ROCZNIKI POLSKIEGO TOWARZYSTWA MATEMATYCZNEGO SERIA Ili: MATEMATYK.A STOSOWANA II (1974)
Teresa WIERZBOWSKA (Warszawa)
Statystyczny model dla oceny
areałudrobnych gryzoni
leśnychWstęp. Scharakteryzowanie miary obszaru penetrowanego systematycznie przez zwierzę dla zdobycia pokarmu i zrealizowania innych podstawowych wymagań życiowych jest w ba- daniach ekologicznych jednym z istotnych elementów. Powyższy obszar nazywa się areałem
osobniczym (określenie podane przez Burta
([2 ]).
Oszacowanie granic areału, a w konsekwencji podanie jego miary dla drobnych gryzoni
leśnych, które prowadzą ukryty tryb życia, jest na ogół niemożliwe poprzez bezpośrednią obserwację miejsc, w których widziano gryzonia. Oceny wielkości powierzchni areału dokonu·
je się więc na podstawie informacji uzyskanych z odłowów przeprowadzonych w następujący
sposób: na powierzchni określonej wielkości ustawia się żywołowne pułapki (jedną lub kilka) w węzłach siatki o kwadratowych oczkach. Pułapki ustawia się na zatrzask, w regularnych od-
stępach czasu, na przeciąg kilku godzin. Złowiony gryzoń otrzymuje numer poprzez odpowied nie oznakowanie i zostaje wypuszczony w miejscu złowienia. Numer ten stanowi podstawę do identyfikacji gryzonia przy następnych złowieniach. Przy każdym następnym złowieniu
notuje się numer pułapki, w którą złowił się gryzoń. Gęstość sieci rozstawionych pułapek jest dobrana z punktu widzenia możliwości złowienia się gryzonia co najmniej dwa razy w okresie trwania eksperymentu.
Metody oceny miary areału oparte o informacje uzyskane w sposób opisany wyżej, moż
na podzielić najogólniej na te, które podają miarę areału na podstawie informacji dotyczą
cych miejsc z pułapką (tzw. „punktów łownych"), w które gryzoń złowił się w czasie swego pobytu na powierzchni eksperymentalnej, bez uwzględniania informacji dotyczącej krotno-
ści złowień w tych punktach, oraz na metody statystyczne. Metodą reprezentującą pierwszą grupę jest metoda przyjmująca jako powierzchnię areału pole najmniejszego obszaru wypukłe
go zawierającego wszystkie punkty złowień gryzonia
([9 ]).
Do grupy tej należy także metodaokreślająca wielkość areału za pomocą maksymalnej odległości dwóch punktów złowień gry- zonia. Modyfikacja jej, polegająca na wprowadzeniu maksymalnej szerokości areału
([12])
jest następną metodą z grupy metod niestatystycznych. Do grupy metod statystycznych na-leży przede wszystkim metoda przyjmująca dwuwymiarowy rozkład normalny dla punktów losowych areału
([3 ]).
Dla powyższego modelu, jako pole areału przyjmuje się pole obszaru, w którym gryzoń
spędza określony 3 czasu (przyjmowany arbitralnie) spośród całego czasu wykorzystywane- go przez zwierzę w celu podanym przez Burta ([ 2 ]). Ponadto, pole obszaru areału liczone jest przy założeniu, że areał ma kształt kołowy
([3])
lub eliptyczny([5],
[7 ]). Do grupy me- tod statystycznych należy także metoda zakładająca, że odległość „punktów łownych" od ich środka ciężkości ma rozkład Pearsona III-go typu ([ 4 ]).Przedstawione wyżej metody oceny wielkości areału były oceniane w wielu pracach
([1],
[ 6], [ 8], [1 O], [
11], [12])
z punktu widzenia adekwatności założeń modeli, które reprezen·tują, do warunków rzeczywistych, oraz z punktu widzenia błędów związanych z liczebnością
140 T. Wier z bo wska~
próby (liczbą złowień gryzonia) na podstawie której ocenia się wielkość areału gryzonia. Li-
czebność próby jest szczególnie istotna ze względu na pogląd wyrażany powszechnie przez biologów, że kształt i wielkość areału ulegają w czasie zmianom, zależnym od warunków eko- logicznych. Przy rozważaniach dotyczących adekwatności założeń modelu stwierdzono ([ 11],
[12 ]}, że założenie związane
z
metodami statystycznymi przedstawionymi w tej pracy, przyjmujące istnienie w obrębie areału jednego Środka aktywności, utożsamionego ze środkiem ciężkości „punktów łownych" nie jest prawdziwe. Współrzędne środka ciężkości są oszacowaniem przeciętnych wartości brzegowych zmiennych losowych dwuwymiarowego rozkładu normalnego. W świetle powyższych uwag wygodne byłoby znalezienie takiej meto- dy, która pozwoliłaby ocenić wielkość areału na podstawie kilku ~owień gryzonia, oraz by była wolna od założeń dotyczących kształtu areału i istnienia w obrębie areału jednego środ
ka aktywności. Próbę taką podjęto w niniejszej pracy.
