Buku tentang ekologi statistik?

Saya tahu pertanyaan ini ditanyakan sebelumnya: Buku referensi untuk studi ekologi tetapi bukan yang saya cari.

Apa yang saya cari adalah apakah ada yang bisa merekomendasikan buku yang bagus (atau referensi kanonik) tentang ekologi statistik? Saya memiliki pemahaman yang sangat baik tentang statistik sehingga buku itu bisa benar-benar ada di tingkat mana pun. Saya akan menggunakan buku ini untuk mengajar diri saya lebih banyak tentang penerapan statistik dalam ekologi daripada yang lain sehingga bahkan buku pengantar dengan contoh-contoh yang baik / menarik akan sangat dihargai. Juga, penelitian saya cenderung diarahkan pada statistik Bayesian sehingga buku yang menggabungkan statistik Bayesian bahkan lebih baik!

Beberapa buku bagus yang akan saya rekomendasikan secara pribadi adalah:

• Hilborn & Mangel (1997) The Ecological Detective: menghadapi model dengan data . Princeton University Press.

  Yang ini lebih tentang statistik dengan contoh ekologis, tetapi tidak ada yang salah tentang itu. Ini akan memberi gambaran yang baik tentang bagaimana statistik dapat digunakan dalam ekologi. Catat tanggalnya; itu tidak akan mencakup beberapa perkembangan atau aplikasi yang lebih baru.

• M. Henry H. Stevens (2009) A Primer Ekologi dengan R . Peloncat.

  Mungkin terlalu mendasar dan tidak terutama pada spasial apa pun, tetapi mencakup berbagai topik yang kami ajarkan kepada para ahli ekologi dan menggambarkan teori dan model ekologi dengan kode R.

• BM Bolker (2008) Model Ekologis dan data di R . Princeton University Press.

  Saya suka buku ini. Ini mencakup topik yang Anda akan terbiasa dengan latar belakang statistik Anda tetapi diterapkan dalam konteks ekologis. Penekanan pada model pas dan mengoptimalkannya dari prinsip dasar menggunakan kode R.

• James S. Clark (2007) Model untuk Data Ekologis: pengantar . Princeton University Press.

  Jangan tertunda oleh "pengantar" dalam judul; ini hanyalah pengantar. Cakupan luas, banyak teori, penekanan pada model pas dengan tangan menggunakan pendekatan Bayesian (pendamping manual lab membahas menulis sampler Gibbs Anda sendiri misalnya!)

Bukan buku, tetapi saya akan menambahkan ini karena Anda secara khusus menyebutkan minat Anda pada Proses Gaussian. Lihatlah Integrated Nested Laplace Approximation (INLA), yang memiliki situs web . Ini adalah paket R dan memiliki banyak contoh untuk dimainkan. Jika Anda melihat FAQ mereka, Anda akan menemukan beberapa makalah yang menggambarkan pendekatan tersebut, khususnya:

H. Rue, S. Martino, dan N. Chopin. Perkiraan Bayesian inferensi untuk model Gaussian laten menggunakan pendekatan Laplace bersarang terintegrasi (dengan diskusi). Jurnal Masyarakat Statistik Kerajaan, Seri B, 71 (2): 319 {392, 2009. (PDF tersedia di sini ).

Beberapa buku ekologi yang baik berdasarkan statistik Bayesian adalah:

Kery, M. 2010. Pengantar WinBUGS untuk Ekologi: pendekatan Bayesian untuk regresi, ANOVA, model campuran dan analisis terkait . Pers Akademik.

Kery, M., dan M. Schaub. 2011. Analisis Populasi Bayesian menggunakan WinBUGS: Perspektif hierarkis . Pers Akademik.

Royle, JA dan RM Dorazio. 2008. Pemodelan Hirarki dan Inferensi dalam Ekologi: Analisis Data dari Populasi, Metapopulasi, dan Komunitas . Pers Akademik

Saya juga menemukan Zuur et al. (2009) sangat bermanfaat.

Zuur, A., EN Ieno, N. Walker, AA Saveliey, dan GM Smith. Efek campuran Model dan Ekstensi di Ekologi dengan R . Peloncat.

Jack Weiss (semoga dia beristirahat dengan tenang ) adalah ahli statistik terlatih yang sangat baik yang juga sangat memahami prinsip-prinsip ekologi / lingkungan. Dia menjabat sebagai konsultan statistik yang sangat berharga bagi para ilmuwan ekologi / lingkungan di seluruh AS dan bahkan secara global.

