Rekrutteringsfunksjoner for sild, torsk og lodde

Like dokumenter
ScenarioC - sluttrapport

Følsomme lusetellinger ved forslag til ny forskrift. Anders Løland

Analyse av data relatert til friksjonsmålinger og ulykkesfrekvens ved to veistrekninger i Oslo i perioden

Falske positive i lusetellinger?

Beregning av trafikkvolum for sykler basert på basiskurvemetoden

Justering til gyldig korrelasjonsmatrise

UNIVERSITETET I OSLO

10.1 Enkel lineær regresjon Multippel regresjon

Prediksjon av biomasse for norsk oppdrettslaks fase 1

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 8 (s. 1) Oppgaver fra boka:

UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet

Oppdatering av basiskurvemetodikken

Gruvedrift. Institutt for matematiske fag, NTNU. Notat for TMA4240/TMA4245 Statistikk

n n i=1 x2 i n x2 n i=1 Y i og x = 1 n i=1 (x i x)y i = 5942 og n T = i=1 (x i x) 2 t n 2

MOT310 Statistiske metoder 1, høsten 2006 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 σ2

NOTAT. Feiing og salting i Strømsås-tunnelen mars innledende analyse. Norsk Regnesentral SAMBA/27/04. Magne Aldrin. 9.

STK juni 2016

TMA4240 Statistikk Høst 2016

UNIVERSITETET I OSLO

MOT310 Statistiske metoder 1, høsten 2011 Løsninger til regneøving nr. 7 (s. 1) Oppgaver fra boka: n + (x 0 x) 2 1. n + (x 0 x) 1 2 ) = 1 γ

UNIVERSITETET I OSLO

HØGSKOLEN I STAVANGER

TMA4240 Statistikk Høst 2009

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Eksamensoppgave i TMA4255 Anvendt statistikk

Eksamensoppgave i TMA4255 Anvendt statistikk

Statistikk og havressurser

Eksamen i: STA-1002 Statistikk og sannsynlighet 2 Dato: Fredag 31. mai 2013 Tid: Kl 09:00 13:00 Sted: Administrasjonsbygget

Statistikk og havressurser

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.

EKSAMEN I TMA4245 STATISTIKK Tysdag 21. mai 2013 Tid: 09:00 13:00 (Korrigert )

TMA4245 Statistikk Eksamen desember 2016

Oppgave 1. . Vi baserer oss på at p 47 1 og p 2 er tilnærmet normalfordelte (brukbar tilnærming). Vi har tilnærmet at (n 1 = n 2 = 47)

Eksamensoppgave i ST0103 Brukerkurs i statistikk

Kvalitetssikring av rapport om GTT-gjennomgang i norske sykehus. Hanne Rognebakke

Tilleggsoppgaver for STK1110 Høst 2015

EKSAMEN I FAG TMA4260 INDUSTRIELL STATISTIKK

Forprosjekt: Kriterier for godkjenning av bruk av SAKS-tiltak i det norske kraftmarkedet. Anders Løland

Kolmule i Barentshavet

Eksamensoppgave i TMA4240 Statistikk

Eksamensoppgave i ST1201/ST6201 Statistiske metoder

Inferens i regresjon

(a) For regresjon brukes vanligvis kvadratisk tap: L(y, ŷ) = (y ŷ) 2. Den optimale prediktor basert på input variable x er da Ŷ = E[Y x].

Oppsummering av STK2120. Geir Storvik

Ekstraoppgaver for STK2120

EKSAMEN I FAG TMA4275 LEVETIDSANALYSE Lørdag 4. juni 2005 Tid: 09:00 13:00

Kort overblikk over kurset sålangt

TMA4245 Statistikk Eksamen august 2014

ST0202 Statistikk for samfunnsvitere

UNIVERSITETET I OSLO

Kolmule i Barentshavet

STK2100. Obligatorisk oppgave 1 av 2

Eksamensoppgave i TMA4245 Statistikk

j=1 (Y ij Ȳ ) 2 kan skrives som SST = i=1 (J i 1) frihetsgrader.

