Bayesian analysis of dolly varden mark-recapture data in canadian arctic
Notice bibliographique
Résumé
The estimation of survival parameters is of particular interest within ecological systems for obtaining underlying biological information and animal mark-recapture (capture-recapture) data are often collected for survival parameter estimation studies (King, 2012). However, survival parameters and some other parameters that researchers might be interested (for example, recapture probabilities) are often subject to individual heterogeneity and affected by environmental effects and observation errors. Besides that, recent interest has included additional complexities such as individual covariance and random effects within the statistical framework. To meet the requirements of summarizing unbiased biological information from complex mark-recapture or mark-recapture-recovery data, novel Bayesian fitting state-space models provide a practical tool by coupling a model of mechanistic movement properties (known as process model) with a model of the observation methods (known as observation model). In this thesis, the Cormack–Jolly–Seber (CJS) model and the multi-state models are developed within Bayesian state-space framework were applied to analyze mark-recapture Dolly Varden data collected from five river systems in Canadian Arctic area. In model fitting process, the Markov Chain Monte Carlo (MCMC) method is being applied to in the estimation process to draw the samples to mimic the joint posteriror distribution since the necessary integration for posterior distribution is intractable. The Bayesian latent variable approach is also used to improve the performance of MCMC algorithm. Meaningful biological information is summarized from the Dooly Varden data which can be helpful to build a environment friendly and sustainable fishing community.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».