Meskipun dia tidak memiliki buku yang saya ketahui, catatan kursusnya masih tersedia secara online :

1. Metode Statistik dalam Ekologi [atau versi 2012 ]

   Kursus Gizi:Ini adalah kursus dalam pemodelan statistik untuk ahli ekologi dan kerabat mereka. Kami fokus pada metode statistik dasar, terutama regresi, dan menjelaskan bagaimana mereka dapat diperluas untuk membuatnya lebih tepat untuk menganalisis data ekologis. Ekstensi ini termasuk menggunakan model probabilitas yang lebih realistis (di luar distribusi normal) dan memperhitungkan situasi di mana pengamatan tidak independen secara statistik. Untuk setiap model yang kami pertimbangkan, kami akan melihat cara memperkirakannya menggunakan metode frequentist (bila mungkin) dan Bayesian. Penekanan kami di sini adalah pada kedalaman daripada luasnya. (Kursus pascasarjana lainnya yang saya ajarkan, ECOL 562, adalah kursus survei yang mencakup berbagai metode statistik yang berguna dalam ilmu lingkungan. Kursus ini berfokus pada 40% materi dari kursus itu tetapi mencakupnya dengan lebih mendalam.)

   Keakraban dengan pendekatan parametrik standar analisis statistik seperti pengujian hipotesis diasumsikan. Kursus ini dimaksudkan untuk berfungsi sebagai transisi antara apa yang biasanya diajarkan dalam kursus statistik sarjana dan apa yang sebenarnya diperlukan untuk berhasil menganalisis data dalam ilmu ekologi dan lingkungan. Enrollee yang ideal adalah mahasiswa tingkat sarjana atau pascasarjana tingkat atas yang telah mengambil kursus statistik pengantar dan ingin melihat aplikasi statistik modern untuk ilmu lingkungan dan ekologi. Topik meliputi:

   - 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. Statistik untuk Ilmu Lingkungan [atau 2007 ; Versi 2012 ]

   Kursus Gizi:Pengantar metode statistik untuk ekologi dan ilmu lingkungan. Ini adalah kursus topik. Penekanan kami di sini adalah pada luasnya bukan pada kedalaman. (Kursus pascasarjana lainnya yang saya ajarkan mengambil pendekatan mendalam untuk topik-topik yang dicakup dalam sepertiga pertama kursus ini.) Keakraban dengan pendekatan parametrik standar analisis statistik seperti diasumsikan pengujian hipotesis. Kursus ini dimaksudkan untuk berfungsi sebagai transisi antara apa yang biasanya diajarkan dalam kursus statistik sarjana dan apa yang sebenarnya diperlukan untuk berhasil menganalisis data dalam ilmu ekologi dan lingkungan. Enrollee yang ideal adalah mahasiswa tingkat sarjana atau pascasarjana tingkat atas yang telah mengambil kursus statistik pengantar dan ingin melihat aplikasi statistik modern untuk ilmu lingkungan dan ekologi. Topik meliputi:

   - 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. Statistik untuk Ekologi & Evolusi

   Deskripsi Kursus: Ini adalah kursus dalam pemodelan statistik untuk ahli ekologi dan kerabat mereka. Kami fokus pada metode statistik dasar, terutama regresi, dan menjelaskan bagaimana mereka dapat diperluas untuk membuatnya lebih tepat untuk menganalisis data ekologis. Ekstensi ini termasuk menggunakan model probabilitas yang lebih realistis (di luar distribusi normal) dan memperhitungkan situasi di mana pengamatan tidak independen secara statistik. Topik meliputi:

   - 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. Ekologi 145 — Analisis Statistik

   ECOL 145 dimaksudkan untuk menjadi pengantar yang intens untuk analisis data ekologis. Target audiensnya terdiri dari mahasiswa pascasarjana yang sangat termotivasi dan mahasiswa tingkat atas dalam disiplin ilmu yang berhubungan secara biologis yang idealnya memiliki data sendiri untuk dianalisis. Ini adalah kursus yang serius dan langsung, tidak sesuai untuk para penggemar atau mereka yang ingin sekadar mengaudit dan mengamati. Kami fokus pada penggunaan dua paket statistik modern, R dan WinBUGS, dan menggunakannya untuk menangani set data nyata dengan semua kelemahan mereka. Semakin dekat Anda dengan melakukan penelitian Anda sendiri dan menganalisis data Anda sendiri, semakin berguna kursus ini nantinya.

   Perspektif dari kursus ini adalah bahwa model probabilitas dianggap terbaik sebagai mekanisme penghasil data dan sesuai dengan sudut pandang ini, kami menggunakan metode berbasis kemungkinan untuk secara langsung memodelkan data ekologis. Kumpulan data berasal dari literatur yang diterbitkan, dari proyek konsultasi saya sendiri, atau disediakan oleh siswa yang terdaftar dalam kursus. Jika Anda memiliki data yang perlu dianalisis, Anda dapat mengirimkannya kepada saya untuk digunakan dalam latihan kelas. Topik meliputi:

   - 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
   

Saya yakin ada banyak tumpang tindih antara kursus, tetapi catatannya (dan kode R) tersedia untuk masing-masing kursus dan harus terbukti sangat berguna bagi kebanyakan orang yang mengunjungi pos ini.