SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Pollinator Occupancy Modeling

tryna avatar
tryna
12 diapositives · 308 Views · Jul 29, 2014

Pollinator Occupancy Modeling. Fabian Ochoa. Occupancy modeling. Detection => occupancy Non-detection != absence Still had two tasks: Pollinators & Interactions. Delegation. Provided code was for interactions not Pollinators. Found a way to fit for Pollinator Occupancy Modeling .

Pollinator Occupancy Modeling - slide 1
01 / 12Pollinator Occupancy Modeling
1 / 17

Télécharger la présentation

Pollinator Occupancy Modeling
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Pollinator Occupancy Modeling Fabian Ochoa

  2. Occupancy modeling • Detection => occupancy • Non-detection != absence • Still had two tasks: Pollinators & Interactions.

  3. Delegation • Provided code was for interactions not Pollinators. • Found a way to fit for Pollinator Occupancy Modeling. • Tailor provided code to pollinators • Debug code step by step • Brainstorm covariates

  4. Calculating prevalence • Pollinator prevalence per plot per meadow. • Average of detection history vector

  5. Narrowing to 20 • Previous calculation ordered • Change nPolls to be worked with throughout code

  6. None, light, breezy clouded, shaded, sunny

  7. Numbers represent average of the calculations. Numbers are calculated using the median between covariates: Shaded light, and light wind. Reconsider. Akaike information criterion

  8. Akaike information criterion • Measure of the relative quality of a statistical model. • Helps with model selection • Goodness of fit –vs- complexity (trade off)