一种新的巢数数据建模框架。

栖息地计数，即在到达或离开栖息地时对一个物种的个体进行计数，是世界上一些物种的重要监测工具。然而，原始计数数据在任何时候都低估了被监测种群的规模，因为个体暂时不使用栖息地(临时迁移，TE)，并且因为即使使用栖息地，检测到个体的概率通常也远低于1(观察误差)。在本文中，我们开发了一个新的模型框架来估计种群大小，从栖息地计数数据，同时考虑到TE和观测误差。我们的框架建立在流行的n -mix模型的基础上，并以多种方式扩展它们。具体来说，我们为TE引入了两个模型类，一个是依赖于时间模型的参数模型，另一个是依赖于狄利克雷过程混合模型的非参数模型。这两种模型类都产生了对TE模式的有趣的生态解释，同时在模式建模所需的参数数量方面也很吝啬。当考虑观测误差时，我们使用混合效应模型并实现有效的贝叶斯变量选择算法来识别检测概率的重要预测因子。我们通过广泛的模拟研究展示了我们的新建模框架，这突出了使用混合效应模型来检测概率的重要性，并说明了模型在估计总体规模和潜在TE模式时的性能。我们还评估了相应的变量选择算法在不同情况下识别观测误差及其相应模型的重要预测因子的能力。当拟合两个激励数据集的鹦鹉，我们的结果提供了新的见解，如何每个物种全年使用栖息地，在几年之间和年内的人口规模的变化，并对观测误差的重要预测。 TO BE SUBMITTED TO ANNALS OF APPLIED STATISTICS.

这是一个海报展示简要描述模型及所得结果。

最新草案:一种新的蚁群计数数据建模框架