¿Libros sobre ecología estadística?

Sé que esta pregunta se hizo antes: libro de referencia para estudios ecológicos, pero no es lo que estoy buscando.

Lo que estoy buscando es si alguien puede recomendar un buen libro (o una referencia canónica) sobre ecología estadística. Tengo una muy buena comprensión de las estadísticas, por lo que el libro realmente podría estar en cualquier nivel. Usaría el libro para enseñarme más sobre la aplicación de estadísticas en ecología que cualquier otra cosa, por lo que incluso un libro introductorio con ejemplos buenos / interesantes sería muy apreciado. Además, mi investigación tiende a orientarse hacia las estadísticas bayesianas, ¡por lo que un libro que incorpore estadísticas bayesianas es aún mejor!

Algunos buenos libros que recomendaría personalmente son:

• Hilborn y Mangel (1997) El detective ecológico: confrontando modelos con datos . Princeton University Press.

  Este es más sobre estadísticas con ejemplos ecológicos, pero no hay nada de malo en eso. Esto daría una buena idea de cómo podrían usarse las estadísticas en ecología. Tenga en cuenta la fecha; no cubrirá algunos de los desarrollos o aplicaciones más recientes.

• M. Henry H. Stevens (2009) A Primer de Ecología con R . Saltador.

  Quizás demasiado básico y no particularmente en nada espacial, pero cubre los diversos temas que enseñaríamos a los ecólogos e ilustra la teoría ecológica y los modelos con código R.

• BM Bolker (2008) Los modelos ecológicos y de datos en I . Princeton University Press.

  Amo este libro. Cubre temas con los que estará familiarizado dado su historial de estadísticas pero aplicado en un contexto ecológico. Énfasis en ajustar modelos y optimizarlos desde principios básicos utilizando el código R.

• James S. Clark (2007) Modelos para datos ecológicos: una introducción . Princeton University Press.

  No se desanime por la "introducción" en el título; Esto es cualquier cosa menos una introducción. Amplia cobertura, mucha teoría, énfasis en la adaptación de modelos a mano empleando enfoques bayesianos (¡el compañero del manual de laboratorio R discute escribir sus propios muestreadores Gibbs, por ejemplo!)

No es un libro, pero lo agregaré cuando mencione específicamente su interés en los procesos gaussianos. Eche un vistazo a la aproximación integrada de Laplace anidada (INLA), que tiene un sitio web . Es un paquete R y tiene muchos ejemplos para jugar. Si mira sus preguntas frecuentes , encontrará varios documentos que describen el enfoque, en particular:

H. Rue, S. Martino y N. Chopin. Inferencia bayesiana aproximada para modelos gaussianos latentes utilizando aproximaciones de Laplace anidadas integradas (con discusión). Revista de la Royal Statistical Society, Serie B, 71 (2): 319 {392, 2009. (PDF disponible aquí ).

Algunos buenos libros de ecología basados ​​en estadísticas bayesianas son:

Kery, M. 2010. Introducción a WinBUGS para ecologistas: enfoque bayesiano de regresión, ANOVA, modelos mixtos y análisis relacionados . Prensa Académica

Kery, M. y M. Schaub. 2011. Análisis de población bayesiana con WinBUGS: una perspectiva jerárquica . Prensa Académica

Royle, JA y RM Dorazio. 2008. Modelado jerárquico e inferencia en ecología: el análisis de datos de poblaciones, metapoblaciones y comunidades . Prensa académica

También encuentro a Zuur et al. (2009) muy útil.

Zuur, A., EN Ieno, N. Walker, AA Saveliey y GM Smith. Modelos de efectos mixtos y extensiones en Ecología con R . Saltador.

Jack Weiss (que descanse en paz ) fue un excelente estadístico capacitado que también tenía una buena comprensión de los principios ecológicos / ambientales. Se desempeñó como un consultor de estadísticas invaluable para científicos ecológicos / ambientales en los Estados Unidos e incluso a nivel mundial.