UNIVERSITETET I OSLO

Forelesning 8 STK3100/4100

1 + γ 2 X i + V i (2)

Anvendt medisinsk statistikk, vår Repeterte målinger, del II

Snøtetthet. Institutt for matematiske fag, NTNU 15. august Notat for TMA4240/TMA4245 Statistikk

Eksamensoppgave i TMA4267 Lineære statistiske modeller

Resultatrapport for prosjekt Reducing Software Entropy

EKSAMEN I FAG TMA4255 FORSØKSPLANLEGGING OG ANVENDTE STATISTISKE METODER

MAT-INF 2360: Obligatorisk oppgave 3. Løsningsforslag

Eksamensoppgave i ST0103 Brukerkurs i statistikk

UNIVERSITETET I OSLO

ST0202 Statistikk for samfunnsvitere

DEL 1 GRUNNLEGGENDE STATISTIKK

Merk at vi for enkelthets skyld antar at alle som befinner seg i Roma sentrum enten er italienere eller utenlandske turister.

Eksamensoppgåve i TMA4255 Anvendt statistikk

Prøveeksamen STK2100 (fasit) - vår 2018

Eksamensoppgave i TMA4255 Anvendt statistikk

UNIVERSITETET I OSLO

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere

Råd for tobisfiske i norsk sone i Tobistokt i Nordsjøen

I enkel lineær regresjon beskrev linja. μ y = β 0 + β 1 x

Eksamensoppgåve i ST0103 Brukarkurs i statistikk

Status for de pelagiske bestandene

UNIVERSITETET I OSLO

EKSAMENSOPPGAVE STA «Tabeller og formler i statistikk» av Kvaløy og Tjelmeland. To A4-ark/ 4 sider med egne notater. Godkjent kalkulator. Rute.

Løsningsforslag. n X. n X 1 i=1 (X i X) 2 og SY 2 = 1 ny S 2 X + S2 Y

Prosjektoppgaver om diusjonsprosesser og diusjonstilnærmelse

EKSAMEN I FAG TMA4315 GENERALISERTE LINEÆRE MODELLER Torsdag 14. desember 2006 Tid: 09:0013:00

ST0202 Statistikk for samfunnsvitere

Weibullfordelingen. Kjetil L. Nielsen. Innhold. 1 Teori. 1.1 Tetthetsfunksjon og fordelingsfunksjon

EKSAMEN I TMA4285 TIDSREKKEMODELLER Fredag 7. desember 2012 Tid: 09:00 13:00

Om eksamen. Never, never, never give up!

Eksamensoppgave i TMA4255 Anvendt statistikk

TMA4240 Statistikk 2014

TMA4245 Statistikk Eksamen desember 2016

Statistisk inferens (kap. 8) Hovedtyper av statistisk inferens. ST0202 Statistikk for samfunnsvitere

EKSAMEN I TMA4255 ANVENDT STATISTIKK

UNIVERSITETET I OSLO

TMA4240 Statistikk Høst 2018

Om tilpasning av funksjoner til observerte dataer

Eksamensoppgave i TMA4240 Statistikk

TMA4240 Statistikk Høst 2016

Fasit og løsningsforslag STK 1110

UNIVERSITETET I OSLO

Samordna opptak og omregningstabeller

SOS1120 Kvantitativ metode. Regresjonsanalyse. Lineær sammenheng II. Lineær sammenheng I. Forelesningsnotater 11. forelesning høsten 2005

Transkript:

Rekrutteringsfunksjoner for sild, torsk og lodde Sild 0 50 100 150 200 250 300 Beverton-Holt Ricker linear regression paa log-skala 0 2 4 6 8 10 12 14 Gytebimoasse (millioner tonn) Torsk 0 5 10 15 20 25 0.2 0.4 0.6 0.8 Gytebimoasse (millioner tonn) Lodde Lodde 0 200 400 600 800 0 200 400 600 800 0.0 0.5 1.0 1.5 Gytebimoasse (millioner tonn) 0.0 0.5 1.0 1.5 2.0 2.5 Bimoasse 1+2 aars sild (millioner tonn) Notatnr Forfatter SAMBA/12/05 Magne Aldrin Dato 13. mai 2005

