2.2. Parametric model fitEach of th

2.2. Parametric model fit
Each of these 900 time series was fit with the logistic model, which
is the special case when θ equals 1 in Eq. (1). Only the 50 first steps of
the time series were used for calibration, and the 50 remaining steps
were used to assess the quality of the forecasts. Following Hartig and
Dormann (2013), the time series were split into 10 subsets of 5 time
steps each, and the X(t) values at the beginning of each subset were
considered unknown. The rationale of this splitting procedure is to
focus on short subset of the time-series so as to decrease the impact of
the sensitivity to initial conditions which is specific to chaotic
dynamics. The length of the splitting procedure was guided by
Hartig and Dormann (2013) who have already shown that it was
efficient for this parametric model. For other case studies, alternative
splitting length might be more efficient. They could be compared by
trial and error. Three MCMC chains were used with dispersed initial r
values, 500,000 adaptation steps, 500,000 burn-in iterations and
1,000,000 posterior samples, of which 10,000 (1 every 100 steps)
were retained to perform model checks and compute predictions.
Prior distributions were uniforms on [2; 4.5], [0.01; 10] and [0.1; 40]
respectively for r, K and the observation precision equal to 1=σ2
obs. This
last prior distribution was changed to uniform on [10; 600] for cases of
low and middle observation noise (σobs equal to 0.05 or 0.1 in the
simulations). Convergence of the chains was checked with the multivariate
potential scale reduction factor, that was required to be smaller
than 1.2. Bayesian analysis was performed with R version 3.0.1 and
JAGS 3.4 (Plummer, 2003). R and JAGS scripts are provided in
Appendix

ผลลัพธ์ (ไทย) 1:

2.2. พาราเมตริกรุ่นพอดีแต่ละเหล่านี้เวลา 900 ชุดได้พอดีกับรูปแบบโลจิสติก ซึ่งเป็นกรณีพิเศษเมื่อθเท่ากับ 1 ใน Eq. (1) เพียง 50 ขั้นตอนแรกของชุดเวลาใช้สำหรับการปรับเทียบ และขั้นตอนเหลือ 50ใช้ในการประเมินคุณภาพของการคาดการณ์ ต่อ Hartig และDormann (2013), เวลาที่ชุดถูกแบ่งออกเป็น 10 ชุดย่อย 5 ครั้งขั้นตอนแต่ละ และค่า X(t) ที่จุดเริ่มต้นของแต่ละกลุ่มย่อยถือว่าไม่รู้จัก ผลของกระบวนการนี้แยกเป็นเน้นเพียงชุดย่อยของชุดเวลาเพื่อลดผลกระทบของความไวเริ่มต้นเงื่อนไขที่เจาะจงให้วุ่นวายdynamics ความยาวของกระบวนการแยกถูกแนะนำโดยHartig และ Dormann (2013) ที่มีอยู่แล้วแสดงว่า เป็นมีประสิทธิภาพในรูปแบบพาราเมตริกนี้ อื่น ๆ กรณีศึกษา อื่น ๆแบ่งความยาวอาจจะมีประสิทธิภาพมากขึ้น สามารถเปรียบเทียบได้ด้วยลองผิดลองถูก ใช้ MCMC สามโซ่กับ r เริ่มกระจัดกระจายค่า ขั้นตอนการปรับ 500000, 500000 เขียนในการวนซ้ำ และ1000000 หลังตัวอย่าง ที่ 10000 (1 ทุกขั้นตอนที่ 100)ถูกเก็บไว้เพื่อดำเนินการตรวจสอบแบบจำลอง และคำนวณการคาดคะเนการกระจายก่อนขึ้นเครื่องใน [2; 4.5], [0.01; 10] และ [0.1; 40]ตามลำดับสำหรับ r, K และความแม่นยำในการสังเกตเท่ากับ 1 = σ2obs. นี้กระจายสุดท้ายก่อนเปลี่ยนเป็นเครื่องแบบใน [10; 600] ในกรณีของต่ำ และกลางสังเกตเสียง (σobs เท่ากับ 0.05 หรือ 0.1 ในการจำลอง) บรรจบกันของเครือข่ายถูกตรวจสอบกับแบบ multivariateอาจลดตัวคูณสเกล ที่ถูกต้องจะมีขนาดเล็กกว่า 1.2 ทำการวิเคราะห์ทฤษฎีกับ R เวอร์ชัน 3.0.1 และJAGS 3.4 (พลัมเมอร์ 2003) มีอยู่ในสคริปต์ R และ JAGSภาคผนวก

ผลลัพธ์ (ไทย) 2:

2.2 รูปแบบ Parametric
พอดีกับแต่ละช่วงเวลาเหล่านี้ได้900
พอดีกับรูปแบบโลจิสติกซึ่งเป็นกรณีพิเศษเมื่อθเท่ากับ1 ในสมการ (1) เพียง 50
ขั้นตอนแรกของซีรีส์ครั้งที่ถูกนำมาใช้สำหรับการสอบเทียบและ50
ขั้นตอนที่เหลือถูกนำมาใช้ในการประเมินคุณภาพของการคาดการณ์ที่ ติดตาม Hartig และ
Dormann (2013) ชุดเวลาที่ถูกแบ่งออกเป็น 10 ส่วนย่อยของเวลา 5
ขั้นตอนแต่ละและ X (t)
ค่าที่จุดเริ่มต้นของการย่อยแต่ละถือว่าไม่รู้จัก เหตุผลของขั้นตอนการแยกนี้คือการมุ่งเน้นไปที่เซตสั้น ๆ ของอนุกรมเวลาเพื่อที่จะลดผลกระทบของความไวต่อเงื่อนไขเริ่มต้นที่เป็นเฉพาะกับความวุ่นวายการเปลี่ยนแปลง ความยาวของขั้นตอนการแยกถูกแนะนำโดยHartig และ Dormann (2013) ที่ได้แสดงให้เห็นแล้วว่ามันเป็นที่มีประสิทธิภาพสำหรับรูปแบบตัวแปรนี้ สำหรับกรณีศึกษาอื่น ๆ ทางเลือกระยะเวลาในการแยกอาจจะมีประสิทธิภาพมากขึ้น พวกเขาสามารถนำมาเปรียบเทียบโดยการลองผิดลองถูก สามโซ่ MCMC ถูกนำมาใช้กับอาเริ่มต้นกระจายค่า500,000 ขั้นตอนการปรับตัว 500,000 เผาไหม้ในการทำซ้ำและ1,000,000 ตัวอย่างหลังที่ 10000 (1 ทุก ๆ 100 ขั้น) ได้รับการเก็บรักษาไว้เพื่อดำเนินการตรวจสอบรูปแบบและคำนวณการคาดการณ์. แจกแจงก่อนที่เป็นเครื่องแบบบน [ 2; 4.5], [0.01; 10] และ [0.1; 40] ตามลำดับ R, K และความแม่นยำการสังเกตเท่ากับ 1 = σ2 obs นี้กระจายก่อนที่ผ่านมาได้เปลี่ยนไปเป็นเครื่องแบบ [10; 600] สำหรับกรณีของเสียงสังเกตต่ำและปานกลาง(σobsเท่ากับ 0.05 หรือ 0.1 ในการจำลอง) การบรรจบกันของเครือข่ายได้รับการตรวจสอบกับหลายตัวแปรปัจจัยการลดขนาดที่มีศักยภาพที่ถูกต้องจะมีขนาดเล็กกว่า1.2 การวิเคราะห์แบบเบย์ได้ดำเนินการกับรุ่น R 3.0.1 และJags 3.4 (พลัมเม, 2003) R และสคริปต์ Jags มีไว้ในภาคผนวก

ผลลัพธ์ (ไทย) 3:

2.2 . รูปแบบพารามิเตอร์พอดี
แต่ละเหล่านี้ 900 เวลาพอดีกับชุดรูปแบบโลจิสติกซึ่ง
เป็นกรณีพิเศษเมื่อθมีค่าเท่ากับ 1 ในอีคิว ( 1 ) เพียง 50 ขั้นตอนแรกของ
อนุกรมเวลาที่นำมาสอบเทียบ และ 50 เหลือขั้นตอน
ถูกใช้เพื่อประเมินคุณภาพของการคาดการณ์ . ต่อไปนี้ Hartig และ
dormann ( 2013 ) , อนุกรมเวลา แบ่งออกเป็น 10 ชุดย่อยของ 5
ขั้นตอนแต่ละและ x ( t ) ที่ค่าเริ่มต้นของแต่ละส่วนย่อยมี
ถือว่าไม่รู้จัก เหตุผลของการแยกกระบวนการ

เน้นย่อยสั้น ๆของเวลาเพื่อลดผลกระทบของความไว
เงื่อนไขเริ่มต้นที่เฉพาะเจาะจงกับพลวัตวุ่นวาย

ความยาวของขั้นตอนการแยกและนำ
Hartig dormann ( 2013 ) ที่ได้แสดงให้เห็นแล้วว่ามันเป็น
ที่มีประสิทธิภาพสำหรับรุ่นนี้พารามิเตอร์ . ศึกษากรณีอื่นๆ ความยาวแบ่งทางเลือก
อาจจะมีประสิทธิภาพมากขึ้น พวกเขาอาจจะเปรียบเทียบโดย
การทดลองและข้อผิดพลาด โซ่ที่ใช้กับสาม MCMC กระจายค่า R
เริ่มต้น 500000 การปรับตัวก้าว 500000 เผาซ้ำและ
1000000 ด้านหลังตัวอย่างที่ 10000 ( 1 ทุก 100 ขั้นตอน )
ถูกเก็บไว้เพื่อดําเนินการตรวจสอบแบบและคำนวณคาดคะเน .
การแจกแจงก่อนเป็นยูนิฟอร์มหลัก [ 2 ] [ 10 ] [ 0.1 และ 0.01 ; ; 40 ]
2 R , K และสังเกตความเที่ยงตรงเท่ากับ 1 = 2
σทันอยู่แล้ว นี้
สุดท้ายก่อนการเปลี่ยนเครื่องแบบ [ 10 ] ; 600 กรณี
ต่ำและเสียงกลาง ( σสังเกต obs เท่ากับ 0.05 และ 0.1 ใน
จำลอง )การบรรจบกันของโซ่ก็เช็คกับตัวแปรหลายตัว
ศักยภาพขนาดลดปัจจัย มันต้องเล็กกว่า
กว่า 1.2 การวิเคราะห์เชิงเบส์แสดงกับ R รุ่น 3.0.1 และ
jags 3.4 ( พลัมเมอร์ , 2003 ) r และ jags สคริปต์ไว้ในภาคผนวก