Aunque no tiene ningún libro que yo sepa, sus notas del curso todavía están disponibles en línea :

1. Métodos estadísticos en ecología [o una versión 2012 ]

   Descripción del curso:Este es un curso de modelado estadístico para ecologistas y sus parientes. Nos centramos en métodos estadísticos elementales, principalmente regresión, y describimos cómo se pueden extender para hacerlos más apropiados para analizar datos ecológicos. Estas extensiones incluyen el uso de modelos de probabilidad más realistas (más allá de la distribución normal) y la contabilidad de situaciones en las que las observaciones no son estadísticamente independientes. Para cada modelo que consideremos, veremos cómo estimarlo utilizando los métodos frecuentistas (cuando sea posible) y bayesianos. Nuestro énfasis aquí está en la profundidad más que en la amplitud. (El otro curso de posgrado que enseño, ECOL 562, es un curso de encuesta que cubre una amplia gama de métodos estadísticos útiles en ciencias ambientales. Este curso se enfoca en el 40% del material de ese curso pero lo cubre en mayor profundidad).

   Se supone familiaridad con los enfoques paramétricos estándar del análisis estadístico, como la prueba de hipótesis. El curso está destinado a servir como una transición entre lo que generalmente se enseña en un curso de estadística de pregrado y lo que realmente se necesita para analizar con éxito los datos en ecología y ciencias ambientales. El afiliado ideal es un estudiante de pregrado de primer nivel o graduado principiante que ya ha tomado un curso introductorio de estadística y desea ver la aplicación moderna de la estadística a la ciencia ambiental y la ecología. Los temas incluyen:

   - 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. Estadísticas de Ciencias Ambientales [o un 2007 ; Versión 2012 ]

   Descripción del curso:Una introducción a los métodos estadísticos para la ecología y la ciencia ambiental. Este es un curso de temas. Nuestro énfasis aquí está en la amplitud más que en la profundidad. (El otro curso de posgrado que enseño adopta un enfoque profundo de los temas cubiertos en el primer tercio de este curso). Se asume la familiaridad con los enfoques paramétricos estándar de análisis estadístico, como la prueba de hipótesis. El curso está destinado a servir como una transición entre lo que generalmente se enseña en un curso de estadística de pregrado y lo que realmente se necesita para analizar con éxito los datos en ecología y ciencias ambientales. El afiliado ideal es un estudiante de pregrado de primer nivel o graduado principiante que ya ha tomado un curso introductorio de estadística y desea ver la aplicación moderna de la estadística a la ciencia ambiental y la ecología. Los temas incluyen:

   - 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. Estadísticas de ecología y evolución

   Descripción del curso: Este es un curso de modelado estadístico para ecologistas y sus familiares. Nos centramos en métodos estadísticos elementales, principalmente regresión, y describimos cómo se pueden extender para hacerlos más apropiados para analizar datos ecológicos. Estas extensiones incluyen el uso de modelos de probabilidad más realistas (más allá de la distribución normal) y la contabilidad de situaciones en las que las observaciones no son estadísticamente independientes. Los temas incluyen:

   - 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. Ecología 145 — Análisis estadístico

   ECOL 145 está destinado a ser una introducción intensa al análisis de datos ecológicos. Su público objetivo consiste en estudiantes de posgrado altamente motivados y estudiantes universitarios de nivel superior en disciplinas relacionadas biológicamente que idealmente tienen sus propios datos para analizar. Este es un curso serio, práctico, no apto para diletantes o aquellos que desean simplemente auditar y observar. Nos centramos en el uso de dos paquetes estadísticos modernos, R y WinBUGS, y los usamos para abordar conjuntos de datos reales con todas sus debilidades. Cuanto más cerca esté de llevar a cabo su propia investigación y analizar sus propios datos, más útil será este curso.

   La perspectiva del curso es que los modelos de probabilidad se consideran mejor como mecanismos de generación de datos y, de acuerdo con este punto de vista, utilizamos métodos basados ​​en la probabilidad para modelar directamente datos ecológicos. Los conjuntos de datos son de la literatura publicada, de mis propios proyectos de consultoría, o son proporcionados por estudiantes que están inscritos en el curso. Si tiene datos que necesita analizar, puede enviarlos para que los use en los ejercicios de clase. Los temas incluyen:

   - 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
   

Estoy seguro de que hay un montón de superposición entre los cursos, pero sus notas (y el código R) están disponibles para cada uno de estos cursos y deberían ser muy útiles para la mayoría de las personas que visitan esta publicación.