Forfatteren Magne Aldrin er sjefsforsker ved Norsk Regnesentral. Han er utdannet som sivilingeniør fra linja for teknisk fysikk ved NTH i 1984 innen operasjonsanalyse og statistikk, og har doktorgrad fra Universitetet i Oslo fra 1995 innen statistikk. Han var ansatt ved Papirindustriens Forskningsinstitutt fra 1984 til 1985, og har siden vært ansatt ved Norsk Regnesentral. Norsk Regnesentral Norsk Regnesentral (NR) er en privat, uavhengig stiftelse som utfører oppdragsforskning for bedrifter og det offentlige i det norske og internasjonale markedet. NR ble etablert i 1952 og har kontorer i Informatikkbygningen ved Universitetet i Oslo. NR er et av Europas største miljøer innen anvendt statistikk. Det jobbes med svært mange forskjellige problemstillinger slik som estimering av torskebestanden, finansiell risiko, beskrivelse av geologien i petroleumsreservoarer og overvåking av klimaendringer. NR er også ledende i Norge innen utvalgte deler av informasjons- og kommunikasjonsteknologi. Problemstillinger kan være overvåke inntrengning i datasystemer, e-læring i skole og næringsliv, bruk av datateknologi i markedsanalyser samt anvendelser av multimedia på forskjellige plattformer. NRs visjon er forskningsresultater som brukes og synes.

Tittel Forfatter Rekrutteringsfunksjoner for sild, torsk og lodde Magne Aldrin <magne.aldrin@nr.no> Dato 13. mai 2005 År 2005 Publikasjonsnummer SAMBA/12/05 Sammendrag Antall rekrutter som ett-åringer for sild, torsk og lodde modelleres som funksjon av gytebiomasse, basert på historiske data. For lodde er også biomasse av 1- og 2-årige sild med i rekrutteringsfunksjonen. Tre ulike rekrutteringsfunksjoner estimeres: i) Beverton-Holt, ii) Ricker, og iii) Lineær regresjonsmodell på logskala. Emneord Målgruppe Tilgjengelighet Åpen Prosjekt Prosjektnummer Satsningsområde Antall sider 13 Copyright Norsk Regnesentral 3

Innhold 1 Innledning og data...................... 7 2 Modeller........................... 7 3 Resultater.......................... 9 A Data............................. 12 Rekrutteringsfunksjoner for sild, torsk og lodde 5

1 Innledning og data Notatet tar for seg rekruttering som ett-åringer av bestandene av norsk vårgytende sild, torsk i Barentshavet og lodde (også i Barentshavet). Antall rekrutter modelleres som funksjon av tilgjengelig gytebiomasse av den aktuelle arten. For lodde er rekrutteringa i tillegg modellert som en funksjon av biomasse av ett- og to-årige sild. Grunnen til det at store deler av silda vokser opp i Barentshavet (særlig ved store sildekull), og disse spiser loddelarver, som igjen fører til minkende rekruttering av lodde. Rekrutteringsfunksjonene er estimert på historiske data. Dataene er innhenta fra ICES arbeidsgrupperapporter av Bjarte Bogstad ved Havforskningsinstituttet, og finnes i tabell A.1 og A.2 i appendiks A. Data for sild foreligger i perioden 1950-2003, for torsk i perioden 1983-2001, og for lodde i perioden 1973-2003. Antall rekrutter er oppgitt i 10 9 og biomasse er oppgitt i 10 9 kg. Tre typer rekrutteringsfunksjoner brukes: i) Beverton-Holt, ii) Ricker, og iii) lineær regresjonmodell på log-skala. Den siste betegnes heretter kun med LR. 2 Modeller For sild og torsk er modellene: Beverton-Holt: R = B α + βb eε, Ricker: R = αbe βb e ε, LR: R = αb β e ε. Her er R antall rekrutter, B gytebiomasse, mens α-ene og β-ene er parametre som estimeres. Merk at disse parameterne har ulik fortolkning i de ulike modellene. Videre er ε normalfordelte støyledd med forventning 0 og standardavvik σ, hvor også σ er forskjellig fra modell til modell. Dermed er støyleddet e ε lognormalfordelt. På logaritmisk skala blir modellene Rekrutteringsfunksjoner for sild, torsk og lodde 7

