多状态标记-重捕模型的高效MCMC实现
应用统计
2015-11-24 v1
摘要
个体动物运动行为的固有差异会为基于标记-重捕数据得出的种群参数估计引入偏差。此外，量化个体异质性本身引起相当大的兴趣，因为大量研究已表明异质性如何驱动种群动态。在本文中，我们将个体异质性的多种度量纳入多状态标记-重捕模型，使用基于MCMC估计的Beta-Binomial Gibbs采样器。我们还提出了一种新颖的独立Metropolis-Hastings采样器，其允许高效更新无法使用Gibbs采样更新的超参数。我们通过模拟研究测试了该模型，并将模型应用于在Stellwagen Bank国家海洋保护区观测到的北大西洋座头鲸的标记-重见数据，其中在观测概率和位点偏好上均存在异质性。模拟研究表明，每个超参数的后验分布渐近收敛于真实参数值。在座头鲸应用中，个体异质性在观测概率和使用海洋保护区的倾向性上显而易见。
引用
@article{arxiv.1511.07102,
title = {Efficient MCMC implementation of multi-state mark-recapture models},
author = {Jessica H Ford and Toby A Patterson and Mark V Bravington},
journal= {arXiv preprint arXiv:1511.07102},
year = {2015}
}
备注
23 pages, 9 figures