半马尔可夫Arnason-Schwarz模型

我们考虑多状态捕获-重捕获-恢复数据，其中观察到的个体被记录在一组可能的离散状态中。传统上，Arnason-Schwarz模型已拟合于此类数据，其中状态过程被建模为一阶马尔可夫链，尽管二阶模型也已提出并拟合于数据。然而，低阶马尔可夫模型可能无法准确表示潜在的生物学特性。例如，指定（时间无关的）一阶马尔可夫过程假设每个状态中的停留时间（即给定状态中的持续时间）具有几何分布，因此模态停留时间为1。指定时间依赖或更高阶的过程提供了额外的灵活性，但代价是潜在的大量额外模型参数。我们通过为状态过程指定半马尔可夫模型来扩展Arnason-Schwarz模型，其中停留时间分布更一般地指定，例如使用偏移泊松或负二项分布。应用状态扩展技术以将得到的半马尔可夫Arnason-Schwarz模型表示为更简单且计算上易处理的隐马尔可夫模型。半马尔可夫Arnason-Schwarz模型仅带来参数数量的非常微小的增加，却允许显著更灵活的状态过程。模型选择可使用标准程序进行，特别是通过信息准则的使用。半马尔可夫方法允许对潜在状态过程进行重要的生物学推断，例如关于在不同状态中花费的时间。该方法的可行性在模拟研究中得到证明，然后应用于对应于家朱雀的真实数据，其中状态对应于结膜炎的存在与否。