Esercizio 1

Immaginiamo d’aver campionato 10 individui di vipera comune da 5 popolazioni aventi SVL media
pari a 50, 40, 45, 55 e 60. Ciò corrisponde a una SVL media di riferimento pari a 50 con differenze
di SVL di -10, -5, 5 e 10 per le popolazioni 2-5. Scegliamo una deviazione standard dei residui di
SVL pari a 3, e salviamo tutto nel file “SVL_5pop.txt”. Realizzate un primo modello statistico dove
le popolazioni sono considerate come effetti fissi, e un secondo avente le popolazioni come effetti
random, e cercate di riottenere i parametri utilizzati in simulazione.
Esercizio 2
Abbiamo modificato il dataset di vipera comune, aggiungendo informazione proveniente da altre 51
popolazioni. Questo porta il numero totale di popolazioni a 56. Questa volta, siamo interessati a capire
se la lunghezza (SVL) di un individuo possa aiutarci a predirne il peso. Occorre però tenere a mente
che, in popolazioni diverse, potrebbero valere relazioni peso/lunghezza differenti. Abbiamo, a questo
proposito, generato un primo dataset “LMM_data1.txt” dove le intercette e le pendenze sono assunte
come effetti random indipendenti, e un secondo dataset “LMM_data2.txt” che include correlazione
tra intercette random e pendenze random. Realizzate i due corrispondenti modelli lineari a effetti
misti, e commentatene i risultati.
Esercizio 3
La situazione inferenziale qui considerata è quella di conteggi di lepre comune in un campione di 10
seminativi e 10 praterie. I conteggi sono riassunti nel file “hares.txt”. Ci chiediamo quanto la densità
di lepri possa dipendere dall’uso del suolo. Aiutateci a rispondere a questa domanda!
Esercizio 4
Assumiamo d’aver misurato la carica parassitaria in Cordulegaster bidentata, una specie di libellula.
Ci interessa particolarmente capire quanto la quantità di acari rossi correli con la lunghezza di un
individuo (misurata in lunghezza alare), e se questa correlazione vari tra i diversi range altitudinali di
Pirenei, Massiccio Centrale e Jura. A dirla tutta, le libellule non differiscono così tanto per lunghezza,
ma assumiamo comunque che ci sia sufficiente variabilità di dimensione da render questo studio
fattibile e interessante! I dati provenienti da questo studio sono riportati in “dragonfly.txt”. Costruite
un modello statistico che descriva adeguatamente l’andamento della carica parassitaria, e forniteci
una misura della sua correlazione coi diversi fattori in esame.
Esercizio 5
Vorremmo analizzare un dataset di monitoraggio a lungo termine di averla piccola, salvato come
“shrikes.txt”. Assumiamo di avere a disposizione dei conteggi annuali di coppie di averla piccola in
30 anni di monitoraggio di 16 popolazioni (il disegno di campionamento è bilanciato unicamente per
convenienza). In nostro intento è quello di modellizzare il trend globale della specie, tenendo
contemporaneamente in considerazione il fatto che questo trend possa variare da popolazione a
popolazione. A questo proposito, provate a parametrizzare un modello lineare generalizzato a effetti
misti (GLMM) in JAGS, con effetti random sulle intercette e sui coefficienti angolari assunti come
indipendenti. Per facilitare sia la convergenza che l’interpretabilità dei coefficienti, potrebbe essere
opportuno standardizzare la sequenza di anni perché rientri nel range tra 0 e 1:
dati$year <- (dati$year – 1990)/29.
Esercizio 6
Si consideri il caso di un inventario floristico realizzato in alcune praterie calcaree tra montagne del
Jura. Un gruppo di esperti botanisti ha visitato 50 siti e registrato la presenza di genziana crociata e
di genziana tedesca. La prima specie è stata rinvenuta in 13 siti, mentre la seconda in 29. Ci
domandiamo se questa differenza basti, considerata la modesta dimensione campionaria, per
concludere che la genziana crociata abbia un areale più ristretto nella regione montuosa del Jura
rispetto alla genziana tedesca. Rispondete a questo nostro dubbio con l’ausilio di un adeguato modello
o test statistico. Troverete i dati nel file “gentians.txt”.
