Transcript Dette er Havforskningsinstituttet

▶ Dette er Havforskningsinstituttet
Havforskningsinstituttet er et nasjonalt rådgivende
forskningsinstitutt med ca. 700 tilsatte.
Instituttet driver forskning og rådgiving knyttet til marine
økosystemer og akvakultur.
Omfattende nasjonalt samarbeid, inkl.
UiB, UiO, NR, UiTø, UNIS, Nansen Senteret,
Bjerknes Senteret
Omfattende internasjonalt samarbeid ICES, EU,
Russland, US-Canada-Norway Cooperation
▶ Et nasjonalt institutt
Holmfjord i Porsangerfjorden
AVDELING TROMSØ
I Bergen har Havforskningsinstituttet kontorer
og laboratorier i flere bygg på Nordnes og
drifter 6 fartøyer
Kontor Trondheim
Kontor Oslo
FORSKNINGSSTASJONEN MATRE
FORSKNINGSSTASJONEN AUSTEVOLL
Parisvatnet i Øygarden
FORSKNINGSSTASJONEN FLØDEVIGEN
Guddalselva i Kvinnherad
▶ Hovedsatsingsområder
• Akvakultur og kyst
• Havområdene
• Ytre påvirkning
Behov for statistikere/matematikere i
tverrfaglige forskningsprosjekt
•
•
•
•
•
•
Statistiske survey metoder
– Survey design og optimalisering
– Design-basert estimering
– Modellbasert estimering inkl. bayesianske metoder
Eksperimentell design
Hierarkiske statistiske modeller for analyse av økologiske data fra survey
Beregningsmetoder
Predikeringsmodellering for bestandsberegninger
– Bayesianske og frekventistiske metoder
Genomikk
Mulige stillinger (Post-doc eller faste stillinger)
Forskningsgruppen Fiskeridynamikk
• 1-3 års perspektiv :
– Statistiker som skal jobbe med design og analyse av survey,
inkludert kvantifisering av usikkerhet
– Matematiker/statistiker som skal jobbe med
predikeringsmodeller for estimering av fiskebestander
Kontakt: Jon Helge Vølstad, Leder FG Fiskeridynamikk
[email protected]
Mobil: 46929039
Modellering & Kvantifisering av
Usikkerhet
2
Karrieredag – (Sfi) – 31.okt. 2012
Sam Subbey
[email protected]
Inst. of Marine Research
P.O. Box 1870 Nordnes
N-5817 Bergen, Norway
Phone/Fax: +47 55 23(8409)/(8687)
File.tex – Modellering & Kvantifisering av Usikkerhet – Sam Subbey – 31/10/2012 – 15:42 – p. 1/5
Modellering av Fiskebestander
Fiskebestandsmodeller
Beskriver Populasjons dynamikken (utviklingen)
Gir estimat av bestandsstørrelse ved gitt tidspunkt
Basert på observerte data
Inngangsdata
Kommesielle fangst og forskningstokt
Usikre – pga. aggregering, samplingfeil, osv
Usikkerhet
Modell usikkerhet (begrenset prosessforståelse)
Data usikkerhet (aggregering, samplingfeil, osv)
Prediksjoner
File.tex – Modellering & Kvantifisering av Usikkerhet – Sam Subbey – 31/10/2012 – 15:42 – p. 2/5
Bestandsvurdering – Modellering
Statistisk Basert
Data og modell usikkerhet
Statistisk antagelser (fordelinger)
Usikre prediksjoner
Tilnærming
P arsimonious statistiske modeller
Høy prediksjonsevner
Hensyn til usikkerhet i inngangsdata
Prediksjoner med kvantifisert usikkerhetsmarginer
File.tex – Modellering & Kvantifisering av Usikkerhet – Sam Subbey – 31/10/2012 – 15:42 – p. 3/5
Eksempel
Observasjonsmodeller
log(Ci,j ) ∼ N(0, σc2 )
Fangstdata–Ci,j
1
log(Ii,j ) ∼ N(0, σI2 )
1996
1997
0.9
1998
0.8
1999
0.7
2000
Year
Strukturellemodeller
0.6
2001
2002
0.5
2003
0.4
2004
0.3
2005
2006
0.2
2007
0.1
Ni,j = (Ni,j−1 − Ci,j−1 )e−mi,j
2008
3
4
5
6
7
8
9
10
11
12
Age
Ii,j ∝ Ni,j
Toktdata–Ii,j
200
180
1
1996
1997
0.9
1998
0.8
1999
160
0.7
140
2000
Year
2002
0.5
2003
N7+
0.6
2001
120
0.4
2004
0.3
2005
2006
0.2
2007
0.1
100
80
(0 ∞)
(0 0.4]
[0.1 0.4]
[0.2 0.3]
[0.2 0.4]
[0.3 0.4]
cVPA
2008
3
4
5
6
7
8
Age
9
10
11
12
0
60
40
1996
1998
2000
2002
Year
2004
2006
2008
File.tex – Modellering & Kvantifisering av Usikkerhet – Sam Subbey – 31/10/2012 – 15:42 – p. 4/5
Forskning – State-Space Modellering
Bakgrunn
Kobling mellom tilstandsvariabler og observasjoner
State (Tilstand – ikke målbar)
Nt = f (Nt−1 , θ) + wt ; wt ∼ N(0, Σwt )
Space (Observasjoner)
Kt = µt Nt + vt ; vt ∼ N(0, Σvt ).
Tilnærming:
θ bestemmes via Conditional likelihood
Sammenligne nøyaktighet – alder- og/eller
lengde-baserte data
File.tex – Modellering & Kvantifisering av Usikkerhet – Sam Subbey – 31/10/2012 – 15:42 – p. 5/5