Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Outros Autores: | |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ICED-9H3G8D |
Resumo: | O sitema da corrente de Humboldt do norete (NHCS) é um dos mais produtivos ecossisteas em termos de peixes do mundo. Em particular, a anchova peruana (Engraulis reingers) é a maior presa dos predadores superiores, como mamíferos, aves, peixes e pescadores. Nesse contexto, é importante compreender a dinâmica da distribuição de anchova paraa preservá-la,bem como para explorar sua capacidade econômica. Usando os dados recolhidos pelo "Instituto del Mar del Perú" (IMARPE), durante uma pesquisa cientifica em 2005, apresenta-se uma análise estatística que tem como objetivos principais:(i) se adaptar às características dos dados amostrados como: dependência espacial, altas proporções de zeros e grandes tamanhos de amostras, (ii) fornecxer informações importantes da dinâmica da população de anchovas e propor um modelo para estimação e previsão da biomassa da anchova no NHCS do Perú. Os dados são analisados em um contexto Bayesiano usando a metodologia Integrated Nested Laplace Approximation (INLA). Finalmente, usa-se critérios de comparações entre modelos para selecionar o modelo proposto de melhor ajuste. Também é feito um estudo do poder preditivo de cada modelo. Além disso, é realizado um diagnóstico de influência Bayesiana para o modelo preferido. |
id |
UFMG_25d4ba537e390566e740f5e792166cc8 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ICED-9H3G8D |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Marcos Oliveira PratesThais Cristina Oliveira de FonsecaFlavio Bambirra GoncalvesZaida Jesus Quiroz CornejoHåvard Rue2019-08-10T21:26:00Z2019-08-10T21:26:00Z2014-01-13http://hdl.handle.net/1843/ICED-9H3G8DO sitema da corrente de Humboldt do norete (NHCS) é um dos mais produtivos ecossisteas em termos de peixes do mundo. Em particular, a anchova peruana (Engraulis reingers) é a maior presa dos predadores superiores, como mamíferos, aves, peixes e pescadores. Nesse contexto, é importante compreender a dinâmica da distribuição de anchova paraa preservá-la,bem como para explorar sua capacidade econômica. Usando os dados recolhidos pelo "Instituto del Mar del Perú" (IMARPE), durante uma pesquisa cientifica em 2005, apresenta-se uma análise estatística que tem como objetivos principais:(i) se adaptar às características dos dados amostrados como: dependência espacial, altas proporções de zeros e grandes tamanhos de amostras, (ii) fornecxer informações importantes da dinâmica da população de anchovas e propor um modelo para estimação e previsão da biomassa da anchova no NHCS do Perú. Os dados são analisados em um contexto Bayesiano usando a metodologia Integrated Nested Laplace Approximation (INLA). Finalmente, usa-se critérios de comparações entre modelos para selecionar o modelo proposto de melhor ajuste. Também é feito um estudo do poder preditivo de cada modelo. Além disso, é realizado um diagnóstico de influência Bayesiana para o modelo preferido.The Northern Humboldt Current System (NHCS) is the world most productive ecosystem in terms of fish. In particular, Peruvian anchovy (Engraulis ringens) is the major prey of the principal top predators, like mammals, seabirds, fish and fishers. In this context, it is important to understand the dynamics of the anchovy distribution to preserve it as well as to explore its economical capacities. Using the data collected by the Instituto del Mar del Perú (IMARPE), during a scientific survey in 2005, we present a statistical analysis that has as main goals: (i) adapt to the characteristics of the sampled data, such as spatial dependence, high proportions of zeros and big samples size, (ii) provide important insights on the dynamics of the anchovy population and propose a model for estimation and prediction of anchovy biomass in the NHCS of Perú. These data are analyzed in a Bayesian framework using the Integrated Nested Laplace Approximation (INLA) methodology. Finally, model comparison is performed to select the best model and predictive checks to study the predictive power of each model. Moreover, a Bayesian spatial influence diagnostic is performed for the preferred model.Universidade Federal de Minas