Esercizio 7
Esiste un morfo di marasso completamente melanico, che si crede possa conferire un vantaggio
termico in condizioni di difficile termoregolazione. Di conseguenza, la proporzione di marassi
melanici dovrebbe esser maggiore in siti più freschi e umidi. Ci siamo recati nelle regioni del Jura,
della Foresta Nera e delle Alpi, e campionato marassi in 10 popolazioni per ciascuna delle tre regioni.
Più nel dettaglio, abbiamo annotato il morfo dei marassi campionati in queste popolazioni, con
l’intento di relazionare la proporzione di marassi melanici riscontrata in ciascuna popolazione con la
regione d’appartenenza della popolazione e con un indice combinato di bassa temperatura, umidità e
settentrionalità del sito. Naturalmente, ci aspettiamo che la proporzione di marassi melanici aumenti
in popolazioni con indice combinato più elevato. Formulate un adeguato modello statistico e cercate
di smentire la nostra ipotesi!
I file “Jura.txt”, “BlackForest.txt” and “Alps.txt” contengono le sequenze di osservazioni proprie di
ciascuna regione, e distinte per popolazione. In queste sequenze abbiamo codificato i marassi
melanici con 1. Provate a far girare il modello partendo da questi tre dataset, ma nel caso aveste
difficoltà nel riarrangiare i dati, potete riferirvi al file “adder.txt”!
Esercizio 8
Piuttosto che contarne il numero di coppie, questa volta studiamo il successo riproduttivo (1:
successo, 0: insuccesso) di averla capirossa. Nello specifico, siamo interessati a quali siano le
relazioni tra le precipitazioni durante la stagione riproduttiva e il successo riproduttivo; pensiamo che
primavere molto piovose possano deprimere la proporzione di nidi di successo. Abbiamo studiato 16
popolazioni, seguendo ciascuna per 10 stagioni riproduttive dal 2010 al 2019, e ve ne presentiamo i
dati in “woodchat.txt”. Dato che ci aspettiamo che la correlazione tra precipitazioni e successo
riproduttivo possa variare da popolazione a popolazione, pensiamo che qualsiasi modello in grado di
rappresentare il fenomeno debba necessariamente includere effetti random popolazione-dipendenti.
Realizzate il modello statistico Bayesiano che vi sembra più adeguato, e soprattutto considerando
tutti gli effetti random che impiegherete in analisi come indipendenti fra loro.
Esercizio 9
Consideriamo nuovamente un inventario della genziana tedesca realizzato in 150 praterie calcaree
delle montagne del Jura. Il nostro scopo è di stimare la proporzione di siti occupati e di identificare i
fattori ambientali in grado di spiegarne la distribuzione. È importante tenere presente che, malgrado
la Gentianella germanica sia una pianta tipicamente associata a siti poveri di nutrienti, essa preferisca
praterie oligotrofiche con buon grado di umidità. Tuttavia, queste praterie presentano spesso
copertura vegetale piuttosto abbondante e che potrebbe impedirci di osservar la specie, visto che
quest’ultima raggiunge al massimo un’altezza di 40 cm. Ecco quindi che questo effetto potrebbe
mascherar la preferenza della genziana per siti a maggior umidità. Esistono modelli che riescano a
risolvere questo nostro problema? E se sì, cercate di realizzarne uno che descriva adeguatamente la
distribuzione di Gentianella germanica. I dati sono contenuti nel file “Gentianella.txt”.
Esercizio 10
Per più di un decennio, i Paesi Bassi hanno ospitato un interessante progetto di monitoraggio di specie
di rettili che vedeva diversi gruppi di volontari percorrere, a ripetizione durante il periodo primaverile,
dei transetti di circa 2km e annotare qualsiasi rettili incontrassero. I dati presentati nel file
“Netherlands.txt” si inquadrano proprio in questo progetto, e si riferiscono ai conteggi di Lacerta
agilis ottenuti in 200 siti nel 2019. Date un’occhiata a questi dati, e cercate di descrivere la
distribuzione delle abbondanze per sito di questa specie. Naturalmente, in questo contesto occorre
tener conto che la specie è stata contattata imperfettamente. Tenete anche presente che la copertura
vegetativa, standardizzata e inclusa in database, potrebbe influenzare sia l’abbondanza reale per sito,
nel senso che la specie potrebbe preferire ambienti né troppo aperti e né troppo chiusi, che inficiare
la contattabilità della specie.