Parte I
Suponga que usted está tratando de estimar la abundancia de una población cerrada usando CMR
¿Cuál(es) parámetro (s) se necesita para estimar?
N la abundancia (posiblemente varian en tiempo)
p la probabilidad de captura (p posiblemente varian en tiempo y entre individuos)
c la probabilidad de recaptura (p posiblemente varian en tiempo y entre individuos; puede ser igual a p)
¿Cuál será su estructura de datos parece?
Una matriz de n filas un para cada animal distinto y k columnas una para cada ocasión de recaptura
Covariables individos para cada historia si existen
Un dataframe con covariables temporales si existen
Describa brevemente cómo va a ir sobre el diseño de un estudio para:
Lograr los supuestos clave del modelo
Tener suficientes datos para estimar los parámetros con precisión y poner a prueba sus modelos
Proveer que el período de captura es suficiente corto para asesurar que la población sea cerrada
Capturar suficiente número de animales para hacer inferencia buena
Usar por lo menos k=3 ocasiones de capturar para hacer modelaje flexible
Supongamos que se está estimando la abundancia, la supervivencia y el reclutamiento en un estudio de CMR para una población abierta
¿Cuáles son sus parámetros ahora?
Ni , Phii, fi y pi
¿Cuál es la estructura de datos?
Capturas y recapturas a cada de k períodos separados en tiempo suficientemente para esperar ganas y pérdidas a la población
Describir algunas formas alternativas para diseñar un estudio para conocer asunción y obtener estimaciones precisas
Diseño robusto para satisfacer supuestos de cierre durante corte períodos y estimar N en una manera robusta
¿Qué la inferencia de modelos múltiples y cómo lo usarías en cada uno de los casos anteriores
Es considerar todos los modelos en estimación con estimados de promedio ponderado.
Se usaría para estimar N u otro parámetros usando promedio ponderado y la varianza no condicional para tener en cuenta la incertidumbre de selección de modelos
Part II
Script para correr modelos y computar tamaños de muestreo