GeraisUFMGEstatísticaGeoestatísticaApproximationModelo Gaussiano latenteEcologia marinhaIntegrated nested laplaceInferência Bayesiana aproximadaAbordagem Bayesiana para estimar a biomassa das anchovas na costa do Perúinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdisserta__o_quiroz.pdfapplication/pdf2906416https://repositorio.ufmg.br/bitstream/1843/ICED-9H3G8D/1/disserta__o_quiroz.pdf278b11e2b25f306b7cd3827da8b2fca4MD51TEXTdisserta__o_quiroz.pdf.txtdisserta__o_quiroz.pdf.txtExtracted texttext/plain100146https://repositorio.ufmg.br/bitstream/1843/ICED-9H3G8D/2/disserta__o_quiroz.pdf.txt5536499a0453a3ca98d437f7e0d3069aMD521843/ICED-9H3G8D2019-11-14 05:18:17.207oai:repositorio.ufmg.br:1843/ICED-9H3G8DRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T08:18:17Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
title |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
spellingShingle |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú Zaida Jesus Quiroz Cornejo Geoestatística Approximation Modelo Gaussiano latente Ecologia marinha Integrated nested laplace Inferência Bayesiana aproximada Estatística |
title_short |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
title_full |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
title_fullStr |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
title_full_unstemmed |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
title_sort |
Abordagem Bayesiana para estimar a biomassa das anchovas na costa do Perú |
author |
Zaida Jesus Quiroz Cornejo |
author_facet |
Zaida Jesus Quiroz Cornejo Håvard Rue |
author_role |
author |
author2 |
Håvard Rue |
author2_role |
author |
dc.contributor.advisor1.fl_str_mv |
Marcos Oliveira Prates |
dc.contributor.advisor2.fl_str_mv |
Thais Cristina Oliveira de Fonseca |
dc.contributor.referee1.fl_str_mv |
Flavio Bambirra Goncalves |
dc.contributor.author.fl_str_mv |
Zaida Jesus Quiroz Cornejo Håvard Rue |
contributor_str_mv |
Marcos Oliveira Prates Thais Cristina Oliveira de Fonseca Flavio Bambirra Goncalves |
dc.subject.por.fl_str_mv |
Geoestatística Approximation Modelo Gaussiano latente Ecologia marinha Integrated nested laplace Inferência Bayesiana aproximada |
topic |
Geoestatística Approximation Modelo Gaussiano latente Ecologia marinha Integrated nested laplace Inferência Bayesiana aproximada Estatística |
dc.subject.other.pt_BR.fl_str_mv |
Estatística |
description |
O sitema da corrente de Humboldt do norete (NHCS) é um dos mais produtivos ecossisteas em termos de peixes do mundo. Em particular, a anchova peruana (Engraulis reingers) é a maior presa dos predadores superiores, como mamíferos, aves, peixes e pescadores. Nesse contexto, é importante compreender a dinâmica da distribuição de anchova paraa preservá-la,bem como para explorar sua capacidade econômica. Usando os dados recolhidos pelo "Instituto del Mar del Perú" (IMARPE), durante uma pesquisa cientifica em 2005, apresenta-se uma análise estatística que tem como objetivos principais:(i) se adaptar às características dos dados amostrados como: dependência espacial, altas proporções de zeros e grandes tamanhos de amostras, (ii) fornecxer informações importantes da dinâmica da população de anchovas e propor um modelo para estimação e previsão da biomassa da anchova no NHCS do Perú. Os dados são analisados em um contexto Bayesiano usando a metodologia Integrated Nested Laplace Approximation (INLA). Finalmente, usa-se critérios de comparações entre modelos para selecionar o modelo proposto de melhor ajuste. Também é feito um estudo do poder preditivo de cada modelo. Além disso, é realizado um diagnóstico de influência Bayesiana para o modelo preferido. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014-01-13 |
dc.date.accessioned.fl_str_mv |
2019-08-10T21:26:00Z |
dc.date.available.fl_str_mv |
2019-08-10T21:26:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/ICED-9H3G8D |
url |
http://hdl.handle.net/1843/ICED-9H3G8D |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/ICED-9H3G8D/1/disserta__o_quiroz.pdf https://repositorio.ufmg.br/bitstream/1843/ICED-9H3G8D/2/disserta__o_quiroz.pdf.txt |
bitstream.checksum.fl_str_mv |
278b11e2b25f306b7cd3827da8b2fca4 5536499a0453a3ca98d437f7e0d3069a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589504940900352 |