Konstrukcja statystycznego modelu.Jako miarę areału przyję,to liczbę pułapek znaJdują
cych się w obszarze penetracji gryzonia. Dla dokonania oceny tej miary wprowadzono nastę
pujące oznaczenia: D - obszar doświadczalny, G - obszar penetracji ustalonego gryzonia, I - zbiór pułapek w obszarze D, le - zbiór pułapek w obszarze G,
llel
= r, E; - zdarzeniepolegające na zajęciu i-tej pułapki przez gryzonia, w wyniku jego złowienia, i EI e, k - liczba
złowień gryzonia.
Załóżmy, że
1° G CD,
2° P(E;) = 1/r dla i Ele,
3° dla każdego ciągu pułapek i1 , i2 , ••• , ik, gdzie ij E G (j
=
l, 2, ... , k), zdarzenia E. , E. , ... , E. są niezależne.'1 •2 'k
Niech X kr będzie zmienną losową określającą liczbę różnych punktów łownych (pułapek), które gryzoń „ujawnia" w k kol ~jnych złowieniach, spośród r punktów łownych znajdują
cych sic;. w jego areale.
Zmienna Xkr jest określona na układach zdarzeń
(E. , 1 E. , ... , E. ), 1 '2 'k
gdzie Ei.EE= (E1 , E2 , ••• , E,),j
=
1, 2, ... , k, oraz przyjmuje wartości całkowite s(s =
=l, 2, 3, J „., min(r, k)).Oznaczmy
(1) P(Xkr
=
s)=
Pk (r, s).Rozkład prawdopodobieństwa Pk (r, s) musi spełniać wzory rekurencyjne Pi(r, s)
= {:
dla s = 1,dla s
>
1,(2) 1
{
pk-1 (r, s);
pk (r, s)
=
s ) r - s+
1 . pk-1 (r, s)-+ pk-1 (r, s-1 rr •
dla k
>
1 i s=
1dla k
>
1 s>
1.Dla naturalnych k, r, s określona jest funkcja
Pl
(r, s) w sposób następujący:(3)
(4)
Statystyczny model oceny areału drobnych gryzoni leśnych
l(
:)r-k(-l)s ~ s (-l)v(:)vkP!
(r, s)=
o
dla s ~min (r, k),
dla s >min (r, k).
Udowodnimy następujące
TwIERDZENIE. Dla wszystkich naturalnych liczb k, r, s zachodzi równość
Dla dowodu twierdzenia wykorzystamy następujący
LEMAT. jeśli dla naturalnych ki s wprowadzimy funkcje s
wks
= L:
(-1)v C)vk,v=l to dla s
>
kD o w ó d. Dowód lematu przeprowadzimy przez indukcję. Dla k
=
1 is > 1 mamys s s-1
w
1s= L
(-I)vG)v=
sL (~1)v G=~) =
sI: (-I)vC~
1)= o.
v==l v=l v=O
Załóżmy, że dla każdego k ~ ko i s > k W ks
=
O. W Ów czass s
w
k0+ I ,s= '"'
L,..; (-l)v(s)vko+l v=
s L_; " (-l)vcs-1) v-1 vko=
v=I v=I
s-1 ko s-1
=-s~ (-1)v~~
1)-s ~(:
0)L' (-1)vCS~
1)vP=
v=O p=I - v=l
=
-sl:
p=l ko(~o)
wp,s-1 •141
Jeśli więc s > k0 + 1, to dla p ~ k0 W p,s-l
=
O, skąd W ko+ l ,s=
O, co kończy dowód lematu.D o w ó d t w i e r d z e n i a. Dowód bCidzie przeprowadzony przez indukcję względem
liczby k. Dla k = 1 równość (4) jest oczywista. Załóżmy, Że równość (4) jest spełniona dla pewnego naturalnego k i wszystkich naturalnych r i s.
Obliczmy wartość Pk+l (r, s) rozważając następujące przypadki:
142 T. Wier z bo wska
(a) s
=
l,(b) 1
<
s ~min (r, k),(c) min (r, k) <s ~min (r, k+l), ( d) s
=
r + 1, s > min (r, k+ 1), (e) s=Fr+l,s>min(r, k+l).Rozważmy kolejno cytowane przypadki.
(a) s = 1. Wówczas s ~min (r, k) i w myśl wzorów (2) i (3) i z założenia indukcyjnego mamy
Pk+l (r, s)
=
Pk(r, 1).!.
=Pkt (r, 1).! =
r-k,~ r r
ale
(b) 1
<
s ~min (r, k). W tym przypadku mamy (s-1) ~min (r, k), oraz s ~min (r, k+ I) i znów korzystając z wzorów (2) i (3) i założenia indukcyjnego mamys r-s+l 1 s 1 r-s+I
Pk+l(r, s) =Pk(r, s);+Pk(r, s-1) r =Pk(r, s);+Pk(r, s-1) r
=
s s-1
={:)r-k(-l)s;L (-l)vC)vk
+C~1)r-k(-l)s-l
r -: + 1L (-l)ve~l)
vk =v=l v=1
s-1 s-1
=C=!)r-k(-l)s[I; (-l)v(:)vk +sk (-l)s
-I; (-l)vC~l}vk]
=v=1 · v=l
=G=D r -k(-l)s { s-1
L
(-l)v vk[(~)-e:l)]
+ (-l)si}=
s-1 v=l
=(::=!) r-k(-l)s
[.~:
(-l)vvk(:-=_~)
+ (-l)s sk]=
v=l
s s
=(
r-1) r-k(-l)s ~ (-l)v vk(s-1) =(r-1\_-k (-l)s '\' (-l)v(s )~ . vk=
s-1 L...J v-1 s-lf ~ v s
v=l v=l
={r)r-k-1(-l)s '\' (-l)v(s)vk+l =Pt s (r s).
S ~ V k+l '
v=1
(c) min (r, k)
<
s ~min (r, k+l). W tym przypadku mamy r<
s lub k<
s, oraz s ~ ris E;;; k + 1, stąd s :Et;; r, oraz s
=
k + 1. Wobec tego s - 1 ~min (r, k). Korzystając z tych wa- runków otrzymujemy:t _ s r-s+l_ t s t r-s+l_
Pk+l(r, s)-Pk(r, s);+Pk(r, s-1) r -Pk(r, s);+Pk(r, s-1) r -
Statystyczny model oceny areału drobnych gryzoni leśnych
=L~1)r-k-l(-l)s-l(r-s+l) L
s-1(-I)v(s~l)vk
= v=l=(:) 7 -k~
1(-l)s-l s-1L
(-l)v(s~~
)svk =v=l
s-1 s-1
={:)7-k-1(-l)s-I[L (-l)v{ :)svk _
L
(-l)v( :)vk+lJ =v=1 v=l
s s
=(;)
7-k-1(-I)s[L (-l)v(:)vk+l -s~
(-l)v(:)vk].v=1 v=l
Ponieważ s > k, więc w myśl lematu
L
s (-l)v(:)vk=O v=1stą_d
pk+l(r, s)=(:)r-k-1(-l)s
L
s (-l)v{ :)vk+l =Pl+l(r, s).v=1
(d) s >min (r, k+l), s
=
r+l. W tym przypadku s >min (r, k) i wobec tego Pk+l(r, s) =Pk(r, s);=Pl(r, s);=O=Pl+1(r, s).143
(e) s ::f= r+l oraz s >min (r, k+l). Wówczas s > r lub s > k+l, skąd s-1 > rlub s-1 > k.
