Estimación de reclutamiento y supervivencia
Vamos a utilizar el conjunto de datos de Dipper, introducido en la práctica de"CJS". El conjunto de datos consiste en datos de captura-recaptura de Dippers (Cinclus cinclus), capturaro por 7 años (k = 7) (1981-1987) por G. Marzolin en el este de Francia (Marzolin 1988). Los datos son las liberaciones y recapturas de adultos reproductores cada año durante el período de reproducción a partir de 1 de marzo al 1 de junio. Los pájaros eran por lo menos 1 año de edad cuando bandas inicialmente. Un total de 294 aves fueron marcados y el sexo identificado.
Usar este conjunto de datos y el uso de la parametrización POPAN:
data(dipper)
popan.processed=process.data(dipper,model="POPAN", group="sex")
popan.ddl=make.design.data(popan.processed
a.Construir modelos combinando efectos constantes de tiempo, y de grupo en las probabilidades de entrada a la población, las recapturas, y la supervivencia aparente ( BONUS: ¿cómo diferie la supervivencia aparente de la supervivencia verdedera?)
b. Ejecutar todos los modelos anteriores ya que incorpora también el efecto de grupo (sexo) efecto sobre la super-población
c. ¿Cuál es el tamaño de la super-población para machos y hembras de acuerdo con el mejor modelo?
d. ¿Cuántos animales nuevos vuelto a la población entre los períodos 2 y 5? (Sugerencia: B i = Ni * b i, también recuerde que no hay b0 en la salida).
e. ¿Cuál es el tamaño de la población en esas ocasiones?
2. Utilizar los mismos datos utilizando el modelo de Pradel de supervivencia y reclutamiento (la parametrización "Pradrec")
a. Construir modelos que combinan efectos constante, variando en tiempo, y del sexo para las probablidades de supervivencia y recaptura, y utilizar los efectos constantes de tiempo y sobre las probabilidades de reclutamiento (f).
b.¿Cuál es la tasa de crecimiento de la población (λi) en tiempo de 1? (Sugerencia: λi = ø'i + fi en los modelos de una edad)
c. Comparar las tasas de reclutamiento per cápita de la parametrización POPAN de los datos de Dipper con los obtenidos en la parametrización de Pradrec (Sugerencia: hay que calcularlos en la parametrización de POPAN)
Modelos de estados múltiples
Utilizando los datos simulados 'mstrata':
Crear unos modelos adicionales que describen combinaciones de variación estrato y tiempo específico en las probabilidades de supervivencia, movimiento, y recaptura. .
Obtenir estimados bajo ponderización de los parametros reales.
¿Cuál es la supervivencia de los individuos de las temporadas 3-4, en los estados A, B y C?
¿Cuáles son las probabilidades de que un individuo cambia de estado A a B, de B a C, y A a C en el tercero-cuarto períodos? ¿Cuáles son los las probabilidades de individuales no salin de los estados A, B, o C?
2) ¿Cuál es el mejor modelo? Ahora, con ese modelo a construir el modelo invierto de multistrata. Calcularpara ambos modelos la probabilidad de transición a un nuevo estado, seguido de la supervivencia bajo la condición de estar en esa nueva estado (es decir Phi).
Sugerencia: se puede llegar fácilmente a las transiciones de movimiento para un modelo dado por:
Psilist=get.real(mod,"Psi",vcv=TRUE)
Psivalues=Psilist$estimates
TransitionMatrix(Psivalues[Psivalues$time==1,])
y los parámetros de supervivencia por
S.list=get.real(mod,"S",vcv=TRUE)