Compensatory heterogeneity in spatially explicit capture–recapture data
Notice bibliographique
Résumé
Spatially explicit capture-recapture methods, used widely to estimate the abundance of large carnivores, allow for movement within home ranges during sampling. Probability of detection is a decreasing function of distance from the home range center, with one parameter for magnitude and another for spatial scale. Sex-based and other differences in home range size potentially cause heterogeneity in individual detection and bias in estimates of density. The two parameters of detection have hitherto been treated as independent, but we suggest that an inverse relation is expected when detection probability depends on time spent near the detector. Variation in the spatial scale of detection is then compensated by reciprocal variation in the magnitude parameter. We define a net measure of detection ("single-detector sampling area," a(0)), and show by simulation that its coefficient of variation (CV) is a better predictor of bias than the CV of either component or the sum of their squared CVs. In an example using the grizzly bear Ursus arctos, the estimated sex variation in a(0) was small despite large variation in each component. From the simulations, the relative bias of density estimates was generally negligible (< 5%) when CV(a(0)) < 30%. Parameterization of the detection model in terms of a(0) and spatial scale can be more parsimonious and significantly aids the biological interpretation of detection parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».