Byron Morgan, Rachel McCrea, Anita Jeyam, Ming Zhou, Natoya Jourdain, Takis Besbeas, Emily Dennis, Bee Kumphakarm和Diana Cole参加了6月29日至7月1日在康沃尔法尔茅斯外埃克塞特大学Penryn校区举行的NCSE夏季会议。开云体育主頁(欢迎您)
瑞秋做了一个关于孔雀鱼数据的多状态建模．
孔雀鱼栖息在特立尼达的溪流中，栖息地可以分为高捕食区和低捕食区。2008年和2009年进行了孔雀鱼从高捕食流到低捕食流的实验移植。所有引入的鱼都是成年鱼，在引入时进行单独标记，并每月收集标记-再捕获数据，同时还收集个体水平数据以及蒸汽数据中的位置。她讨论了分析这些数据的挑战，并提出了回答关键生态问题的建模方法。
Natoya做了一个关于利用相机陷阱中未标记动物数据的综合建模来估计丰度．
她谈到了使用相机陷阱数据来估计动物密度，当动物没有独特的标记时，使用随机遭遇模型。
拜伦做了一个关于造型meetkats
他展示了对猫鼬进行多状态分析的结果。有趣的特征包括，这些动物生活在社会群体中，并且是合作繁殖者:通常每个群体中只有占主导地位的雌性繁殖，其他雌性协助占主导地位的雌性。在寿命上存在着显著的差异，占支配地位的雌性比其他雌性寿命长得多。
安妮塔做了一个关于捕获-再捕获模型的异质性检测:诊断拟合优度检验
为了在生物学上更加真实，捕获-再捕获模型的复杂性有所增加。可以将多个模型拟合到同一个数据集，并且通常使用信息标准来选择最佳模型，该标准将在测试模型子集中选择最不坏的模型。因此，检查候选模型是否充分拟合数据是很重要的。她介绍了研究诊断拟合优度检验的使用的工作，以确定是否可以检测到这种类型的异质性并具体识别:例如，捕获中的异质性与陷阱依赖和短暂性的组合对测试的影响不同吗?她导出了捕获异质性的特定诊断测试，并使用模拟来评估其性能。
说:谈到n -混合物的高效模型拟合
估算种群丰度是生态学研究的重要组成部分。n -混合模型可用于从空间和时间复制的计数中估计动物丰度，而不需要识别个体。最初的n -混合模型是为封闭种群开发的，但最近通过加入种群动态参数，该模型已扩展到开放种群。这些模型提供了巨大的潜力，但需要设置一个上界，这使得计算复杂化。Takis讨论了基于潜态模型的n -混合物拟合的有效方法。
艾米丽谈到蝴蝶纵向数据的动态模型
蝴蝶种群正经历着丰度、物候和voltinism的变化。由于它们对栖息地和气候的变化反应敏感而迅速，因此它们的种群状况是生物多样性和物候变化的一个有价值的指标。Emily提出的模型提供了连续几年季节昆虫数量数据的简洁描述。她证明了她的方法可以估算出育雏生产力的关键参数，使每个育雏的数据成为前一育雏的数据的函数。
戴安娜谈到似然配置和参数冗余
她谈到了如何使用似然轮廓来检测参数冗余，并在参数冗余模型中找到可估计的参数组合。
蜜蜂谈到物种丰富度的近似伪似然估计
在一个群体中，不同物种被选择的概率是不相等的，在一个由个体组成的随机样本中，不同物种的数量的分布是确切已知的，但除了小样本外，精确的形式是难以计算的。提出了一种改进的近似方法，并探讨了Hidaka方法的性能。
明谈到具有隐藏状态的移除模型的开发:爬行动物和两栖动物数据的案例研究
她谈到了一种新的移动模型，它包含了一个隐藏状态，允许对进入和离开可观察的研究区域的移动进行建模。
