Calibración VPA Santiago Cerviño IEO – CO de Vigo.

Slides:



Advertisements
Presentaciones similares
DISEÑOS DE ESTUDIO EN EPIDEMIOLOGIA
Advertisements

ESTIMACION DE PARAMETRO
ANALISIS PARAMÉTRICOS
Efectos macroeconómicos y distributivos de la reforma sobre el impuesto a la renta en Colombia Una aproximación mediante un modelo de equilibrio general.
Estimadores puntuales e intervalos de confianza
REGRESION LINEAL SIMPLE
TEMA 10. GESTIÓN DE PESQUERÍAS: MEDIDAS DE REGULACIÓN
MODELO DE REGRESIÓN MÚLTIPLE
MUESTREO DE AUDITORIA PARA PRUEBAS DE DETALLES DE SALDOS
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Modelo de Producción de madera en rollo proveniente del bosque natural.
Bioestadística Aplicada I
Durante el Plenario Nº 281 de la CTMFM realizado en abril de 2009, ambas Delegaciones resolvieron adoptar una serie de acciones con la finalidad de realizar.
Evaluación de un método de uso iterativo de la clave longitud – edad con datos de anchoíta bonaerense Buratti, C. Orlando, P. y Garciarena, D.
Regresión Lineal Simple
División de Estudios Políticos, CIDE
MEDIDAS DE DISPERSIÓN:
Potencial reproductivo de la merluza
TEMA XXI. ESQUEMA GENERAL DISEÑO LONGITUDINAL DE MEDIDAS REPETIDAS SIMPLE Diseño de una muestra de sujetos. Estudio de las curvas de crecimiento Análisis.
Curso de Bioestadística. ANOVA
Master Pesca Evaluación Recursos Pesqueros
Pronósticos, Series de Tiempo y Regresión
VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
3. Funciones discriminantes para la f.d.p normal.
UNIVERSIDAD NACIONAL INTERCULTURAL DE LA AMAZONIA
Teoría de colas Teoría de colas Alternativa a estudios de simulación
PARMETROS DE POBLACION La densidad de las poblaciones de animales y plantas en sus áreas de distribución es variable. Por ejemplo es factible identificar.
Método de recuperación de Theis
Ejemplo de Dinámica de Sistema Ingeniería de Sistemas II. Lic. Olban Vargas.
M. Angélica Maulén-Yañez (1) y Eduardo González-Olivares (2)
Modelo de regresión con dos variables: Estimación
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
ANALISIS DE FRECUENCIA EN HIDROLOGIA (3)
GRÁFICOS ESTADÍSTICOS
Métodos de calibración: regresión y correlación
Proyecciones Santiago Cerviño (IEO). Proyecciones Introducción Papel de las proyecciones en evaluación Planteamiento de precaución Tipos de proyecciones.
ESTADISTICA I CSH M. en C. Gal Vargas Neri.
Segunda parte: Introducción a la dinámica
Titular: Agustín Salvia
Regresión No- lineal y Múltiple
Inferencia Estadística
Análisis de regresión MCO MELI.
CV Métodos numéricos en ingeniería civil
MPDH (DEPM) O.....COMO SABER CUANTOS HUEVOS (DE ANCHOVETA) HAY EN EL MAR....
Diseño de un grupo de sujetos
Análisis de los datos.
Simulación del modelo de crecimiento ilimitado Mercedes Jatziri Gaitán González Lab. Fisiología Humana Depto. Ciencias de la Salud DCBS. Universidad Autónoma.
Valentín Trujillo Máster en Economía, Evaluación y Gestión Del Medio Marino y los Recursos Pesqueros.
TEMA 9. MÉTODOS DE EVALUACIÓN DE POBLACIONES EXPLOTADAS
UNIDAD 1.- EVALUACIÓN DE DATOS ANALITICOS
1 Condiciones de extremo Proceso para derivar las condiciones De problema más simple a más complejo Progresión de problemas: Problema sin restricciones.
MÉTODOS DE ANÁLISIS EN LA TOMA DE DECISIONES EXISTEN PROCEDIMIENTOS DE ORDEN MATEMÁTICO, FINANCIERO, ECONÓMICO, ESTADÍSTICO ENTRE OTROS, PARA LA TOMA DE.
Estadística Descriptiva
Taller 2 Reflexiones sobre Metodología Cuantitativa: Potencial de la comparación de muestras Germán Fromm R.
Maestría en Transporte Regresamos... (el problema de la regresión lineal) Clase 5.
Regresión Lineal Simple
INTERVALO DE CONFIANZA
Instituto Español de Oceanografía Centro Oceanográfico de Cádiz
Regresión lineal simple Nazira Calleja
MODELOS DE PRONOSTICOS Primer semestre 2010 Modelo de Regresión con dos variables.
Unidad 4 Análisis de los Datos.
Maria Victorel - Artista Plástica Modelos de dinámica poblacional multiflota estructurados de especies costeras óseas en la Zona Común de Pesca argentino-uruguaya.
TEMA 8 INVESTIGACIONES EX POST FACTO
Elementos del Diseño de Investigación Defina el Problema Revise la literatura Formule una hipótesis Planee investigar y probar su hipótesis Planee necesidades.
Aplicaciones Estadísticas a las Finanzas Clase 1
REGRESIÓN LINEAL SIMPLE
Tema : DISTRIBUCIÓN EN EL MUESTREO DEL ESTIMADOR : “ MEDIA MUESTRAL “ A partir de una población si pudieramos realizar un Censo obtendríamos los parámetros.
MAGNITUD DE UNA POBLACION DE PECES. GENERALIDADES Conocer el tamaño en número y biomasa de un recurso pesquero explotado, tamaño de la flota pesquera,
Evaluando los promedios de grupos distintos UNIDAD 7 1.
Transcripción de la presentación:

