Estimating correlations among demographic parameters in population models
Notice bibliographique
Résumé
Abstract Estimating correlations among demographic parameters is critical to understanding population dynamics and life‐history evolution, where correlations among parameters can inform our understanding of life‐history trade‐offs, result in effective applied conservation actions, and shed light on evolutionary ecology. The most common approaches rely on the multivariate normal distribution, and its conjugate inverse Wishart prior distribution. However, the inverse Wishart prior for the covariance matrix of multivariate normal distributions has a strong influence on posterior distributions. As an alternative to the inverse Wishart distribution, we individually parameterize the covariance matrix of a multivariate normal distribution to accurately estimate variances (σ2) of, and process correlations (ρ) between, demographic parameters. We evaluate this approach using simulated capture–mark–recapture data. We then use this method to examine process correlations between adult and juvenile survival of black brent geese marked on the Yukon–Kuskokwim River Delta, Alaska (1988–2014). Our parameterization consistently outperformed the conjugate inverse Wishart prior for simulated data, where the means of posterior distributions estimated using an inverse Wishart prior were substantially different from the values used to simulate the data. Brent adult and juvenile annual apparent survival rates were strongly positively correlated (ρ = 0.563, 95% CRI 0.181–0.823), suggesting that habitat conditions have significant effects on both adult and juvenile survival. We provide robust simulation tools, and our methods can readily be expanded for use in other capture–recapture or capture‐recovery frameworks. Further, our work reveals limits on the utility of these approaches when study duration or sample sizes are small.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».