Ajusta modelos de detecção com diferentes funções chave e termos de ajuste

A função ajustar_modelos_Distance() ajusta aos dados modelos com diferentes funções chave e termos de ajuste.

Usage

ajustar_modelos_Distance(
         dados,
         funcao_chave = c("hn", "hr", "unif"),
         termos_ajuste = NULL,
         truncamento = NULL,
         formula = ~ 1
       )

Arguments

dados

recebe a tibble gerada pela função transformar_dados_formato_Distance().

funcao_chave

recebe uma dentre três funções utilizadas para modelar a detectabilidade da espécie: "hn" - Half-normal; "hr" - Hazard-rate; e "unif" - Uniform.

termos_ajuste

recebe um dentre n termos de ajuste: "cos" - cosseno; "herm" - Hermet polynomial; e "poly" - Polinomial simples. Quando NULL diferentes modelos são ajustados para função chave escolhida utilizando diferentes termos de ajuste. Veja Details.

truncamento

recebe uma lista contendo as distâncias de truncagem de forma numérica (ex. 20), ou como porcentagem (como um caracter, ex. 25%). Também pode ser alimentada no formato de lista, com os elementos left e right (ex. list(left = 1, right =20)) se a truncagem a esquerda for necessária. Por configuração, a distância máxima é utilizada como valor de truncagem a direita. Quando os dados estão categorizados, a truncagem a direita é o valor final da última coluna. O valor de truncagem a esquerda é zero, por configuração.

formula

a fórmula para o parâmetro de escala. Para análise CDS manter a configuração original ~ 1.

Value

Retorna uma lista contendo a estimativa de abundância para região estudada

Details

Quando termo_ajuste = NULL modelos com diferente termos de ajuste serão ajustados aos dados, a depender da função chave utilizada. Para funcao_chave = "hn", são utilizados os termos de ajuste NULL (sem termos), "cos" e "herm"; para funcao_chave = "hr", são utilizados os termos de ajuste NULL (sem termos), "cos" e "poly"; e para funcao_chave = "unif", são utilizados so termos de ajuste "cos" e "poly".

Examples

if (FALSE) { # \dontrun{
# gerar dados filtrados para a uma espécie e uma UC e transformar para o
# formato para a análise no pacote Distance
dados_dasy_croc_tap_arap <- filtrar_dados(
  dados = monitora_aves_masto_florestal,
  nome_ucs = "resex_tapajos_arapiuns",
  nome_sps = "dasyprocta_croconota",
  validacao_obs = "especie"
) |>
  transformar_dados_formato_Distance(amostras_repetidas = FALSE)

# ajustar modelo com função chave Half-normal e todas os termos de ajuste
# possíveis
dasyp_croc_resex_tap_arap_hn <- dados_dasy_croc_tap_arap |>
  ajustar_modelos_Distance(
    funcao_chave = "hn",
    termos_ajuste = NULL,
    truncamento = "10%"
  )

dasyp_croc_resex_tap_arap_hn

# ajustando a função de detecção half-normal, sem termo de ajuste para um
# truncamento de 10% dos dados e uma covariável
dasy_croc_tap_arap_hn_cov1 <- dados_dasy_croc_tap_arap |>
  ajustar_modelos_Distance(
    funcao_chave = "hn",
    termos_ajuste = NULL,
    truncamento = "10%",
    formula = ~ size
  )

dasy_croc_tap_arap_hn_cov1

# ajustando a função de detecção half-normal, sem termo de ajuste para um
# truncamento de 10% dos dados e duas covariáveis
dasy_croc_tap_arap_hn_cov2 <- dados_dasy_croc_tap_arap |>
  ajustar_modelos_Distance(
    funcao_chave = "hn",
    termos_ajuste = NULL,
    truncamento = "10%",
    formula = ~ size + cense_time
  )

dasy_croc_tap_arap_hn_cov2
} # }