Calibración VPA Santiago Cerviño IEO – CO de Vigo

El VPA (Virtual Population Analysis) es un método para reconstruir la historia de una población explotada. Proporciona abundancia por año y edad (N a,y ) y mortalidad pesquera por año y edad (F a,y ). A partir de datos de: –capturas (C a,y ) –mortalidad natural (M a,y ) –Que asumimos conocidos y sin error

La base del VPA: análisis de cohortes Cada cohorte es un sistema de ecuaciones que relaciona C y M con N y F Ecuación de Baranov (C a lo largo del año) –N a,y = N a+1,y+1 * exp(Z a,y ) Z a,y = F a,y + M a,y –C a,y = F a,y / Z a,y * N a,y * (1-exp(-Z a,y )) Aproximación de Pope (C en t=0.5) –N a,y = N a+1,y+1 * exp (M a,y ) + C a,y * exp (M a,y / 2) –F a,y = ln (N a,y /N a+1,y+1 )-M a,y –Soluciona analíticamente la ecuación de capturas asumiendo que suceden a mitad de año. Actualmente no es necesario.

En ambos casos el sistema de ecuaciones de una cohorte tiene más ecuaciones que incógnitas (1  hay que fijar un valor) –Si conocemos toda la historia de mortalidad de una cohorte (C y M) podemos solucionar el sistema de ecuaciones (N last age, y = 0) –Podemos fijar una F asumiendo que es similar a las de otras cohortes (F last age, y = F last age-1, y ) –O con información adicional  CALIBRACION o “tunning”

Información para calibración Índices de abundancia: –Abundancia de campañas (I a,y ) –Capturas por unidad de esfuerzo (I a,y = C a,y /f a,y ) o CPUEs. Modelar la relación entre I y N: –I es proporcional a la abundancia de la población (I a,y = q * N a,y ) donde q es la capturabilidad (q = I a,y / N a,y ) –I depende de la abundancia (I a,y = a * N a,y b ) –…

