBUGS per ecologi: approccio bayesiano alla regressione, ANOVA, modelli misti e analisi correlate . Academic Press.

Kery, M. e M. Schaub. 2011. Analisi della popolazione bayesiana mediante WinBUGS: una prospettiva gerarchica . Academic Press.

Royle, JA e RM Dorazio. 2008. Modellistica gerarchica e inferenza in ecologia: analisi dei dati provenienti da popolazioni, metapopolazioni e comunità . Academic Press

Trovo anche Zuur et al. (2009) molto utile.

Zuur, A., EN Ieno, N. Walker, AA Saveliey e GM Smith. Effetti modelli misti ed estensioni in Ecologia con R . Springer.

Jack Weiss (che possa riposare in pace ) era un eccellente statistico addestrato che aveva anche una buona conoscenza dei principi ecologici / ambientali. Ha lavorato come prezioso consulente statistico per scienziati ecologici / ambientali negli Stati Uniti e persino a livello globale.

Sebbene non abbia libri di cui io sia a conoscenza, i suoi appunti sul corso sono ancora disponibili online :

1. Metodi statistici in ecologia [o una versione 2012 ]

   Descrizione del corso:Questo è un corso di modellistica statistica per ecologi e loro parenti. Ci concentriamo su metodi statistici elementari, principalmente sulla regressione, e descriviamo come possono essere estesi per renderli più appropriati per l'analisi dei dati ecologici. Queste estensioni includono l'uso di modelli di probabilità più realistici (oltre la normale distribuzione) e la contabilizzazione di situazioni in cui le osservazioni non sono statisticamente indipendenti. Per ogni modello che considereremo vedremo come stimarlo usando sia il metodo frequentista (quando possibile) che quello bayesiano. La nostra enfasi qui è sulla profondità piuttosto che sull'ampiezza. (L'altro corso di laurea che insegno, ECOL 562, è un corso di indagine che copre una vasta gamma di metodi statistici utili nelle scienze ambientali. Questo corso si concentra sul 40% del materiale di quel corso ma lo copre in modo più approfondito.)

   Si presume la familiarità con gli approcci parametrici standard dell'analisi statistica come il test delle ipotesi. Il corso intende fungere da transizione tra ciò che viene in genere insegnato in un corso di statistica universitaria e ciò che è effettivamente necessario per analizzare con successo i dati in ecologia e scienze ambientali. L'iscritto ideale è uno studente universitario o laureato di livello superiore che abbia già seguito un corso introduttivo di statistica e desideri vedere la moderna applicazione della statistica alle scienze ambientali e all'ecologia. Gli argomenti includono:

   - 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. Statistics for Environmental Science [o a 2007 ; Versione 2012 ]

   Descrizione del corso:Un'introduzione ai metodi statistici per l'ecologia e le scienze ambientali. Questo è un corso di argomenti. La nostra enfasi qui è sull'ampiezza piuttosto che sulla profondità. (L'altro corso di laurea che insegno adotta un approccio approfondito agli argomenti trattati nel primo terzo di questo corso.) Si presume la familiarità con gli approcci parametrici standard dell'analisi statistica come il test di ipotesi. Il corso intende fungere da transizione tra ciò che viene generalmente insegnato in un corso di statistica universitaria e ciò che è effettivamente necessario per analizzare con successo i dati in ecologia e scienze ambientali. L'iscritto ideale è uno studente universitario o laureato di livello superiore che abbia già seguito un corso introduttivo di statistica e desideri vedere la moderna applicazione della statistica alle scienze ambientali e all'ecologia. Gli argomenti includono:

   - 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. Statistiche per ecologia ed evoluzione

   Descrizione del corso: Questo è un corso di modellistica statistica per ecologi e loro parenti. Ci concentriamo su metodi statistici elementari, principalmente sulla regressione, e descriviamo come possono essere estesi per renderli più appropriati per l'analisi dei dati ecologici. Queste estensioni includono l'uso di modelli di probabilità più realistici (oltre la normale distribuzione) e la contabilizzazione di situazioni in cui le osservazioni non sono statisticamente indipendenti. Gli argomenti includono:

   - 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. Ecologia 145 — Analisi statistica

   ECOL 145 vuole essere un'intensa introduzione all'analisi dei dati ecologici. Il suo target di riferimento è costituito da studenti laureati altamente motivati ​​e laureandi di livello superiore in discipline biologicamente correlate che idealmente hanno dati propri da analizzare. Questo è un corso pratico e pratico non adatto a dilettanti o coloro che desiderano semplicemente controllare e osservare. Ci concentriamo sull'uso di due moderni pacchetti statistici, R e WinBUGS, e li usiamo per affrontare set di dati reali con tutti i loro problemi. Più ti avvicini allo svolgimento delle tue ricerche e all'analisi dei tuoi dati, più utile dovrebbe essere questo corso.

   La prospettiva del corso è che i modelli di probabilità sono meglio pensati come meccanismi generatori di dati e in linea con questo punto di vista utilizziamo metodi basati sulla verosimiglianza per modellare direttamente i dati ecologici. I set di dati provengono dalla letteratura pubblicata, dai miei progetti di consulenza o sono forniti da studenti iscritti al corso. Se hai dei dati che devi analizzare, sei invitato a inviarmeli per l'uso negli esercizi di classe. Gli argomenti includono:

   - 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
   

Sono sicuro che c'è una tonnellata di sovrapposizioni tra i corsi, ma le sue note (e il codice R) sono disponibili per ciascuno di questi corsi e dovrebbero rivelarsi molto utili per la maggior parte delle persone che visitano questo post.