Análisis de datos de captura y esfuerzo

MASTER EN GESTIÓN SOSTENIBLE DE RECURSOS PESQUEROS

 

 

 

---

Proyecto Docente

---

Proyecto docente de la asignatura PESCA Y ESTRATEGIAS DE MUESTREO Y ANÁLISIS

 

---

Contenidos de la asignatura.

---

1. El entorno estadistico R.

2. Revisión de fundamentos de inferencia estadística: estimación puntual y por intervalos de confianza; contraste de hipótesis.

3. Modelos Lineales y Modelos Lineales Generalizados: Análisis de la varianza, Análisis de la covarianza, Regresión lineal y Regresión de Poisson.

4. Modelos Aditivos generalizados (GAM).

5. Series Temporales: modelos univariantes y de regresión dinámica

6. Recursos específicos de R en el ámbito de las pesquerías

 

Bibliografia

 

 

---

Sesiones prácticas impartidas en el aula

• Sesión 1: Comparación de grupos

• Sesión 2: Modelos lineales

---

 

1. El entorno estadistico R

• Curso de R.

• Pagina Web de R (Descarga y documentación)

• Página Web de Rstudio: Rstudio es un Front-End para R que facilita enormemente el uso de este programa.

• Estadística descriptiva con R

• Ejemplo: scriptTema0.R: script de R en el que se lleva a cabo una estadística descriptiva de variables biométricas medidas sobre una muestra de sargos.

 

---

 

2. Revisión de fundamentos de inferencia estadística: estimación puntual y por intervalos de confianza; contraste de hipótesis.

• Estimación puntual

• Intervalos de Confianza

• Contrastes de hipótesis

 

---

 

3. Modelos Lineales y Modelos Lineales Generalizados: Análisis de la varianza, Análisis de la covarianza, Regresión lineal y Regresión de Poisson.

• Introducción a los modelos lineales y lineales generalizados

• Un ejemplo de regresión con R.

• Un ejemplo de ANOVA con R.

• Un ejemplo de ANCOVA con R.

• Un ejemplo de modelo de efectos aleatorios con R

• Un ejemplo de Análisis de datos con Heteroscedasticidad  

Otro material disponible en internet:

Regresión lineal.

• Regresión simple
• Regresión múltiple

Análisis de la varianza y de la covarianza.

• Practical Regression and Anova using R (Julian Faraway). Data sets and scripts are available at the book homepage.

Modelos lineales generalizados.

• R Data Analysis Examples: Poisson Regression (UCLA)
• Poisson Regression Model for Count Data
• Más sobre modelos lineales generalizados

 

---

 

4. Modelos Aditivos generalizados (GAM).

• Un ejemplo de Análisis de modelos GAM con R. Otro Ejemplo

• Modelos Aditivos y Aditivos Generalizados

• Modelos Aditivos Generalizados

• Generalized Additive Models: an introduction with R (Simon Wood): libro completo sobre el ajuste de modelos GAM

 

---

 

5. Series temporales: modelos univariantes y de regresión dinámica

• Ejemplos de datos con correlación temporal. Otro ejemplo

• Forecasting principles and practices: Completo manual sobre series temporales que incluye las distintas modelizaciones y su implementación en R.

• Applied time series analysis: curso de series temporales que incluye teoría y ejemplos

• Introducción al análisis de series temporales (teoría, con orientación a la econometría)

• Análisis de series temporales (teoría y ejemplos, no incluye R)

 

Regresión dinámica.

• Regression with time series data

Modelos ARIMA.

• Modelos ARIMA

• Tutorial de modelos ARMA-ARIMA

• Modelos ARIMA (en español)

 

---

 

6. Recursos específicos de R en el ámbito de las pesquerías

• fishR: website to provide examples and resources of fisheries-related analyses performed in R.

• flr-project: herramientas de R para análisis cuantitativo de pesquerías.

• R goes fishing: Analyzing fisheries data using AD Model Builder and R: vignette from the package scape (Statistical Catch-at-Age Plotting Environment). Import, plot, and diagnose results from statistical catch-at-age models, used in fisheries stock assessment.

• Package ‘fishmethods’.

• Package ‘scape’ (Statistical Catch-at-Age Plotting Environment): Import, plot, and diagnose results from statistical catch-at-age models, used in fisheries stock assessment. Galería de figuras

• Importing results from a statistical catch-at-age model (for use in ‘scape’)

 

---

 

Ejercicio de evaluación.

Para superar esta parte de la asignatura, el alumno deberá entregar resuelto el ejercicio de evaluación que figura a continuación:

• Ejercicio de evaluación

El plazo máximo de entrega de los ejercicios resueltos se fija en el 15 de octubre. La entrega se realizará a través de un enlace establecido al efecto en el campus virtual de la asignatura.

 

---

 

Bibliografía

1. Mixed Effects Models and Extensions in Ecology with R (Springer): web del libro de Zuur, Ieno, Walker, Saveliev and Smith.

2. Time-Series Regression and Generalized Least Squares. Apéndice del libro “An R and S-PLUS Companion to Applied Regression” de J. Fox.

3. A little book of R for time series, by Avril Coghlan, University College Cork, Cork, Ireland

4. Time series analysis with R, by Walter Zucchini, Oleg Nenadic, Goettingen Universitat.

5. Time Series analysis with applications in R (Springer). Web del libro de J.D. Cryer y K.S. Chan.

6. Time Series Analysis and Its Applications: With R Examples: página web del libro de Shumway, con los datos y código R utilizados en los ejemplos del libro. Incluye además un tutorial sobre series temporales en R.

7. An introduction to statistical learning Libro de G. James, D. Witten, T. Hastie y R. Tibshirani. Puede descargarse libremente.

© 2016 Angelo Santana, Departamento de Matemáticas   ULPGC