We compute the PPI following the si

We compute the PPI following the simulation approach by Engen et al. (2001). We first estimate the parameters (see eqn 7). Secondly, the process with these parameters is simulated in such a way that it ends up with the same population size as the one recorded at the last year of observation. The same process is then simulated further until it first reaches extinction or a predefined upper time, tmax. From each simulation we estimate the population parameters as for the real data and perform parametric bootstrapping. We then simulate the process for each bootstrap replicate to extinction or tmax and check whether extinction occurs before the simulated ‘real’ extinction time, using the last parameter estimates, or have smaller population size at tmax if extinction is not reached. Writing Q for the proportion of simulations giving smaller values, the simulations would give prediction intervals with exact coverage if Q was distributed uniformly between 0 and 1. We perform this procedure a large number of times and fit a beta-distribution to the simulated Q-values and use this fitted distribution to obtain a prediction method with improved coverage. For further details, see Engen et al. (2001).

ผลลัพธ์ (ไทย) 1:

เราคำนวณ ppi ต่อไปนี้วิธีการจำลองโดย Engen ตอัล (2001) ครั้งแรกที่เราประมาณค่าพารามิเตอร์ (ดูสม 7) ประการที่สองกระบวนการที่มีค่าเหล่านี้จะถูกจำลองในลักษณะที่ว่ามันจะจบลงด้วยขนาดของประชากรเช่นเดียวกับหนึ่งบันทึกไว้ในปีที่ผ่านมาของการสังเกต กระบวนการเดียวกันจำลองแล้วต่อไปจนกว่าจะถึงการสูญพันธุ์ครั้งแรกหรือเวลาบนที่กำหนดไว้ล่วงหน้าTmax จากแต่ละจำลองที่เราได้ประมาณการค่าพารามิเตอร์ของประชากรเป็นข้อมูลจริงและดำเนินการ bootstrapping ตัวแปร จากนั้นเราจะจำลองกระบวนการในการทำซ้ำแต่ละบูตจะสูญพันธุ์หรือ Tmax และตรวจสอบว่าการสูญเสียที่เกิดขึ้นก่อนที่จะจำลอง 'จริง' การสูญเสียเวลาโดยใช้พารามิเตอร์ประมาณการที่ผ่านมาหรือมีขนาดประชากรที่มีขนาดเล็ก Tmax ถ้าการสูญเสียไม่ถึงเขียน q เป็นสัดส่วนของการจำลองให้ค่าเล็กจำลองจะให้การคาดการณ์ช่วงเวลาที่มีความคุ้มครองที่แน่นอนถ้า q กระจายสม่ำเสมอระหว่าง 0 และ 1 เราดำเนินการขั้นตอนนี้เป็นจำนวนมากของเวลาและพอดีกับเบต้ากระจายการจำลอง q ค่าและใช้การกระจายติดตั้งนี้เพื่อให้ได้วิธีการทำนายที่มีความคุ้มครองที่ดีขึ้น สำหรับรายละเอียดเพิ่มเติมเห็น Engen ตอัล (2001)

ผลลัพธ์ (ไทย) 2:

เราคำนวณ PPI ดังต่อไปนี้วิธีการจำลองโดย Engen et al. (2001) เราต้องประเมินพารามิเตอร์ (ดู eqn 7) ประการที่สอง จำลองกระบวนการกับพารามิเตอร์เหล่านี้ในเช่นวิธีที่สิ้นสุดขึ้นกับขนาดประชากรเดียวกันกับที่ บันทึกในปีสุดท้ายของการสังเกต กระบวนการเดียวกันแล้วจำลองต่อไปจนกว่าจะถึงก่อนสูญพันธุ์หรือบนเวลาล่วงหน้า tmax จากการจำลองแต่ละ เราประเมินประชากรพารามิเตอร์สำหรับข้อมูลจริง และทำ bootstrapping พาราเมตริก เราแล้วจำลองกระบวนการสำหรับแต่ละ replicate เริ่มต้นระบบการดับ tmax และตรวจสอบว่า สูญพันธุ์เกิดขึ้นก่อนเวลาสูญพันธุ์ 'จริง' จำลอง ใช้ประเมินพารามิเตอร์สุดท้าย หรือมีขนาดประชากร tmax ถ้าไม่ถึงดับ Q เขียนสำหรับสัดส่วนของจำลองให้มีขนาดเล็กกว่าค่า แบบจำลองจะให้ช่วงพยากรณ์ มีความครอบคลุมแน่นอนถ้า Q มีการกระจายสม่ำเสมอเมื่อเทียบเคียงระหว่าง 0 และ 1 เราทำตามขั้นตอนนี้หลายครั้ง และพอดีเบต้าแจกค่า Q ที่เลียนแบบ และใช้แจกจ่ายนี้จัดเพื่อดูวิธีการทำนายที่ มีความครอบคลุมการปรับปรุง รายละเอียดเพิ่มเติม ดู Engen et al. (2001)

ผลลัพธ์ (ไทย) 3:

เราคำนวณดัชนีราคาผู้ผลิตที่ใช้วิธีการต่อไปนี้:การจำลองโดย engen et al . ( 2001 ) เราเป็นครั้งแรกโดยประมาณค่าพารามิเตอร์(ดู eqn 7 ) ประการที่สองการที่มีพารามิเตอร์เหล่านี้เป็นการจำลองในทางที่จะสิ้นสุดลงได้พร้อมด้วยขนาดพื้นที่จำนวนประชากรเหมือนกับที่บันทึกไว้ในปีที่ผ่านมาของการสังเกตการณ์ กระบวนการทำงานในลักษณะเดียวกับที่มีการทดสอบ Simulated Acoustical Feedback Exposure ต่อไปจนกว่านั้นเป็นครั้งแรกถึงการสูญพันธุ์หรือเวลาส่วนบนที่กำหนดไว้ล่วงหน้าแล้วtmax . จากการจำลองแต่ละครั้งเราประเมินค่าพารามิเตอร์จำนวนประชากรที่เป็นข้อมูลในแบบเรียลไทม์และการจัดการ bootstrapping หลายๆส่วน จากนั้นเราจะทำการจำลองการทำงานของแต่ละคนเป็น Bootstrap Processor เพื่อ tmax หรือการสูญพันธุ์และตรวจสอบว่าการหมดจะเกิดขึ้นก่อนการทดสอบ Simulated Acoustical Feedback Exposure 'เวลาจริงของการสูญพันธุ์โดยใช้ประเมินค่าพารามิเตอร์ที่ผ่านมาหรือมีขนาดประชากรมีขนาดเล็กกว่าที่ tmax หากการสูญพันธุ์คือไม่ถึงQ :สำหรับการเขียนโดยมีสัดส่วนของการจำลองการให้มีขนาดเล็กกว่าค่าการจำลองที่จะทำให้ช่วงเวลาการทำนายด้วยการครอบคลุมที่แน่นอนหาก Q ได้รับการเผยแพร่เครื่องแบบระหว่าง 0 และ 1 เราทำตามขั้นตอนนี้ขนาดใหญ่จำนวนมากซึ่งในช่วงเวลาและให้ความกระชับ Beta - การกระจายไปยังการจำลอง Q - ค่าที่ได้และใช้การกระจายจัดให้บริการโรงแรมแห่งนี้จะได้รับการทำนายวิธีที่มีความครอบคลุมบริการดีขึ้น สำหรับรายละเอียดเพิ่มเติมดู engen et al . ( 2001 )