În loc să alegem CEL MAI BUN model (articole științifice susțin că folosirea celui mai bun model nu este indicat), am putea să estimăm ocupanța și detecția pe baza tuturor modelelor, ponderate în funcție de greutatea AICc a acestora și să folosim toate modelele al căror total al greutății AICc <=0.95. Funcția de mai jos returnează coeficienții modelului mediat.
mod.avg = model.avg(selection_o, cumsum(weight) <= .95)
mod.avgPutem estima probabilitatea de detecția și probabilitatea de ocupanță folosind modelarea medie (varianta indicată, în locul celui mai bun model).
detpred = predict(mod.avg, type="det")
detpred
hist(detpred$fit)
psipred = predict(mod.avg, type="state")
psipred
hist(psipred$fit)Utilizând estimările de ocupanță prognozate, acum putem obține probabilitatea de ocupanță corectată pentru detectarea imperfectă, cunoscută și sub numele de Proporția Siturilor Ocupate (PAO) = media lui ‘psipred’, și să evaluăm diferența dintre predicțiile naive și de ocupanță.
PAO = mean(psipred$fit)
PAO
PAO-minkfrog_naive
Există o diferență între Proporția Siturilor Ocupate (PAO) și estimările naive de ocupanță (număr pe prezențe/număr de situri), sugerând că unul sau mai multe situri care au fost sondate probabil sunt ocupate de broaște, dar nu au fost detectate în timpul studiului. Astfel, neconsiderarea detecției imperfecte ar fi subestimat ocupanța reală a broaștelor în zona studiată.
Codul R și setul de date sunt disponibile pentru descărcare: