Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Hasonló dokumentumok
Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Populációs paraméterek becslése

Populációbecslések és monitoring

Populációbecslések és monitoring

A létszámbecslés szerepe a hasznosítástervezésben. Létszám - sűrűség

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Biomatematika 2 Orvosi biometria

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

[Biomatematika 2] Orvosi biometria

6. Előadás. Vereb György, DE OEC BSI, október 12.

[Biomatematika 2] Orvosi biometria

KÖVETKEZTETŐ STATISZTIKA

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Kvadrátos, sávos és vonaltranszekt becslés. Populációbecslések és monitoring 3. gyakorlat

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Tari Tamás doktorandusz. Nyugat-magyarországi Egyetem Vadgazdálkodási és Gerinces Állattani Intézet

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Biostatisztika VIII. Mátyus László. 19 October

Gyakorló feladatok a 2. dolgozathoz

Populáció A populációk szerkezete

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

A jelenlegi helyzet. A jelenlegi helyzet. A jelenlegi helyzet. Az európai csülkös vad gazdálkodás két változtatási pontja

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

y ij = µ + α i + e ij

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

I. rész. 1. feladat Oldjuk meg a következő egyenletrendszert, illetve egyenlőtlenséget a valós számok halmazán!

Elemi statisztika fizikusoknak

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely december 8.

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

A mérési eredmény megadása

A konfidencia intervallum képlete: x± t( α /2, df )

A Statisztika alapjai

Számelmélet Megoldások

(a) Számolja ki a vásárolt benzin átlagos mennyiségét! (b) Számítsa ki az átlagos abszolút eltérést! (a) Mekkora a napi átlagos csökkenés?

Mérési hibák

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Valószínűségi változók. Várható érték és szórás

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

A társadalomkutatás módszerei I.

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

Gyakorlat. Szokol Patricia. September 24, 2018

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Matematikai geodéziai számítások 6.

BIOMATEMATIKA ELŐADÁS

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

A leíró statisztikák

3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%)

Matematikai geodéziai számítások 6.

Fogyasztás, beruházás és rövid távú árupiaci egyensúly kétszektoros makromodellekben

Varianciaanalízis 4/24/12

Hipotézis vizsgálatok

Regresszió. Fő cél: jóslás Történhet:

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

Online melléklet. Kertesi Gábor és Kézdi Gábor. c. tanulmányához

ÁLLATTENYÉSZTÉSI GENETIKA

MATEMATIKA ÉRETTSÉGI május 8. EMELT SZINT

A kanonikus sokaság. :a hőtartály energiája

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Próbaérettségi feladatsor_a NÉV: osztály Elért pont:

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Számítógépes döntéstámogatás. Statisztikai elemzés

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Sorozatok II.

Matematika kisérettségi I. rész 45 perc NÉV:...

SZÁMÍTÁSI FELADATOK I.

Lineáris regresszió vizsgálata resampling eljárással

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Hipotézis vizsgálatok

Adatok statisztikai értékelésének főbb lehetőségei

Kísérlettervezés alapfogalmak

Kosztyán Zsolt Tibor Katona Attila Imre

A mágneses szuszceptibilitás vizsgálata

4. A méréses ellenırzı kártyák szerkesztése

Populáció nagyságának felmérése, becslése

Alapvető tudnivalók a tanév elején

Statisztika elméleti összefoglaló

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Kettőnél több csoport vizsgálata. Makara B. Gábor

Matematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)

A társadalomkutatás módszerei I. Outline. A mintavételi hiba és konfidencia-intervallum Elmélet. Szükséges képletek: Tehát:

Numerikus integrálás

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

KOVÁCS BÉLA, MATEMATIKA II.

Tervezet. Erdei szalonka - monitoring tervezése és végrehajtási lehetőségei Magyarországon

Átírás:

Populációbecslések és monitoring 1. gyakorlat Nem minden állat látható fogásos módszerek Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb 1. Egyszerű arányváltozás - zárt populáció, amely két fajta" állatból áll, ezek láthatósága egyforma 2. Két fázisú arányváltozás a két fajta állat megfigyelhetősége nem egyforma az állatokat két külön vadászidényben távolítják el, de mindig csak az egyik fajtát becsülhető az arányuk és a láthatóságuk (a két láthatóság időben állandó) 3. Fogás/ráfordítás (catch-per-unit-effort) minél több állatot távolítanak el egy populációból, az idő előrehaladtával az egységnyi ráfordításra jutó fogás annál kisebb lesz regressziós módszer, amely a kezdeti létszámot a nulla ráfordításnál számított értékkel becsli Fogás- visszafogás módszerek 1. Lincoln-Petersen 2. K -mintás zárt populációs modellek 5-10 napos időszak alatt végzett fogások alapján 3. Sűrűség becslése mekkora a tényleges fogási terület 4. Nyílt populációk becslése

Jelölés-visszafogás 1. Egyszeri jelölés-visszafogás: Petersen-Lincoln módszer Ez a módszer a gyakorlatban, a vadgazdálkodási munkában nem ajánlott, elsősorban a kutatásoknál van létjogosultsága. Vadtelepítéseknél használható lenne, ám ott vagy kímélik az állományt (pl. mezei nyúl), vagy a mortalitás és elvándorlás mértéke magasabb a telepített populációrészben, így hamis eredményekhez jutunk a hasznosítást követően.

Ha egy populáció egyedszámát N-nel, az összes jelölt állatot M-mel jelöljük, majd a jelölések elvégzése után n egyedszámot kiveszünk a populációból, s abból a jelöltek száma m, akkor az alábbi aránypárt állíthatjuk fel: azaz az összes jelölt állat egyedszáma úgy aránylik a populációnagysághoz, mint az abból vett minta nagysága aránylik a benne lévő jelöltek számához. Az aránypárt N-re rendezve képletet kapjuk. Ezt a módszert Petersen-Lincoln módszernek nevezzük (C.G.J. Petersen dán és F. Lincoln amerikai kutatók voltak, előbbi 1889-ben halpopulációkra, utóbbi 1930-ban vízivadra használta az ismertetett aránypárokat). Az ismertetett, viszonylag egyszerű képlet azonban csak olyan esetekben használható, ha feltételezzük: a populáció zárt (nincs születés és elhullás, illetve be- és elvándorlás a vizsgálati ideje alatt) a populáció egyedei azonos valószínűséggel foghatók be mind a jelölés előtt, mind a jelölés után (a jelölés nem befolyásolja a második fogás valószínűségét) a második mintavétel véletlenszerű a jelek nem vesznek el, azok észlelhetők a későbbiekben is a jelölt egyedek mortalitása egyenlő a jelöletlenekével a jelölt és a jelöletlen állatok viselkedése nem különbözik a jelölt egyedek diszperziója egyenletes a populációban. Egyik sem igaz (mindig) fogásgyakoriság modellek nem minden állat befogási valószínűsége egyforma fogástörténet jelölési arány >60%

2. Többszörös jelölés-visszafogás (Demeter-Kovács 1991) Arra is nyílhat lehetőség, hogy több, mint két alkalommal fogjunk be állatokat és jelöljük meg ezeket. Többször is elvégezhetjük a becslést a Petersen-Lincoln-módszerrel egymást követő befogásokra, több mintapárra. Feltételezve, hogy a populáció zárt, a különböző Ni becslések mind N becslései. Mivel az egyes becslések pontossága eltérő, helyesnek tűnik súlyozott átlagot számolni: ahol N i -k egyes becslések,w i -k pedig a súlyok. Petersen-Lincoln-becslés megbízhatósága elsősorban attól függ,hogy hány jelölt állatot fogunk vissza, azaz m i -től függ, tehát súlyozva a jelölt állatok számával, Az N i értékbe behelyettesítve a Petersen-Licoln-becslő képletét a következő összefüggéshez jutunk: Torzítatlan becslést csak némi módosítással kapunk: Példa:

Begon (1979) erdei egereket (Apodemus sylvaticus) csapdázott 4 napon keresztül:, azaz 34 erdei egér élt a területen. A szórás kiszámítása a következő: A súlyozott átlagra éppen azok a kikötések érvényesek, mint az egyszerű Petersen- Lincoln- becslésre, előnye abban rejlik, hogy több minta során felhalmozott adatokon alapszik, és mivel az összegzett visszafogásokat, az m i értékeket használja, varianciája kisebb lesz, mint az egyszerű kétmintás becslésnek. 3. Feladatok 1. 200 egyedből álló mintából jelöljünk meg a 10-20-30-40-50-60-70-80 %-kot (egyszínű babokból indulva sorra cseréljék ki másik színű babokra az adott mennyiségeket). Minden egyes állomásnál vegyenek 10 mintát a jelölt állományból és jegyezzék fel a jelölt-jelöletlen arányt! Minden ilyen 10 mintából becsüljék meg a Petersen-Lincoln képlet alapján az állomány nagyságát! Számolják ki a 10 minta alapján a szórást minden egyes százalékértékre és ábrázolják a jelöltek arányának függvényében! 2. 200 egyedből kiindulva végezzenek el többszörös jelölés-visszafogást, azaz az első befogás után jelöljék meg az egyedeket valamilyen módon, majd végezzenek el egy második, harmadik, negyedik és egy ötödik befogást és minden alkalommal jelöljék meg az újonnan fogottakat! Jegyezzék fel minden alkalommal a régi fogottakat és az újonnan fogottakat! A Demeter-Kovács könyvben lévő képlet alapján becsüljék meg a populáció nagyságát! 3. A befogott egyedeket egyedileg jelöljék meg és a Capture program segítségével végezzenek el populáció-nagyság becslést! A befogásokat ötször egymás után végezzék el és minden alkalommal jegyezzék fel, hogy mely egyedeket fogták meg! Minden alkalommal a frissen befogott egyedeket új egyedi jelöléssel kell ellátni!