[02] Modellare l’imprevedibile: matematica e ecologia

[02] Modellare l’imprevedibile: matematica e ecologia

Spieghiamo perché in ecologia i dati osservati non coincidono mai perfettamente con la realtà biologica. Introduciamo modelli di stato, osservabilità imperfetta, approccio frequentista e bayesiano, inferenza, predizione e Integrated Population Models come strumenti per prendere decisioni di conservazione più robuste. Fonti non esplicitamente citate nell'episodio: Kéry & Schaub, 2012, “Bayesian Population Analysis using WinBUGS” Schaub & Abadi 2011, “Integrated population models: a novel analysis framework for deeper insights into population dynamics” Tredennick et al. 2021, “A practical guide to selecting models for exploration, inference, and prediction in ecology”

Spieghiamo perché in ecologia i dati osservati non coincidono mai perfettamente con la realtà biologica.
Introduciamo modelli di stato, osservabilità imperfetta, approccio frequentista e bayesiano, inferenza, predizione e Integrated Population Models come strumenti per prendere decisioni di conservazione più robuste.


Fonti non esplicitamente citate nell'episodio:
Kéry & Schaub, 2012, “Bayesian Population Analysis using WinBUGS”
Schaub & Abadi 2011, “Integrated population models: a novel analysis framework for deeper insights into population dynamics”
Tredennick et al. 2021, “A practical guide to selecting models for exploration, inference, and prediction in ecology”

EDUNEXT - Next Education Italia

Telefono: +39 0522 522521
E-Mail: info@edunext.eu

© EDUNEXT - Next Education Italia | Tutti i diritti riservati