基于贝叶斯 Markov 模型与 Pólya-Gamma 采样的加速度计分类个体行为转移概率估计
应用统计
2021-05-26 v3
摘要
在野生动物追踪中使用加速度计为理解动物行为与决策提供了精细尺度数据源。当前运动生态学的方法将行为视为运动机制的驱动因素。我们的 Markov 模型是一种灵活且高效的推断方法，用于与行为影响相关的推断，并考虑了当前行为与过去行为之间的依赖性。我们将该模型应用于北美中部春季迁徙期间六只白额雁（Anser albifrons frontalis）的行为数据，并考虑了行为的潜在驱动因素，包括栖息地、天气和昼夜效应。我们使用一阶贝叶斯 Markov 模型对飞行、觅食、静止和行走行为状态之间的转移进行建模。我们引入 P\'olya-Gamma 潜变量以从后验分布中自动采样协变量系数，并根据后验样本计算了优势比。我们的模型为同时包含加速度计和全球定位系统数据提供了一个统一框架。我们发现了不同栖息地类型之间、昼夜行为以及由天气引起的行为变化在行为转移率上的显著差异。我们的模型提供了跨所用栖息地的行时间分配的直观推断，而这在点活动预算或资源选择框架中难以实现。
引用
@article{arxiv.1908.02806,
title = {A Bayesian Markov model with P\'olya-Gamma sampling for estimating individual behavior transition probabilities from accelerometer classifications},
author = {Toryn L. J. Schafer and Christopher K. Wikle and Jay A. VonBank and Bart M. Ballard and Mitch D. Weegman},
journal= {arXiv preprint arXiv:1908.02806},
year = {2021}
}