Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Estimación Bayesiana de g0 usando el muestreo

por distancias y su aplicación en las estimas de
densidad de ungulados de montaña

J.F.G. Monteiro1 R. Alpizar-Jara1 E. Serrano2,4

J.P. Crampe3 J.M. Pérez4
1 CIMA/Departamento de Matemática
Universidade de Évora
2 Equipe Ecologie des Populations

Institut National de la Recherche Agronomique

3 Parc National des Pyrénées
4 Departamento de Biologı́a Animal, Biologı́a Vegetal y Ecologı́a

Universidad de Jaén

.
Estimación Bayesiana de g0 usando el muestreo de distancia
Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Área de Estudio
Clot-Cayan (Crampe, 1996; Crampe et al., 2002)
Transectos Lineales
Modelo de Transectos Lineales
Modelo Combinado
Modelo Combinado (Alpizar-Jara y Pollock 1996, 1999)
Enfoque bayesiana
Estimación bayesiana de g0
Resultados
Resultados
Discusión
Discusión

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Clot-Cayan (Crampe, 1996; Crampe et al., 2002)

Incluye 368 ha (3.68 km2 ) dentro del Parc National des

Pyrénées, al sudoeste de Francia;

Presenta un rango altitudinal entre 1500-1620 m en el

punto más bajo;

Hasta 2150-2428 m en las cotas más altas, con una

elevada pendiente media.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Clot-Cayan (Crampe, 1996; Crampe et al., 2002)

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Clot-Cayan (Crampe, 1996; Crampe et al., 2002)

Esta área viene siendo monitorizada durante los últimos

10 años;

La población no está sometida a explotación cinegética

desde la creación del Parque en 1967;

La población tiene una estructura de edades considerada

como estable;

Durante el tiempo de estudio, la zona de Clot-Cayan

albergaba aproximadamente 230 rebecos adultos.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Clot-Cayan (Crampe, 1996; Crampe et al., 2002)

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo de Transectos Lineales

• representa los animales en el área del estudio de

dimensión a;

L representa el largo y w mitad del ancho del transecto.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo de Transectos Lineales

Supuestos del modelo de transectos lineales:

(TL1 ) los individuos en la lı́nea de observación son detectados

con probabilidad 1 (g0 = 1);

(TL2 ) los animales deben ser detectados antes de efectuar

algún movimiento en reacción al observador;

(TL3 ) cada detección debe ser independiente;

(TL4 ) no debe existir error de medición.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo de Transectos Lineales

g0 = 1 es el supuesto crı́tico

La violación de g0 = 1 es debida a dos tipos de sesgo o error:

percepción (visibilidad y ambiente):

el observador puede no tener mucha experiencia, carecer de
adecuado material óptico, etc;

caracterı́sticas del hábitat y de las condiciones ambientales;

disponibilidad:
el animal se encuentre escondido detrás de una piedra o en un
peñasco.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo Combinado (Alpizar-Jara y Pollock 1996, 1999)

Introducción

nLP - números de individuos con marcas;

nTL - números de individuos avistados a través un
muestreo de transectos lineales;
nLPTL - números de individuos con marca que también
fueron avistados.
Estimación Bayesiana de g0 usando el muestreo de distancia
Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo Combinado (Alpizar-Jara y Pollock 1996, 1999)

Supuestos del MCAP:

Población cerrada;
Las marcas no se pierden;
Los individuos marcados son identificados
inequı́vocamente;
Los individuos tienen igual probabilidad de estar marcados
o avistados en cada muestra.
Existe independencia entre los animales marcados y los
observados.
TL2 -TL4 ;

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Modelo Combinado (Alpizar-Jara y Pollock 1996, 1999)

Ventajas

Permite estimar g0 y testar el hipótesis g0 = 1;

Los estimadores son más robustos, eficientes y menos

sesgados;

Generalización de modelos incluyendo co-variables

(Borchers et al. 1998a,b).

