Les études par capture-recapture sont utilisées fréquemment en pratique afin d'estimer les taux de survie et l'évolution de la taille des populations animales. Ils consistent en une série d'occasions où les animaux sont capturés et relâchés dans la population. Lorsqu'un individu est capturé pour la première fois, il est marqué d'un identifiant unique qui permet de l'identifier lors de potentielles recaptures subséquentes. Il arrive fréquemment qu'une population animale soit étudiée par plus d'un type d'études, incluant une étude par capture-recapture. Par exemple, des comptages périodiques - sujets à erreurs - peuvent être utilisés pour dénombrer la population. Ces différentes sources de données sont souvent analysées séparément, ou lorsqu'elles sont analysées dans un modèle intégré, la modélisation est simplifiée en approximant la vraisemblance totale par un produit de vraisemblances (où l’hypothèse d'indépendance n’est pas valide).

Dans cette présentation, je vais présenter un nouveau cadre général de modélisation Bayésienne qui permet d'intégrer des données de capture-recapture avec des données d'autres sources sur une même population. La vraisemblance totale peut maintenant être calculée, grâce à un choix judicieux de variables latentes afin d’exprimer le modèle. Je vais présenter les résultats d’une étude par simulation comparant la nouvelle méthode avec la méthode reposant sur un produit de vraisemblances, ainsi qu’une application à des données réelles sur une population de chauves-souris.

Date :              Vendredi le 9 décembre 2016

Heure :            14h00 à 15h00

Lieu :               Pavillon André-Aisenstadt

Salle :              5340