مدل‌سازی سلسله‌مراتبی و استنباط در بوم‌شناسی ۲۰۰۸
Hierarchical Modeling and Inference in Ecology 2008

راهنمای جمع‌آوری داده، مدل‌سازی و استراتژی‌های استنباط برای داده‌های بررسی بیولوژیکی با استفاده از روش‌های آماری بیزی و کلاسیک.

این کتاب یک چارچوب کلی و انعطاف‌پذیر برای مدل‌سازی و استنباط در سیستم‌های اکولوژیکی بر اساس مدل‌های سلسله مراتبی ارائه می‌دهد، با تمرکز ویژه بر استفاده از مدل‌های احتمالاتی و استنباط پارامتری. مدل‌های سلسله مراتبی یک تغییر الگو در کاربرد آمار در مسائل استنباط اکولوژیکی را نشان می‌دهند، زیرا آنها مدل‌های صریح از ساختار یا پویایی سیستم اکولوژیکی را با مدل‌هایی از نحوه مشاهده سیستم‌های اکولوژیکی ترکیب می‌کنند. اصول مدل‌سازی سلسله مراتبی توسعه یافته و در مسائل مربوط به سیستم‌های جمعیت، فراجمعیت، اجتماع و فرااجتماع به کار گرفته می‌شوند. این کتاب اولین پردازش ترکیبی از بسیاری از پیشرفت‌های روش‌شناختی اخیر در مدل‌سازی اکولوژیکی را ارائه می‌دهد و روش‌ها و رویه‌های مجزا را متحد می‌کند.

نویسندگان اصول مدل‌سازی سلسله مراتبی را در مسائل اکولوژیکی به کار می‌برند، از جمله:
* مدل‌های وقوع یا اشغال برای تخمین پراکنش گونه‌ها
* مدل‌های فراوانی بر اساس بسیاری از پروتکل‌های نمونه‌برداری، از جمله نمونه‌برداری فاصله‌ای
* مدل‌های گرفتن-بازپس‌گیری با اثرات فردی
* مدل‌های گرفتن-بازپس‌گیری فضایی بر اساس تله‌گذاری دوربین و روش‌های مرتبط
* مدل‌های پویایی جمعیت و فراجمعیت
* مدل‌های تنوع زیستی، ساختار و پویایی جوامع
– طیف گسترده‌ای از نمونه‌ها شامل بسیاری از آرایه‌ها (پرندگان، دوزیستان، پستانداران، حشرات، گیاهان)
– توسعه روش‌های کلاسیک مبتنی بر درست‌نمایی برای استنباط، و همچنین روش‌های تحلیل بیزی
– توضیحات مفصل در مورد اجرای مدل‌های سلسله مراتبی با استفاده از نرم‌افزارهای رایگان مانند R و WinBUGS
– پشتیبانی محاسباتی در پیوست‌های فنی در یک وب‌سایت همراه آنلاین

A guide to data collection, modeling and inference strategies for biological survey data using Bayesian and classical statistical methods.This book describes a general and flexible framework for modeling and inference in ecological systems based on hierarchical models, with a strict focus on the use of probability models and parametric inference. Hierarchical models represent a paradigm shift in the application of statistics to ecological inference problems because they combine explicit models of ecological system structure or dynamics with models of how ecological systems are observed. The principles of hierarchical modeling are developed and applied to problems in population, metapopulation, community, and metacommunity systems. The book provides the first synthetic treatment of many recent methodological advances in ecological modeling and unifies disparate methods and procedures.The authors apply principles of hierarchical modeling to ecological problems, including * occurrence or occupancy models for estimating species distribution* abundance models based on many sampling protocols, including distance sampling* capture-recapture models with individual effects* spatial capture-recapture models based on camera trapping and related methods* population and metapopulation dynamic models* models of biodiversity, community structure and dynamics – Wide variety of examples involving many taxa (birds, amphibians, mammals, insects, plants) – Development of classical, likelihood-based procedures for inference, as well as Bayesian methods of analysis – Detailed explanations describing the implementation of hierarchical models using freely available software such as R and WinBUGS – Computing support in technical appendices in an online companion web site