To estimate the surfacing metrics (

To estimate the surfacing metrics (mean IBI, bout duration and number of surfacings in a bout), Monte Carlo methods were used to simulate individual time series (follows) of dive types based on the transition probability matrix obtained from the Markov model.

The methods are the same as those described in Christiansen et al. (in press).

1000 simulations were run. First, an empty vector of dive typeswas created in R, with each empty value representing a sampling unit to which a dive type and duration (i.e. IBI), were randomly assigned. The initial dive type was arbitrarily categorised as a surface dive.

The next dive type was then randomly chosen based on the transition probability matrix obtained from the Markov chain model. This procedure was repeated for the entire vector.

To account for the heterogeneity in duration of dive types (i.e. the variation in IBI) a duration was assigned to each dive type by randomly selecting with replacement an IBI from the “distribution” of IBIs obtained fromthe raw data.

Each dive assigned as a surface dive was given a random IBI from the “distribution” of IBIs classified as surface dives, while each dive assigned as a deep dive was given a random IBI from the “distribution” of IBIs classified as deep dives.

After allocating dive types, and durations of dive types, the first 100 dives in the time series were removed as a burn-in period so that each simulation began with a randomly chosen dive type.

The time series was then cut at an upper limit of 7 h, which represents the time between the earliest (07:50:50) and latest (15:18:55) recordings in a day, rounded to the nearest hour, to avoid extrapolation.

From the resulting time series, the mean IBI, bout duration and number of surfacings per bout were estimated. This was done for each simulation, so that a density distribution around each surfacing metric was obtained.

ผลลัพธ์ (ไทย) 1:

การประมาณการซ่อมแซมผิวหน้าวัด (หมายถึง กรรมาธิการ แข่งขันระยะเวลา และจำนวนของ surfacings ในการแข่งขัน) มอน Carlo วิธีที่ใช้ในการจำลองเวลาแต่ละชุด (ดังนี้) ชนิดดำน้ำตามเมตริกซ์ความน่าเป็นช่วงที่ได้รับจากแบบ Markov วิธีการจะเหมือนกับที่อธิบายไว้ใน al. et Christiansen (ในข่าว) จำลอง 1000 ถูกเรียกใช้ ครั้งแรก เป็นเวกเตอร์ที่ว่างเปล่าของ typeswas ดำน้ำที่สร้างขึ้นใน R กับแต่ละค่าที่ว่างเปล่าแทนหน่วยสุ่มซึ่งดำน้ำชนิดและระยะเวลา (เช่นกรรมาธิการ), ถูกสุ่มกำหนด ชนิดเริ่มต้นดำน้ำถูกจัดให้โดยเป็นดำผิวน้ำ ชนิดดำน้ำถัดไปถูกแล้วสุ่มเลือกตามในเมตริกซ์ความน่าเป็นช่วงการเปลี่ยนภาพได้รับจากแบบโซ่ Markov ขั้นตอนนี้ถูกทำซ้ำสำหรับเวกเตอร์ทั้งหมด Heterogeneity การบัญชีในระยะเวลาดำน้ำชนิด (เช่นการเปลี่ยนแปลงในกรรมาธิการ) ระยะเวลาที่กำหนดแต่ละประเภทดำน้ำ โดยการสุ่มเลือกด้วยแทนการกรรมาธิการจาก "กระจาย" ของไอบิสที่ได้รับจากข้อมูลดิบ ดำน้ำแต่ละที่กำหนดเป็นการดำน้ำผิวให้กรรมาธิการที่สุ่มจากการ "กระจาย" ของไอบิ classified เป็น dives ผิว ในขณะดำน้ำแต่ละที่กำหนดเป็นการดำน้ำลึกให้กรรมาธิการที่สุ่มจากการ "กระจาย" ของไอบิ classified เป็น dives ลึก หลังจากการปันส่วนชนิดดำน้ำ และระยะเวลาดำน้ำชนิด dives 100 first ในชุดเวลาถูกเอาออกเป็นการเขียนในระยะเวลาที่เริ่มการจำลองแต่ละชนิดสุ่มท่านดำ ชุดเวลาถูกตัดแล้วที่มีขีดจำกัดของ h 7 ซึ่งหมายถึงเวลาระหว่างแรกสุด (07: คนละครึ่ง) และล่าสุด (15: 18:55) ปัดในวัน ชั่วโมงที่ใกล้ที่สุด extrapolation ที่หลีกเลี่ยง จากชุดข้อมูลเวลาเกิด กรรมาธิการหมายถึง ระยะเวลาการแข่งขัน และจำนวนของ surfacings ต่อการแข่งขันได้ประมาณการ นี้ถูกทำสำหรับแต่ละการจำลอง เพื่อให้การกระจายความหนาแน่นรอบ ๆ วัดแต่ละ surfacing กล่าว

