Formatear los datos de ocupación
Cargar estos datos y formatearlos para entrada al programa unmarked
Asumir que cada día represta una ocasión y todos sitios se han muestreado cada día
Por eso no es necesario crear un grupo ¨no muestreado¨ (¡pero sí es posible que hay ninguna detección en un sito!)
Este archivo contiene una covariable cov para cada de los 100 sitios del estudio
Leerlos los datos y convierlos a una trama de datos con sol la variable cov
Sugerencia - sería fácil usar la función subset para seleccionar columnas
Combinar la trama de datos con cov con los datos de ocupación como siteCovs
Correr por lo menos un modelo para verificar que los datos funcionarán al programa
Modelos de la ocupación de solo una estación
Para los datos BLGR, construir los siguientes 5 modelos.
Detección es una función del logaritmo del tamaño del campo y varia entre durante ocasiones, ocupación es constante
Detección varia sobre ocasiones, ocupación varia sobre los sitios en relación del logaritmo del tamaño del campo
Detección varia como una función del log (tamaño del campo) y variando sobre ocasiones, ocupación varía sobre los sitios en relación del logaritmo del tamaño del campo
La detección y la ocupación constantes
La detección varia sobre ocasiones y la ocupación constante
Evaluar AIC para cada modelo
Calcular predicciones promedio ponderado para la ocupación para valores de tamaños en el rango de 10 a 50 hectares por niveles de 10. Utilice la función integrada de predección se llama predict().
Tamaño del muestreo de una sola estación
Para los datos de BLGR e el modelo de psi y constante p, evaluar la precisión (CV = se / Psi)
Suponiendo que los psi y p permanecen constantes en un futuro, indicar combinaciones de los números de sitios entre 41 y 75 y número de replicados entre 3 y 8 que lograrán doble de precisión (0.5 * CV)