-
Articles citing this article
-
Same authors
- PubMed
-
Related articles
- Recommend this article
- Download citation
- Alert me when this article is cited
- Alert me when this article is corrected
Aquat. Living Resour. 17 (2004) 175-183
DOI: 10.1051/alr:2004016
Combining Bayesian and simulation approaches to compare the efficiency of two types of tags used in tropical tuna fisheries
Daniel Gaertner and Jean-Pierre HallierIRD (UR 109), Centre de Recherche Halieutique Méditerranéenne et Tropicale, BP 171, 34203 Sète, France
(Received 12 December 2003; Accepted 2 April 2004)
Abstract
Conventional "spaghetti" tags and tags
originally designed for "sport fishing" and called Betyp tags, were used
during a tuna tagging program conducted on board Dakar baitboats in 1999.
With the aim of comparing the recapture rate of both types of tags,
additional information obtained from previous tagging trips are used in a
Bayesian context to set up an informative prior for conventional tags. We
show in this study (1) how to account for the sampling uncertainty in the construction
of the Beta prior with a likelihood method, and (2) how a simulation-based
alternative can be useful for performing the probability density function of
the difference between two posterior recapture rates. On the light of the
resulting simulated difference we found that Betyp tags have a very strong
negative effect on the return rate of bigeye tuna (-19.6% on average).
For skipjack the strength of evidence concerning the decrease in recapture
rate due to the implementation of Betyp tags (-3.2%) was supported only
at a 10% level. The Bayesian approach is compared with the conventional
"frequentist" approach and with a likelihood method allowing for the
integration of previous information. The results obtained from different
approaches indicate that the choice of the method, as well as the choice of
the prior, does not modify the conclusion of the study. Potential causes for
explaining the lowest efficiency of Betyp tags are discussed.
Résumé
Des marques conventionnelles de type "spaghetti" et des marques conçues
à l'origine pour la pêche sportive, et appellées marques
"Betyp", ont été utilisées en 1999 à bord de thoniers
canneurs de Dakar. Dans le but de comparer le taux de recapture de ces deux
types de marques, des informations additionnelles obtenues lors de campagnes
de marquage précédentes ont été utilisées dans une
approche probabiliste Bayésienne pour mettre à jour nos
connaissances sur le taux de recapture a priori des marques
conventionnelles. Nous montrons dans cette étude (1) comment la
variabilité observée au cours des campagnes précédentes peut
être intégrée lors de la construction de la distribution a priori
de type Beta à l'aide d'une méthode basée sur le maximum
de vraisemblance, et (2) comment construire la fonction de distribution de
la différence des taux de recapture a posteriori à l'aide d'une
méthode de simulation. L'analyse de la distribution simulée des
différences indique que les marques "Betyp" ont un très fort effet
négatif sur le taux de recapture des thons obèses (-19.6 % en
moyenne, par rapport aux marques conventionnelles). Pour le listao,
l'hypothèse d'une baisse de la proportion de recapture due à
l'utilisation des marques "Betyp" (-3.2 %) n'est supportée par les
données qu'à un seuil de crédibilité de 10 %. L'approche
Bayésienne est comparée à la méthode "fréquentiste"
traditionnelle et à une méthode du maximum de vraisemblance
permettant l'intégration d'informations a priori. Les résultats
obtenus par ces différentes approches indiquent que le choix de la
méthode, aussi bien que le choix du prior dans le cas de l'approche
Bayésienne, ne modifient pas les conclusions de l'étude. Enfin, les
causes potentielles susceptibles d'expliquer la moindre efficacité des
marques "Betyp" sont discutées.
Key words: Tagging data / Tuna fisheries / Return rate / Bayesian analysis / Likelihood analysis
Corresponding author: gaertner@ird.fr
© EDP Sciences, IFREMER, IRD 2004
| What is OpenURL? |


Document
BibSonomy
CiteUlike
Connotea
Del.icio.us
Digg
Facebook
