Note that A actually represents the

Note that A actually represents the age at tagging, a1, relative toa0(i.e., A = a1− a0), since a0cannot be separated from a1using thetagging data alone. A is assumed to follow a specified distribution,and the parameters of this distribution are estimated within themodel. In applying the LEP method to the three tuna data sets, alognormal distribution with parameters logAand logAwas cho-sen for A. Laslett et al. (2002) showed that the results were fairlyrobust to the distribution chosen for A so long as it provided areasonable approximation. Another feature of the LEP method isthat it allows for individual variability in growth by modelling theasymptotic length parameter as a random effect. For all species, L∞was assumed to follow a normal distribution with mean L∞andstandard deviation L∞. The model allows for measurement errorand/or additional process error in length at age through an addi-tive Gaussian error component with mean 0 and standard deviationtag.Conditional on a known value of A, say A = a, the release length(L1) and recapture length (L2) are both the sum of Gaussian nor-mal variables (one component relating to L∞and one relating tomeasurement error), and are therefore Gaussian themselves withmean, variance and covariance:

ผลลัพธ์ (ไทย) 1:

หมายเหตุว่า A แทนอายุที่ติดป้าย a1, toa0 ญาติจริง (เช่น A = a1− a0), ตั้งแต่ a0cannot แยกออกจากข้อมูล thetagging a1using คนเดียว สันนิษฐานตามการกระจายระบุ A และพารามิเตอร์ของการแจกจ่ายนี้ไว้ใน themodel ในใช้ LEP วิธีการชุดข้อมูลสามทูน่า alognormal แจกแจง ด้วยพารามิเตอร์ logAand logAwas โจเซนสำหรับ A. Laslett et al. (2002) พบว่า ผลลัพธ์ที่ได้ fairlyrobust แจกเลือก A ตราบใดที่มันมีประมาณ areasonable คุณลักษณะอื่นของ isthat วิธี LEP ที่อนุญาตให้สำหรับแต่ละสำหรับความผันผวนในการเจริญเติบโต โดยสร้างแบบจำลอง theasymptotic ความยาวของพารามิเตอร์เป็นผลสุ่ม สำหรับชนิดทั้งหมด L∞was สันนิษฐานตามการแจกแจงปกติด้วยหมายถึง ส่วนเบี่ยงเบน L∞andstandard L∞ รูปแบบช่วยให้การวัด errorand / หรือข้อผิดพลาดของกระบวนการเพิ่มความยาวที่อายุผ่านข้อผิดพลาด Gaussian addi-tive เป็นส่วนประกอบที่มีค่าเฉลี่ย 0 และส่วนเบี่ยงเบนมาตรฐานป้าย A บอกว่า มีเงื่อนไขในการรู้จักค่าของ A =, การปล่อย length(L1) และ recapture ยาว (L2) เป็นผลรวมทั้งตัวแปร Gaussian หรืออัป (ส่วนหนึ่งที่เกี่ยวข้องกับ L∞and หนึ่งเกี่ยวข้องกับ tomeasurement ข้อผิดพลาด), และดัง Gaussian withmean ความแปรปรวน และความแปรปรวนร่วมของตัวเอง:

ผลลัพธ์ (ไทย) 2:

โปรดทราบว่าจริงเป็นอายุที่ติดแท็ก, a1, toa0 ญาติ (เช่น = a1- a0) ตั้งแต่ a0cannot จะแยกออกจาก a1using thetagging ข้อมูลเพียงอย่างเดียว จะถือว่าเป็นไปตามที่ระบุการจัดจำหน่ายและพารามิเตอร์ของการกระจายนี้จะมีการประเมินภายใน themodel ในการประยุกต์ใช้วิธีการ LEP กับข้อมูลทูน่าสามชุดกระจาย alognormal กับพารามิเตอร์? logAand? logAwas cho เซ็นสำหรับเอ Laslett et al, (2002) แสดงให้เห็นว่าผลการวิจัย fairlyrobust การกระจายตัวเลือกสำหรับตราบเท่าที่มันให้ประมาณ areasonable อีกประการหนึ่งของวิธีการ LEP isthat จะช่วยให้การแปรปรวนของแต่ละบุคคลในการเจริญเติบโตโดยการสร้างแบบจำลองความยาว theasymptotic พารามิเตอร์เป็นผลสุ่ม สำหรับทุกชนิดL∞wasสันนิษฐานว่าจะเป็นไปตามการแจกแจงแบบปกติท​​ี่มีค่าเฉลี่ย? เบี่ยงเบนL∞andstandard? L∞ รูปแบบที่ช่วยให้การวัด errorand / หรือข้อผิดพลาดในกระบวนการเพิ่มเติมในระยะเวลาที่อายุผ่านองค์ประกอบข้อผิดพลาดเสียน Addi-เชิง 0 มีค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน? tag.Conditional อยู่กับค่าที่รู้จักกันบอกว่า = ความยาวปล่อย (L1 ) และรำลึกความยาว (L2) มีทั้งผลรวมของตัวแปรเสียนหรือ-mal (ส่วนหนึ่งที่เกี่ยวข้องกับการL∞andหนึ่งที่เกี่ยวข้องกับข้อผิดพลาด tomeasurement) และจึง Gaussian ตัวเอง withmean แปรปรวนและความแปรปรวนร่วม:

ผลลัพธ์ (ไทย) 3:

ทราบว่าจริง ๆแสดงถึงอายุที่ติดป้าย , A1 , toa0 ญาติ ( เช่น A = − A0 A1 ) ตั้งแต่ a0cannot แยกจาก a1using thetagging ข้อมูลเพียงอย่างเดียว คือว่าตามการระบุและพารามิเตอร์ของการกระจายนี้คาดว่าภายในแบบจำลอง . ในการใช้วิธีการเสริมกากไลซีนข้อมูลทูน่าไปสามชุดalognormal กระจายกับพารามิเตอร์  logaand  logawas โชเซ็น . laslett et al . ( 2002 ) พบว่าผลการทดลอง fairlyrobust เพื่อการเลือกสำหรับตราบเท่าที่มันให้ areasonable ประมาณ คุณลักษณะของวิธีที่สำคัญช่วยให้บุคคลการเสริมกากไลซีนในการเจริญเติบโตโดยการ theasymptotic ความยาวพารามิเตอร์เป็นลักษณะพิเศษแบบสุ่ม สำหรับทุกชนิดผม∞สมมติตามการแจกแจงแบบปกติกับหมายถึง  ผม∞และส่วนเบี่ยงเบน  ผม∞ . รูปแบบที่ช่วยให้การวัด errorand / หรือกระบวนการผิดพลาดเพิ่มเติมในความยาวที่อายุผ่าน addi tive ) ข้อผิดพลาดส่วนประกอบกับหมายถึง 0 และส่วนเบี่ยงเบนมาตรฐาน  tag.conditional ที่รู้จักคุณค่าของพูด = Aรุ่นยาว ( L1 ) และยึดความยาว ( L2 ) มีทั้งผลบวกของตัวแปร ) และมัล ( องค์ประกอบหนึ่งที่เกี่ยวข้องกับผม∞และหนึ่งที่เกี่ยวข้อง tomeasurement ข้อผิดพลาด ) , และดังนั้นจึงละอายตัวเอง withmean , ความแปรปรวนร่วมและ :