Beverton-Holt: log R = log B log (α + βb) + ε, Ricker: log R = log α + log B βb + ε, LR: log R = log α + β log B + ε. For lodde inngår også biomasse av ett- og to-årig sild S. Jeg har prøvd to ulike varianter av hver av Ricker- og LR-modellene; en variant A) hvor S inngår som S γ og en variant B hvor S inngår som e γs. Modellene er: Beverton-Holt: Ricker, variant A: R = B α + βb + γs eε, R = αbe βb S γ e ε, Ricker, variant B: R = αbe βb e γs e ε, LR, variant A: R = αb β S γ e ε, LR, variant B: R = αb β e γs e ε. 8 Rekrutteringsfunksjoner for sild, torsk og lodde

3 Resultater Estimering gjøres ved maksimum likelihood, som her er det samme som minste kvadraters metode på log-skala. For Beverton-Holt-funksjonene brukes ikkelineær optimering, mens for de to andre funksjonene brukes standard lineær regresjon (for Ricker-modellene med log B som såkalt offset). For hver art inneholder de ulike modellene like mange parametre. Modellenes godhet kan dermed sammenlignes ved et mål på tilpasning. Jeg har brukt residual standard feil (residual standard error) på log-skala, dvs. rse = n 1/(n p)ˆε 2 i, i=1 hvor ˆε i er residualene (feilene), n er antall observasjoner og p er antall parametre (2 for torsk og sild og 3 for lodde). Dette er gjengitt i Tabell 1. For sild er alle tre modellene like gode. For torsk er Beverton-Holt-modellen dårligere enn de to andre. For lodde er variant B best for både Ricker- og LR-modellene, og begge disse er bedre enn Beverton-Holt-modellen. Modell Sild Torsk Lodde Beverton-Holt 1.50 0.83 1.16 Ricker, variant A 1.50 0.70 1.21 Ricker, variant B 1.05 LR, variant A 1.50 0.70 1.17 LR, variant B 1.06 Tabell 1. Residual standard feil for ulike modeller på log-skala. Egnetheten av de ulike funksjonene må også vurderes ut fra formen på kurvene. Figur 1 viser Beverton-Holt-funksjonene og variant B av funksjonene for Ricker og LR sammen med dataene. Rekrutteringsfunksjoner for sild, torsk og lodde 9

Sild 0 50 100 150 200 250 300 Beverton-Holt Ricker linear regression paa log-skala 0 2 4 6 8 10 12 14 Gytebimoasse (millioner tonn) Torsk 0 5 10 15 20 25 0.2 0.4 0.6 0.8 Gytebimoasse (millioner tonn) Lodde Lodde 0 200 400 600 800 0 200 400 600 800 0.0 0.5 1.0 1.5 Gytebimoasse (millioner tonn) 0.0 0.5 1.0 1.5 2.0 2.5 Bimoasse 1+2 aars sild (millioner tonn) Figur 1. Rekrutteringsdata og estimerte rekrutteringsfunksjoner. Siden e ε har forventning større enn 1, vil funksjonene i utgangspunktet gå lavere enn tyngdepunktet i datapunktene. Funksjonene er derfor justert med en multiplikativ faktor slik at de går gjennom dataene, det vi si at gjennomsnittet av funksjonverdiene i datapunktene er lik gjennomsnittet av observerte rekruttall. For lodde i nederste rad vises to paneler. Venstre panel viser antall rekrutter R mot gytebiomasseb, mens høyre panel viser antall rekrutter mot biomasse av ett- og to-årige sild S. Kurven for R som funksjon av B er beregnet med fast S lik sin gjennomsnittsverdi. Tilsvarende er kurven for R som funksjon av S beregnet for B fiksert til sin gjennomsnittsverdi. 10 Rekrutteringsfunksjoner for sild, torsk og lodde

De estimerte parameterverdiene er gjengitt i Tabell 2. For Ricker- og LR-modellene for lodde er det variant B som er vist. Estimatene for σ er identisk med tilsvarende residual standard feil fra Tabell 1. Modell Parameter Sild Torsk Lodde Beverton-Holt α 0.267 0.0939 4.6710 13 β 0.00496 5.7010 11 0.00181 γ 0.00440 σ 1.50 0.83 1.16 Ricker, variant B α 3.80 5.01 3427 β 0.0210-1.90 1.57 γ -1.98 σ 1.50 0.70 1.05 LR, variant B α 3.31 24.1 619 β 1.05 1.76 0.416 γ -1.85 σ 1.50 0.70 1.06 Tabell 2. Estimerte parametre Rekrutteringsfunksjoner for sild, torsk og lodde 11