ผลลัพธ์ (ไทย) 2:

ในการประเมินตัวชี้วัดที่พื้นผิว (หมายถึง IBI ระยะเวลาการแข่งขันและจำนวน surfacings ในการแข่งขัน) วิธี Monte Carlo ถูกนำมาใช้ในการจำลองอนุกรมเวลาของแต่ละบุคคล (ดังนี้) ประเภทการดำน้ำขึ้นอยู่กับความน่าจะเป็นเมทริกซ์ที่ได้รับการเปลี่ยนแปลงจากรูปแบบมาร์คอฟ. วิธีการ เช่นเดียวกับที่อธิบายไว้ในคริสเตียนและคณะ (ในข่าว). 1000 จำลองวิ่ง แรกเวกเตอร์ว่างของ typeswas ดำน้ำที่สร้างขึ้นในการวิจัยกับแต่ละค่าว่างที่เป็นตัวแทนของหน่วยการสุ่มตัวอย่างที่ชนิดดำน้ำและระยะเวลา (เช่น IBI) ได้รับการสุ่ม ประเภทการดำน้ำครั้งแรกได้รับการจัดหมวดหมู่โดยพลเป็นจุดดำน้ำที่พื้นผิว. ชนิดดำน้ำต่อไปจากนั้นก็สุ่มเลือกขึ้นอยู่กับความน่าจะเป็นเมทริกซ์ที่ได้รับการเปลี่ยนแปลงจากรูปแบบห่วงโซ่มาร์คอฟ ขั้นตอนนี้ซ้ำสำหรับเวกเตอร์ทั้งหมด. การบัญชีสำหรับความแตกต่างในช่วงระยะเวลาของการดำน้ำประเภท (เช่นการเปลี่ยนแปลงใน IBI) ระยะเวลาที่ได้รับมอบหมายให้แต่ละประเภทการดำน้ำโดยการสุ่มเลือกด้วยการเปลี่ยน IBI จาก "กระจาย" ของไอบิสได้รับ fromthe ข้อมูลดิบ. ดำน้ำแต่ละคนรับมอบหมายให้เป็นดำน้ำที่พื้นผิวได้รับ IBI สุ่มจาก "กระจาย" ของ Ibis เอ็ดจัดประเภท Fi เช่นดำน้ำพื้นผิวในขณะที่แต่ละดำน้ำที่ได้รับมอบหมายเช่นการดำน้ำลึกได้รับ IBI สุ่มจาก "กระจาย" ของ Ibis เอ็ดจัดประเภท Fi ลึก ดำน้ำ. หลังจากการจัดสรรประเภทการดำน้ำและระยะเวลาของประเภทการดำน้ำ, สายแรก 100 ดำน้ำในช่วงเวลาที่ถูกถอดออกเช่นการเผาไหม้ในช่วงเวลาเพื่อให้การจำลองแต่ละเริ่มต้นด้วยประเภทดำน้ำสุ่มเลือก. อนุกรมเวลาถูกตัดแล้วที่ด้านบน ขีด จำกัด ของ 7 ชั่วโมงซึ่งหมายถึงเวลาระหว่างที่เก่าแก่ที่สุด (07:50:50) และล่าสุด (15:18:55) บันทึกเสียงในวันปัดเศษชั่วโมงที่ใกล้ที่สุดเพื่อหลีกเลี่ยงการคาดการณ์. จากอนุกรมเวลาที่เกิด หมายถึง IBI ระยะเวลาการแข่งขันและจำนวน surfacings ต่อการแข่งขันอยู่ที่ประมาณ นี้ทำสำหรับการจำลองแต่ละเพื่อให้การกระจายความหนาแน่นของแต่ละรอบตัวชี้วัดพื้นผิวที่ได้รับ

