Livros sobre ecologia estatística?

Sei que essa pergunta foi feita antes: livro de referência para estudos ecológicos, mas não é o que estou procurando.

O que estou procurando é se alguém poderia recomendar um bom livro (ou uma referência canônica) sobre ecologia estatística? Eu tenho um entendimento muito bom das estatísticas, então o livro pode realmente estar em qualquer nível. Eu usaria o livro para me ensinar mais sobre a aplicação da estatística em ecologia do que qualquer outra coisa, de modo que até um livro introdutório com exemplos bons / interessantes seria muito apreciado. Além disso, minha pesquisa tende a ser voltada para as estatísticas bayesianas, de modo que um livro que incorpore estatísticas bayesianas é ainda melhor!

Alguns bons livros que eu recomendaria pessoalmente são:

• Hilborn & Mangel (1997) The Ecological Detective: confrontando modelos com dados . Imprensa da Universidade de Princeton.

  Este é mais sobre estatística com exemplos ecológicos, mas não há nada de errado nisso. Isso daria uma boa idéia de como as estatísticas poderiam ser usadas em ecologia. Anote a data; não cobrirá alguns dos desenvolvimentos ou aplicativos mais recentes.

• M. Henry H. Stevens (2009) Um iniciador de Ecologia com R . Springer.

  Talvez seja muito básico e não particularmente em algo espacial, mas abrange os vários tópicos que ensinaríamos aos ecologistas e ilustra a teoria e os modelos ecológicos com o código R.

• BM Bolker (2008) modelos ecológicos e Dados em R . Imprensa da Universidade de Princeton.

  Eu amo este livro. Ele cobre tópicos com os quais você estará familiarizado, considerando seu histórico de estatísticas, mas aplicado em um contexto ecológico. Ênfase em ajustar modelos e otimizá-los a partir de princípios básicos usando o código R.

• James S. Clark (2007) Modelos para Dados Ecológicos: uma introdução . Imprensa da Universidade de Princeton.

  Não se deixe levar pela "introdução" no título; isso é tudo, menos uma introdução. Cobertura ampla, muita teoria, ênfase na adaptação de modelos manualmente, usando abordagens bayesianas (o companheiro manual do laboratório R discute a criação de seus próprios amostradores Gibbs, por exemplo!)

Não é um livro, mas vou adicioná-lo à medida que você menciona especificamente seu interesse nos Processos Gaussianos. Dê uma olhada na INLA (Integrated Nested Laplace Approximation), que possui um site . É um pacote R e tem muitos exemplos para brincar. Se você consultar as perguntas frequentes, encontrará vários documentos que descrevem a abordagem, particularmente:

H. Rue, S. Martino e N. Chopin. Inferência bayesiana aproximada para modelos gaussianos latentes usando aproximações de Laplace aninhadas integradas (com discussão). Jornal da Sociedade Estatística Real, Série B, 71 (2): 319 {392, 2009. (PDF disponível aqui ).

Alguns bons livros de ecologia baseados em estatísticas bayesianas são:

Kery, M. 2010. Introdução ao WinBUGS para Ecologistas: Abordagem bayesiana de regressão, ANOVA, modelos mistos e análises relacionadas . Academic Press.

Kery, M. e M. Schaub. 2011. Análise de população bayesiana usando WinBUGS: uma perspectiva hierárquica . Academic Press.

Royle, JA e RM Dorazio. 2008. Modelagem Hierárquica e Inferência em Ecologia: A Análise de Dados de Populações, Metapopulações e Comunidades . Imprensa acadêmica

Também encontro Zuur et al. (2009) muito útil.

Zuur, A., EN Ieno, N. Walker, AA Saveliey e GM Smith. Efeitos mistos Modelos e extensões em Ecologia com R . Springer.

Jack Weiss (que descanse em paz ) era um excelente estatístico treinado que também tinha uma boa compreensão dos princípios ecológicos / ambientais. Ele atuou como consultor de estatística inestimável para cientistas ecológicos / ambientais em todo os EUA e até em todo o mundo.

