Este tipo de estructura de datos puede surgir de cualquier situación en la que se producen los encuentros que se mezclan entre recaptura ordinaria en vivo o de re-avistamiento, y la recuperación muertos. No es muy común encontrar conjuntos de datos que funcionan bien con el análisis conjunto - a menudo, hay muy pocos de un tipo de encuentro para que la complejidad de estos modelos de la pena. Sin embargo, se presentan situaciones donde hay un número significativo de los dos encuentros vivos (típicamente, las recapturas) y recuperaciones muertas (por ejemplo, de los cazadores o pescadores).
La estructura LDLD es apropiado para la organización de estos datos, donde de nuevo la primera columna indica el períod de la suelta o recaptura vivo (1 es vivo), y el segundo indica la recuperación (1 = la recuperación). Por razones obvias, una historia de encuentro como el 1011 puede ser posible (primer período de libertad, recuperada segundo en vivo, luego se recuperó), pero no 1110 o 1101 (el animal ya fue encontrada muerta en el primer período, por lo que no puede ser posteriormente re-encontró, ya sea como vivo o muerto.
Una ventaja de los modelos vivos muertos conjuntas puede ser la estimación de parámetro no está disponible, ya sea en virtud de vivir solo (CJS) o la recuperación muertos (por ejemplo, Seber / Brownie). Bajo CJS modelos recaptura en vivo, el parámetro Phi ofrece un valor estimado de la supervivencia aparente, que en realidad es el producto de la supervivencia demográfica y la ausencia de emigración permanente ("fidelidad")
Phi = S x F.
Sin embargo, S y F no son estimables por separado con los datos CJS. Por el contrario, si los animales potencialmente pueden ser recuperados y reportados en cualquier lugar (el supuesto habitual con las aves de caza o peces en ángulo), los datos de recuperación de marcas se pueden utilizar para estimar S (bajo Seber o Brownie parametrizaciones). Si tenemos dos tipos de datos, se puede estimar tanto S como Phi - y por lo tanto derivar F.
Tanto MARK como RMark implementan variantes de la estructura de datos y el modelo-muertos viven conjunta (ver Marcos libro el capítulo 9). Dos de ellos son de destacar:
El modelo de Burnham (esencialmente descrito anteriormente).
El modelo de Barker (extiende el análisis a situaciones que impliquen recapturas en vivo, re-avistamientos en vivo, y las recuperaciones muertos).
Aquí proporciono código que simula la estructura de datos conjunta-muertos y vivos (Burnham, por lo recapturas y recuperaciones) y corre 3 análisis:
Vivos y muertos conjuntos (valores estimados proveer de supervivencia S, la fidelidad F, p recaptura e informar r)
Vivo (CJS) solamente (valores estimados de Phi y p)
Sólo la recuperación muerto (valores estimados de S y R)
El código realiza estos análisis en RMark, pero también produce archivos *. Inp que se pueden leer en MARK.
Siguiente-Modelos de destinos conocidos