Ale ponieważ s ::f= r+l, więc s-1 > r lub s-1 > k, stąd s-1 >min (r, k) oraz s > min(r, k).
Stąd
1 s 1 r-s+ 1 1
-::=Pk(r, s)-;+Pk(r, s-1) - r -
=
O=Pk+l(r, s).Przypadki (a) do (e) wyczerpały wszystkie możliwości, co kończy dowód twierdzenia.
Wartość przeciętną i wariancję zmiennej losowej X kr' które oznaczamy odpowiednio E(Xkr), D~ (Xkr), obliczamy wprowadzając zmienne losowe
={O l
z~k)
ł
gdy gryzoń złowił się. do i-tej pułapki w k złowieniach,
gdy zaszło zdarzenie przeciwne,
z{~> ., ={1 o
gdy gryzoń złowił sict w k złowieniach do pułapki i lub j, gdy zaszło zdarzenie przeciwne,144 T.Wicrzbowska
gdy gryzoń złowił się do pułapki i oraz do pułapkij w k złowieniach,
i, j f 10 .
Ponieważ
Stąd otrzymujemy (5)
gdy zaszło zdarzenie przeciwne,
X
=
~ r z(k) kr L. i 'i=l
Wariancję zmiennej losowej Xkr obliczamy w następujący sposób:
D2 (Xkr)
=
E(X~r)
- [ E (Xkr)] 2,= 1 -
P(z~
k)= o) -
P(z~
k)= o)
+ P(z~~) = o)
I J q
Ponieważ
P
(z~~)= o) =(r-2)
kIJ r
Otrzymujemy zatem
dla i-=l=j.
Statystyczny model oceny areału drobnych gryzoni leśnych 145
[ r-E (Xkr)
(r-2)k]
=
E (Xkr) + r (r-1) 1 - 2 r + -r-=
(r
2)k
= - r2 + 2rE (Xkr) + r - E (Xkr) + r (r-1) ~ ,
Ostatecznie
(6)
Rozkład zmiennej losowej X kr oraz jego charakterystyki, wartość oczekiwana i wariancja,
zależą od nieznanej wartości parametru r. Oceniamy go na podstawie wyników próbki. Gru- P«t gryzoni, które złowiły się na eksperymentalnej powierzchni, traktujemy jako próbę pro-
stą pobraną z populacji gryzoni posiadających jednakowy areał. Dla ustalonej liczby natural- nej k (k ~ 2) wybieramy z tej próby wszystkie gryzonie, które złowiły się co najmniej kra- zy. Liczbę kh oznaczamy przez N k. Dla każdego gryzonia należącego do tej grupy liczymy
ilość „ujawnionych" punktów w k pierwszych złowieniach. Otrzymujemy w ten sposób ) (N )
punkt próbkowy x
= (xl
1),xl
2 , ... , xk k ), który reprezentuje wyniki Nkniezależnych
zmiennych losowych o takim samym rozkładzie określonym równaniami (3) i (4). Na pod- stawie próby szacujemy nieznany parametr r metodą największej wiarygodności. Oznaczmy przez L prawdopodobieństwo w przestrzeni wyników. WówczasOznaczając
146 T. Wier z bo wska
otrzymujemy
Oznaczmy dalej przez Nls)
liczbę
obserwacji w Nk elementowej próbie,przyj~ującej
warto-ści s (s
=
1, 2, ... , m), gdzie m jest maksymalną wartością zmiennej losowej X kr zaobserwo·waną w próbie.
Otrzymujemy wówczas
N(l) N(2) N(m)
· { r)
k (r )
k {r )
k -kN kL
=
1 2 ... m r A.Zgodnie z zasadą. największej wiarygodności, znalezienie r sprowadza się do rozwiązania
równania
ze wzglę."du nar.
