Publications by jmm
Before the class
Welcome In the course we are going to use R with some of its packages. Also, we will use JAGS for MCMC. Before arriving at the first day of the course, make sure you have installed RStudio and a version of R greater than or equal to \(4.2\). R can be downloaded from cran You also need to install an interface to Stan. You can follow instructions her...
900 sym
basic R stuff
‘R’ for reproducibility Today, scientists must be trained to “get the most out of” different sources of information. Part of the work involves processing databases, summarizing, plotting, and fitting models to data. Working with Excel-type tools is not only limiting (and inelegant) but also goes against the “reproducibility” of research...
7112 sym 7 img
idas y vueltas de coeficientes
transformaciones de coeficientes en regresiones Cómo hacemos para volver a la escala original una vez que hicimos una regresión con variables centradas y estandarizadas? ejemplo: set.seed(36) n = 1000 a_origi = runif(1, -2,2) b_origi = runif(1, -2,2) sd = runif(1) x = runif(n, 0, 5) y = rnorm(n, a_origi + b_origi * x, sd ) plot(x, y) abline(a_o...
666 sym R (953 sym/9 pcs) 5 img
Document
The goal here is to model changes in species abundances based on distance sampling. To model species responses, we want to use a joint species modelling approach a la Ovaskainen. As a starting point we need a distance sampling model that can be fitted with Stan so that we can then include the joint species part. Distance sampling is a good exampl...
6457 sym R (11353 sym/34 pcs) 9 img
sheep animation
load packages and the data library(ggplot2) library(gganimate) library(lubridate) ## ## Attaching package: 'lubridate' ## The following objects are masked from 'package:base': ## ## date, intersect, setdiff, union library(dplyr) ## ## Attaching package: 'dplyr' ## The following objects are masked from 'package:stats': ## ## filter, la...
183 sym R (1803 sym/12 pcs) 2 img
HMM example
Hidden Markov Models Many movement models proposed in recent years belong to the class of hidden Markov models (HMMs). An HMM is a time series model that comprises two components, an observable series and an underlying, non-observable state sequence (just as we saw with the mixture model). The observed data are taken to be conditionally independe...
3029 sym R (10407 sym/23 pcs) 16 img
Espacio-estado
Modelos espacio-estado Estos modelos asumen que las observaciones no representan perfectamente el valor verdadero de las variables de estado ** latentes **. Modelamos el proceso con esos valores latentes y verdaderos, y vinculamos el proceso a las observaciones con un “modelo de observación”. y_t-1 y_t y_t+1 modelo de observación ...
726 sym R (4135 sym/7 pcs) 1 img
Modelo de ocupación
Modelo de ocupación: Willow Tit Objetivos: Hacer una regresión logística Bayesiana para modelar la probabilidad de ocupación de una especie en función de covariables, utilizando JAGS, bajo dos escenarios: Asumiendo que no hay errores de detección. Asumiendo detección imperfecta, incorporando la probabilidad de detección en modelos de o...
6156 sym R (7898 sym/20 pcs) 3 img
Más regresiones
Objetivos: Ajustar regresiones a datos “del mundo real”. Escribir funciones de likelihood (modelos de datos) y asignar previas a parámetros. Polinización de Pomelos Para este ejemplo vamos a usar datos de Natacha Chacoff que observó visitas de polinizadores a flores de pomelo y luego contó los granos de polen depositados. Su objetivo er...
7893 sym R (15180 sym/36 pcs) 8 img
Intro Jerárquicos
Análisis Jerárquico En este práctico vamos a escribir y ajustar modelos jerárquicos en JAGS. Para entender de qué se trata esto de las estructuras jerárquicas vamos a empezar con datos simulados. Objetivos: Simular datos con estructura jerárquica Realizar análisis de complete pooling y no-pooling Comparar los análisis anteriores con un...
5437 sym R (15620 sym/35 pcs) 7 img