Embora ele não tenha nenhum livro que eu saiba, as notas de seu curso ainda estão disponíveis online :

1. Métodos estatísticos em ecologia [ou uma versão de 2012 ]

   Descrição do Curso:Este é um curso de modelagem estatística para ecologistas e seus parentes. Nós nos concentramos em métodos estatísticos elementares, principalmente na regressão, e descrevemos como eles podem ser estendidos para torná-los mais apropriados para a análise de dados ecológicos. Essas extensões incluem o uso de modelos de probabilidade mais realistas (além da distribuição normal) e a contabilização de situações nas quais as observações não são estatisticamente independentes. Para cada modelo que considerarmos, veremos como estimar usando métodos freqüentistas (quando possível) e bayesiano. Nossa ênfase aqui está na profundidade e não na largura. (O outro curso de pós-graduação que eu ensino, ECOL 562, é um curso de pesquisa que abrange uma ampla variedade de métodos estatísticos úteis em ciências ambientais. Este curso concentra-se em 40% do material desse curso, mas o cobre com maior profundidade.)

   Presume-se familiaridade com as abordagens paramétricas padrão da análise estatística, como teste de hipóteses. O curso pretende servir como uma transição entre o que normalmente é ensinado em um curso de estatística de graduação e o que é realmente necessário para analisar com êxito os dados em ecologia e ciências ambientais. O inscrito ideal é um estudante de graduação de nível superior ou iniciante que já fez um curso introdutório de estatística e deseja ver a aplicação moderna da estatística à ciência e ecologia ambiental. Os tópicos incluem:

   - 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. Estatísticas para Ciências Ambientais [ou um de 2007 ; Versão de 2012 ]

   Descrição do Curso:Uma introdução aos métodos estatísticos para ecologia e ciência ambiental. Este é um curso de tópicos. Nossa ênfase aqui está na amplitude e não na profundidade. (O outro curso de pós-graduação que eu ensino tem uma abordagem aprofundada dos tópicos abordados no primeiro terço deste curso.) Presume-se familiaridade com as abordagens paramétricas padrão da análise estatística, como o teste de hipóteses. O curso pretende servir como uma transição entre o que normalmente é ensinado em um curso de estatística de graduação e o que é realmente necessário para analisar com êxito os dados em ecologia e ciências ambientais. O inscrito ideal é um estudante de graduação de nível superior ou iniciante que já fez um curso introdutório de estatística e deseja ver a aplicação moderna da estatística à ciência e ecologia ambiental. Os tópicos incluem:

   - 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. Estatísticas de Ecologia e Evolução

   Descrição do curso: Este é um curso de modelagem estatística para ecologistas e seus parentes. Nós nos concentramos em métodos estatísticos elementares, principalmente na regressão, e descrevemos como eles podem ser estendidos para torná-los mais adequados para a análise de dados ecológicos. Essas extensões incluem o uso de modelos de probabilidade mais realistas (além da distribuição normal) e a contabilização de situações nas quais as observações não são estatisticamente independentes. Os tópicos incluem:

   - 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 - Análise Estatística

   O ECOL 145 pretende ser uma introdução intensa à análise de dados ecológicos. Seu público-alvo é formado por estudantes de pós-graduação altamente motivados e estudantes de nível superior em disciplinas relacionadas à biologia que, idealmente, possuem dados próprios para analisar. Este é um curso prático sério, não adequado para diletantes ou para aqueles que desejam apenas auditar e observar. Nós nos concentramos no uso de dois pacotes estatísticos modernos, R e WinBUGS, e os usamos para lidar com conjuntos de dados reais com todos os seus pontos fracos. Quanto mais você estiver perto de realizar sua própria pesquisa e analisar seus próprios dados, mais útil será este curso.

   A perspectiva do curso é que os modelos de probabilidade são melhor pensados ​​como mecanismos de geração de dados e, de acordo com esse ponto de vista, usamos métodos baseados em probabilidade para modelar diretamente dados ecológicos. Os conjuntos de dados são da literatura publicada, de meus próprios projetos de consultoria ou são fornecidos por alunos que estão matriculados no curso. Se você possui dados que precisam ser analisados, envie-os para uso em exercícios de aula. Os tópicos incluem:

   - 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
   

Tenho certeza de que há muita sobreposição entre os cursos, mas suas anotações (e código R) estão disponíveis para cada um desses cursos e devem ser muito úteis para a maioria das pessoas que visitam este post.