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Estimación bayesiana de g0

Estimación bayesiana

Función a posteriori completa para

θ = (g0 , N, p1 , σ) y Y = (n10 , n01 , n11 , x1 , x2 , · · · , xn2 )

f (θ|Y)∝f (Y|θ)f (θ)

Posteriori Priori

Verosimilitud

n10 , n01 , n11 - marcas

x1 , x2 , · · · , xn2 - distancias

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Estimación bayesiana de g0

Ventajas

Permite incorporar el conocimiento a priori sobre las

variables de interés;

La distribución a posteriori permite una interpretación

probabilı́stica de las variables de interés;

Este abordaje es eficaz en la resolución de problemas

complexos;

Permite resolver problemas que son analı́ticamente

intratables.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Estimación bayesiana de g0

Modelo bayesiano jerárquico

N|λ ∼ Poisson(λ), λ ∼ Gamma(τ, η) y τ, η ∈ R + (Smith 1991)

g0 ∼ Unif (0, 1)

σ ∼ Gamma(α, β) (Gelman et al. 1995)

p1 ∼ Unif (0, 1) (Wang 2002)

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Resultados

Análisis en Distance

Estima del tamaño de la población (N), la densidad (D), g0 y

intervalo de confianza para g0 utilizando diferentes funciones
de detección
Modelo AIC Da N g0 I.C. (95%)
Hazard-Hate - cos 1363.93 34.39 253 1.10 [0.76, 1.44]
Exp Neg - cos 1371.70 40.45 298 1.29 [0.93, 1.66]
Uniform - cos 1369.69 40.44 298 1.29 [0.93, 1.66]
Half-Normal - cos 1371.74 36.83 271 1.18 [0.69,1.66]

a Sólo se muestreó un lado del transecto (lado derecho).

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Resultados

Análisis de convergencia, función de autocorrelación y

función distribución a posteriori de g0

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Resultados

Enfoque Bayesiano

Estimas, intervalo de credibilidad o HPD y desviación estándar

obtenidos con el método Bayesiano para los parámetros g0 , N,
p1 y p2 , utilizando el modelo combinado.

Parámetro Mediana C.V. (%) I.C. (95%)

N 242.0 7.50 [210.0, 281.0]
g0 0.922 7.25 [0.78, 1.00]b
p1 0.22 14.13 [0.17, 0.29]
p2 0.40 7.87 [0.33, 0.45]

b Intervalo HPD (95%).

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Discusión

Discusión y perspectivas futuras

El método Bayesiano garantiza que la distribución a
posteriori del parámetro g0 encuentre en el intervalo (0,1),
contrariamente a lo que ocurre con el método de máxima
verosimilitud donde la estima puede ser superior a 1, lo
cual carece de significado biológico y estadı́stico;

La forma da distribución para g0 es lo que se esperaba;

En el futuro pretendemos considerar un modelo

combinado, de tipo Mth , que incorpore heterogeneidad en
las probabilidades de detección de los individuos, una vez
que se disponga de datos relativos a animales de diferente
clase de sexo y edad.

Estimación Bayesiana de g0 usando el muestreo de distancia

Resumen Área de Estudio Transectos Lineales Modelo Combinado Enfoque bayesiana Resultados Discusión

Discusión

Bibliografı́a
ALPIZAR-JARA, R. y POLLOCK, K.H. 1996. A
combination line transect and capture-recapture sampling
model for multiple observers in aerial surveys. Journal
Environmental and Ecological Statistics, 3(4): 311-327.
CRAMPE, J.P., GAILLARD, J.M. y LOISON, A. 2002.
L’enneigement hivernal: un facteur de variation du
recrutement chez l’isard (Rupicapra pyrenaica pyrenaica).
Canadian Journal of Zoology, 80: 306-1312.
PERÉZ, J.M., SERRANO, E., CRAMPE, J.P. y
ALPIZAR-JARA, R. en preparación. Assessment of line
transect sampling when estimating density of mountain
ungulates.
www.mrc-bsu.cam.ac.uk/bugs
www.ruwpa.st-and.ac.uk/distance
Estimación Bayesiana de g0 usando el muestreo de distancia