Diseño robusto para reclutamiento
Volvemos al estudio de Jim Nichols de machos de Microtus pennsylvanicus atrapados en el Patuxent Wildlife Research Center, Maryland durante 6 meses (6 períodos primarios), y los períodos de día durante 5 días cada mes (5 periodos secundarios). Ya he convertido estos datos en formato RMark y los procesados por el diseño robusto Pradel permanencia para población cerrada ('RDPdGClosed') parametrización. Vea el objeto adjunto. Una vez que este objeto se carga en la memoria actual, usted tiene acceso a los datos procesados y ddl:
> load("mouse.robust")
> mouseG.processed<-mouse.robust$mouseG.processed
> mouseG.ddl<-mouse.robust$mouseG.ddl
Desde este punto se puede continuar con el código que utilizamos en el laboratorio y modificarlo para agregar los siguientes modelos.
Construir un modelo adicional asumiendo que las probabilidades de captura y recaptura sólo varían en los períodos secundarios, la permanencia es constante en el tiempo, y la supervivencia aparente varía en los períodos primarios.
Incluido los modelos previous,
¿Cuál es el mejor modelo?
Utilizando este modelo, estimar la tasa de crecimiento poblacional lambda (t) y la tasa de reclutamiento f (t) durante períodos principales 1, 2, 3, 4 y 5 (BONUS PREGUNTA: ¿Puedes calcular lambda (6) y f (6)) .
¿Puede estimar la permanencia para el primer período primaria?
¿Cuál es el número de animales (N) estimado para cada período?
Usando los valores estimados de promedios ponderados:
¿Cuál es el número de animales no marcados (U) para cada período?
Diseño robusto para emigración temporal
Utilizar estos datos simulados, disponibles aquí en formato RMark procesados para los modelos de emigración temporal robustos. Usted puede directamente utilizado los datos procesados para construir modelos. Por ejemplo:
> load("robust.temp.em.data")
> robust.processed<-robust.temp.em.data$robust.processed
> m1<-mark(robust.processed)
construye un sencillo (todos los parámetros constantes) modelo de RD.
Construir un modelo de emigración Markovian (ɣ 'diferente de ɣ'') donde los valores estimados de la emigración temporal y la supervivencia de todo cambio en el tiempo, y capturar y recuperar probabilidades iguales pero que cambian en el tiempo y sesiones.
Repita los pasos anteriores, pero la captura y recaptura son diferentes.
Hacer un modelo de emigración aleatoria que cambia con el tiempo, el uso de diferentes probabilidades de captura y recaptura que varían con el tiempo, y la supervivencia de cambiar con el tiempo.
Hacer un modelo sin movimiento (ɣ fijo '= 1, ɣ'' = 0)
De acuerdo con el primer modelo:
¿Cuál es la probabilidad de que un individuo permanece en la muestra entre las temporadas 1 y 2 (1-ɣ'' 2)? ¿Y cuál es la probabilidad de que un individuo emigra temporalmente de la población entre esas estaciones?
¿Cuál es la probabilidad de que un individuo se vuelve de la emigración temporal entre las temporadas 2 y 3? ¿Y cuál es la probabilidad de que un individuo se queda fuera de la población en los que una misma temporada?
¿Puede estimar ɣ'2 (es decir, entre las temporadas 1 y 2)? ¿Qué significa este parámetro, y por qué no puede / puede ser estimado?