Nesta tese propomos dois modelos espaciais de captura-recaptura para estimação da abundância populacional em população aberta. Os modelos estatísticos propostos ajustam-se a dados obtidos via amostragem de captura-recaptura com marcação individual realizada em diferentes locais dentro do habitat, levando em consideração as taxas de nascimentos e mortes durante o período de estudo e as localizações geográficas das capturas. No primeiro modelo, propomos uma modelagem hierárquica para os tamanhos populacionais locais a fim de obter a distribuição preditiva da abundância populacional para regiões não visitadas pela amostragem. Nesta etapa, uma estrutura para dados zero-inflacionados foi adotada para acomodar situações quando realizam-se amostragens em locais sem a presença da espécie. O segundo modelo proposto leva em consideração o deslocamento dos animais entre os diferentes locais de amostragem, generalizando o primeiro modelo no qual consideramos a permanência dos animais em um mesmo local. Neste caso, tornou-se possível estimar o tamanho da área de vida (movimentação) da espécie além de predizer locais com maiores abundâncias de animais. Em ambos modelos, propomos uma abordagem bayesiana para o processo inferencial e derivamos algoritmos de simples implementação computacional, a partir do uso de técnicas de dados aumentados. As propriedades frequentistas dos estimadores bayesianos foram avaliadas por meio de estudos de simulação e, por fim, estas propostas de modelagem foram aplicadas a três conjuntos de dados reais de aracnídeos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.