ผลลัพธ์ (ไทย) 3:

การประมาณพื้นผิวเมตริก ( หมายถึงมีนัย , การแข่งขันระยะเวลาและจำนวน surfacings ในการแข่งขัน ) , พระมหากษัตริย์ถูกใช้เพื่อจำลองอนุกรมเวลาของแต่ละบุคคล ( ดังต่อไปนี้ ) ประเภทดำน้ำขึ้นอยู่กับการเปลี่ยนเมทริกซ์ความน่าจะเป็นที่ได้จากมาร์คอฟโมเดล

วิธีการเป็นเช่นเดียวกับที่อธิบายไว้ใน Christiansen et al . ( ในข่าว )

1000 จำลองกำลังวิ่ง ครั้งแรกเวกเตอร์ที่ว่างเปล่าของดำน้ำ typeswas สร้างขึ้นใน R , กับแต่ละที่ว่างเปล่าค่าแทนตัวอย่างหน่วยที่ประเภทดำน้ำและระยะเวลา ( เช่นมีนัย ) สุ่มมอบหมาย ประเภทดำน้ำเบื้องต้นได้ตามอำเภอใจตามพื้นผิวน้ำ

ประเภทดำน้ำต่อไปคือ แล้วสุ่มเลือกตามการเปลี่ยนเมทริกซ์ความน่าจะเป็นที่ได้จากลูกโซ่มาร์คอฟโมเดลขั้นตอนนี้ซ้ำสำหรับเวกเตอร์ทั้งหมด

เพื่อให้บัญชีสามารถในช่วงของประเภทดำน้ำ ( เช่นการเปลี่ยนแปลงในมีนัย ) ระยะเวลาที่ได้รับมอบหมายให้แต่ละประเภทดำน้ำโดยสุ่มเลือกแทนการมีนัยจาก " การกระจาย " ของ ไอบิส ที่ได้จากข้อมูลดิบ .

ได้รับมอบหมายให้เป็นพื้นผิวแต่ละดำน้ำดำน้ำได้รับมีนัยที่สุ่มจาก " การกระจาย " ของ ไอบิส classi จึงเอ็ดขณะที่ดำน้ำพื้นผิว ในขณะที่แต่ละดำน้ำมอบหมาย เช่น ดำน้ำลึกได้รับมีนัยที่สุ่มจาก " การกระจาย " ของ ไอบิส classi จึงเอ็ดลึกดำน้ำ .

หลังจากการดำน้ำประเภท และระยะเวลาของประเภทดำน้ำจึงตัดสินใจเดินทางไปดำน้ำในเวลา 100 ชุดถูกถอดออกเป็นในการเขียนเพื่อให้ระยะเวลาที่แต่ละจำลองเริ่มต้นด้วยการสุ่มเลือกดำน้ำประเภท

เวลาชุดก็ตัดที่ขีด จำกัด บนของ 7 H ซึ่งหมายถึงเวลาระหว่างเร็ว ( 07:50:50 ) และล่าสุด ( 15:18:55 ) บันทึกในวัน ปัด เวลาที่ใกล้ที่สุดเพื่อหลีกเลี่ยงการคาดเดาจาก .

จากเวลาที่เกิดชุด มีนัยหมายถึง ,ระยะเวลาการแข่งขัน และจำนวน surfacings ต่อการแข่งขัน คือประมาณ ทำสำหรับแต่ละสถานการณ์จำลอง เพื่อให้มีการกระจายความหนาแน่นของแต่ละรอบพื้นผิวระบบเมตริกได้