A Data Sild Torsk Lodde Antall Gyte- Antall Gyte- Antall Gyte- Sild 1+2 år år rekrutter biomasse rekrutter biomasse rekrutter biomasse biomasse 1950 301.944 13.992 NA NA NA NA NA 1951 58.460 13.145 NA NA NA NA NA 1952 30.543 12.028 NA NA NA NA NA 1953 31.374 10.949 NA NA NA NA NA 1954 10.303 10.593 NA NA NA NA NA 1955 6.852 11.383 NA NA NA NA NA 1956 8.719 13.016 NA NA NA NA NA 1957 7.136 11.686 NA NA NA NA NA 1958 3.225 10.634 NA NA NA NA NA 1959 156.290 8.969 NA NA NA NA NA 1960 72.088 7.626 NA NA NA NA NA 1961 26.983 6.024 NA NA NA NA NA 1962 5.371 4.880 NA NA NA NA NA 1963 65.617 4.015 NA NA NA NA NA 1964 35.874 3.814 NA NA NA NA NA 1965 1.984 4.120 NA NA NA NA NA 1966 18.398 3.650 NA NA NA NA NA 1967 1.333 2.273 NA NA NA NA NA 1968 0.972 1.131 NA NA NA NA NA 1969 3.620 0.972 NA NA NA NA NA 1970 0.193 0.729 NA NA NA NA NA 1971 0.077 0.572 NA NA NA NA NA 1972 0.168 0.483 NA NA NA NA NA 1973 5.220 0.692 NA NA 737 1.242 0.002 1974 3.467 0.628 NA NA 494 0.343 0.048 1975 1.188 0.542 NA NA 433 0.090 0.074 Tabell A.1. Data 1950-1975. Antall i 10 9, biomasse i 10 9 kg. 12 Rekrutteringsfunksjoner for sild, torsk og lodde

Sild Torsk Lodde Antall Gyte- Antall Gyte- Antall Gyte- Sild 1+2 år år rekrutter biomasse rekrutter biomasse rekrutter biomasse biomasse 1976 4.080 0.539 NA NA 830 1.147 0.039 1977 2.044 0.630 NA NA 855 0.890 0.046 1978 2.508 0.667 NA NA 551 0.460 0.051 1979 5.060 0.656 NA NA 592 0.193 0.039 1980 0.595 0.702 NA NA 466 0.087 0.066 1981 0.442 0.710 NA NA 528 1.731 0.046 1982 0.940 0.679 NA NA 515 0.546 0.009 1983 135.860 0.723 2.11631 0.327180 155 0.047 0.012 1984 4.670 0.712 1.37712 0.251086 39 0.171 1.230 1985 14.510 0.593 1.75521 0.193474 6 0.106 1.147 1986 2.450 0.472 0.49253 0.170270 38 0.013 0.168 1987 3.650 0.968 0.82175 0.118329 21 0.016 0.140 1988 10.310 2.896 0.81894 0.202171 189 0.011 0.053 1989 28.460 3.515 1.51884 0.194362 700 0.141 0.122 1990 49.990 3.667 1.73209 0.340196 402 0.179 0.340 1991 134.600 3.804 3.05461 0.674435 351 1.584 0.681 1992 161.780 3.667 24.29512 0.869998 2 0.998 1.618 1993 39.240 3.508 9.36200 0.738043 20 0.460 2.550 1994 13.200 3.963 20.09420 0.601464 7 0.105 1.669 1995 3.690 4.859 27.79442 0.499775 82 0.055 0.438 1996 26.960 6.496 19.34263 0.570098 99 0.105 0.141 1997 15.840 7.842 6.81543 0.564741 179 0.228 0.273 1998 107.740 7.122 3.10542 0.386620 156 0.254 0.362 1999 82.180 6.583 3.52212 0.254726 449 0.856 1.098 2000 5.170 5.293 4.07966 0.226157 114 1.315 1.616 2001 9.820 4.577 4.36198 0.333704 60 1.487 0.715 2002 82.470 4.594 NA NA 82 1.215 0.130 2003 69.392 5.787 NA NA 51 0.832 0.822 Tabell A.2. Data 1976-2003. Antall i 10 9, biomasse i 10 9 kg. Rekrutteringsfunksjoner for sild, torsk og lodde 13