Uso de R para la modelización y los métodos cuantitativos en la pesca

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 7 votos.

Título original:

Using R for Modelling and Quantitative Methods in Fisheries

Contenido del libro:

Using R for Modelling and Quantitative Methods in Fisheries ha evolucionado y se ha adaptado a partir de un libro anterior del mismo autor, y ofrece una introducción detallada a los métodos analíticos utilizados habitualmente por científicos pesqueros, ecologistas y estudiantes avanzados que utilizan el software de código abierto R como herramienta de programación. Se presupone un cierto conocimiento de R, ya que se trata de un libro sobre el uso de R, pero se ofrece una introducción al desarrollo y funcionamiento de las funciones, y cómo se puede explorar el contenido de las funciones y paquetes de R.

Los análisis de ejemplo proceden paso a paso utilizando código listado en el libro y del paquete R complementario del libro, MQMF, disponible en GitHub y en el archivo estándar, CRAN. Los ejemplos se han diseñado para que sean fáciles de modificar, de modo que el lector pueda adaptar rápidamente los métodos descritos para utilizarlos con sus propios datos. Uno de los principales objetivos del libro es ser un recurso útil para los profesionales y estudiantes de recursos naturales.

Capítulos destacados:

⬤ Estimación de parámetros de modelos ofrece una explicación detallada de los requisitos y pasos necesarios para ajustar modelos a los datos, utilizando R y, principalmente, métodos de máxima verosimilitud.

⬤ On Uncertainty utiliza R para implementar bootstrapping, perfiles de verosimilitud, errores asintóticos y posteriors bayesianos para caracterizar cualquier incertidumbre en un análisis. Se examina con cierto detalle el uso de la metodología Monte Carlo Markov Chain.

⬤ Modelos de producción excedentaria aplica todos los métodos examinados en las partes anteriores del libro a la realización de una evaluación de poblaciones. Ello incluye el ajuste de modelos alternativos a los datos disponibles, la caracterización de la incertidumbre de distintas maneras y la proyección de los modelos óptimos en el tiempo como base para ofrecer consejos útiles de gestión.