Con información adicional podemos solucionar los sistemas de ecuaciones mediante aproximación numérica (SOLVER, …) Calibración –Los índices de abundancia están medidos con altos errores –El error es mayor cuando la abundancia es mayor  modelo estadístico –Linearización I a,y = a * N a,y b  Ln (I a,y ) = Ln(a a,y ) + b*ln(N a,y ) + Error –Asunciones: I proporcional o dependiente de N Parámetros constantes en el tiempo Error lognormal Errores independientes

Ecuaciones calibración VPA Modelo dinámico (APV)Modelo de calibración para cada edad Parámetros estimados Sobrevivientes (1 por cohorte) q (1 por edad) OBJETIVO: encontrar los sobrevivientes que hacen que las diferencias con los I son mínimos. N a,y = N a+1,y+1 * exp(Z a,y ) C a,y = F a,y / Z a,y * N a,y * (1-exp(-Z a,y )) Z a,y = F a,y + M a,y N a,y = N a+1,y+1 * exp (M a,y ) + C a,y * exp (M a,y / 2) F a,y = ln (N a,y /N a+1,y+1 )-M a,y

Calibración VPA: datos VPA –Capturas por año y edad –Mortalidad natural por año y edad Calibración (tunning) –Indices de abundancia por año y edad o –CPUEs por año y edad o –Esfuerzo o –Índices de biomasa o –Combinaciones de todos

Calibración VPA: asunciones VPA –C son conocidas y sin error –M conocido y sin error –F está igualmente repartido a lo largo del año o F sucede de golpe a mitad de año. Capturabilidad –Constante a lo largo del año –Proporcional a la abundancia (o dependiente de la abundancia) –Error lognormal (o otros) –Errores independientes

Ejercicios popGen.xls –Genera una población a partir de sus parámetros, su dinámica y su explotación (hojas “Abundancia Pop” y “Resumen”) Reclutamiento Mortalidad por pesca (F=f año *S edad ) –Mortalidad anual (f) –Selección por edad (S) Mortalidad natural (M) Peso por edad –En la captura –En la población (1 enero) Madurez por edad –A partir de la población simulada genera el muestreo de las cantidades necesarias para un VPA (C y M) y su calibración (I) calibracionVPA.xls –Lee los datos de popGen.xls y ajusta un modelo de calibración con el solver

Ejercicio 1 Copia la carpeta plantillas, con los archivos popGen y calibracionVPA en una nueva carpeta llamada ejercicio1 Genera una nueva población con popGen. Muestrea capturas y campañas sin errores ni tendencias Ajústala en calibraciónVPA Analiza el ajuste mediante (I obs – I esp ) Compara los resultados con los verdaderos en popGen.

Ejercicio 2 Copia la carpeta del ejercicio1 en una nueva carpeta llamada ejercicio2 Muestrea campañas con tendencias y sin errores Ajústala en calibraciónVPA Analiza el ajuste. Compara con los resultados originales

Ejercicio 3 Copia la carpeta del ejercicio2 en una nueva carpeta llamada ejercicio3 Muestrea campañas con tendencias y con errores (CV=0.3) Ajústala en calibraciónVPA Analiza el ajuste Compara con los resultados originales y con los del ejercicio 2. Discusion

Ejercicio 4 Copia la carpeta del ejercicio3 en una nueva carpeta llamada ejercicio4 Muestrea capturas sin tendencias y con errores (CV=0.1) Ajústala en calibraciónVPA Analiza el ajuste Compara con los resultados originales y con los del ejercicio 3. Discusion

Deberes En el VPA asumimos que las Capturas y la M son exactos. Plantea un ejercicio similar a los realizados para evaluar los efectos de estas asunciones –¿Qué pasaría si la M es mayor o menor de lo que pensamos? –¿Qué pasaría si la M es mayor en las edades pequeñas y lo ignoramos? –¿Qué pasaría si en años recientes sólo se declara un porcentaje de las capturas. –¿Qué pasaría si se descarta un porcentaje de los peces pequeños y no se registra? Usa siempre el mismo modelo, con errores en las campañas. Cambia sólo aquello que es objeto de interpretación