公開可能な合成の地点別カウントフィクスチャで全工程を検証。
Validated the full workflow with a publishable synthetic grouped-site count fixture.
00
代表的な成果図 Selected Result Figure
01
主なポイント Highlights
地点全体をホールドアウトし、同一地点の情報が検証側へ漏れることを防止。
Held out entire sites to prevent information from the same site leaking into validation.
負の二項とPoissonを、対数スコア、較正、予測被覆率で比較。
Compared negative-binomial and Poisson models with log scores, calibration, and predictive coverage.
02
研究の流れ Research Flow
-
課題Problem
地点差と過分散を持つ個体数カウントを、新しい地点へどこまで一般化できるか評価する。
Evaluate how well overdispersed counts with site heterogeneity generalize to unseen sites.
-
方法Method
平滑効果と地点ランダム効果を持つ負の二項GAMMをPoissonモデルと比較する。
Compare a negative-binomial GAMM with smooth and site random effects against a Poisson model.
-
検証Validation
地点単位のホールドアウト、適切な予測スコア、較正、区間被覆で検証する。
Validate with site-level holdout, proper predictive scores, calibration, and interval coverage.
-
成果Outcome
階層カウントモデルを漏洩なく評価する再現可能な合成デモを構築。
Built a reproducible synthetic demonstration of leakage-safe hierarchical count-model evaluation.
03
限界と適用範囲 Limitations & Scope
合成結果は実際の個体数、検出確率、管理効果を推定するものではない。
Synthetic results do not estimate real population size, detection probability, or management effects.
04
公開範囲 Publication Boundary
公開ケーススタディPublic case study
公開図と数値はすべて合成フィクスチャ由来。方法は説明できるが、実データに基づく結論としては提示しない。
All public figures and numbers come from a synthetic method fixture. The workflow is shown without presenting conclusions from real data.