Ponieważ
m
dlogL =O dr
logL =
L
Nis) log{:)- kNk logr"T" 1v6 ••(7)
s=l
m m m
=
~
log (r-p+l)L N~s}
p=I s=p
L
Nls) logs! - kNk logr + logA, s= 1m m kN
dlogL= ~ 1 '\'N(s) _ _ k=O.
dr L.; (r-p+l) L.; k r
p=l s=p
Równanie (7) rozwiązujemy ~e wzgl<i_du nar metodą kolejnych przybliżen. Otrzymujemy
rozwiązanie:,
które jest estymatoremnajwiększej wiarygodności
parametru r. Otrzymanie tego estymatora jes.t jednak kłopotliwe rachunkowo, a dla biologów może okazać się wręcz uciążliwe.Uwzględniają.c tę niedogodność możemy dokonać oceny parametru r stosując metodę
momentów. Wartość estymatora
r
otrzymanego przy tej metodzie nie różni się, praktycznie od wartości estymatora największej wiarygodności;. Estymując parametr r metodą. momen- tów. przyjmujemy średnią arytmetyczną liczby „ujawnionych" punktów przez gryzonie w pierwszych k złowieniach (Xkr) jako estymator wartości oczekiwanej E(Xkr) (patrz (5)).W oparciu o ten estymator, wyznaczamy przybliżone przedziały ufności dla parametru r i dowolnie ustalonego współczynnika ufności 1 -
a,
gdzie O<a <
1. Zmienna losowaX
krNk
przyjmująca wartości xk
=~ Lx~>,
marozkład
asymptotycznie normalny ześrednią
k i=l D(X } E(Xk) oraz odchyleniem standardowym
vĘ.
Statystyczny model oceny areału drobnych gryzoni leśnych 14i
Stosując rozkład graniczny, co jest usprawiedliwione tym, że w praktyce Nk jest duże, przedział ufności dla parametru r wyznaczamy jak następuje. Dla ustalonej liczby k, N k, i ustalonej liczby
a
znajdujemy dwie funkcje zmiennej r:(8)
gdzie t Q wyznaczone jest z warunku
1 tQ 2
12
1 - ay'2rr [
e-t dt= -
2 -.Funkcje (8) są określone tylko dla naturalnych wartości parametru r. Na rysunku przedsta- wiono wykresy tych dwóch funkcji dla k = 2, N2 = 100, 1 - a= 0.95. Wykresy te naryso- wane są po wyrównaniu linią ciągłą.
2 3 4 5 6 7 8 9 10 r
Rys. 1. Konstrukcja przedziałów ufności dla parametru r (współczynnik ufności 0.95), x2 - Średnia licz- ba ujawnionych punktów w dwóch złowieniach, r - liczba pułapek w areale osobniczym Funkcje odwrotne
G:kł N ,..(x)
' k' ....
dla x równego zaobserwowanej wartości zmiennej
X
kr wyznaczają przedział ufności parame- tru r.Konstrukcję przedziałów ufności dla dowolnych wartości a, k, N k ułatwiają tablice war- tości oczekiwanych i odchyleń standardowych zmi~nnej losowej Xkr podane w pracy [13 ].
W pracy tej podane są także tablice wartości funkcji rozkładu zmiennej losowej X kr dla war-
tości r, k
=
1, 2, ... , 20.Na zakończenie rozważań dotyr.zących oceny wielkości areału należy dodać, że statysty-
148 T. Wier z bo wska
ka X kr jest statystyką. dostateczną. dla parametru r, zawiera wszystkie informacje tkwiące w próbie. Prawdopodobieństwo w przestrzeni prób daje się przedstawić w postaci iloczynu dw6ch czynników
. s s
C)r-k=(C)r-k(-l)s
L
(-l)v {:)vk] [
(-l)sL
(-l)v (:)vkJ-1,v=l v=l
z których pierwszy (w nawiasie kwadratowym pierwszym) zależy od parametru r, drugi czyn- nik (drugi nawias kwadratowy) od parametru r nie zależy.
Testowanie hipotezy o równości areałów dwóch populacji gryzoni. Niech Nk,I będzie li-
czebnością grupy gryzoni należących do pierwszej. badanej populacji, które złowiły się co naj- mniej k razy. Nk,Il - liczebnością grupy gryzoni należących do drugiej badanej populacji, które złowiły się. co najmniej k razy. Niech dalej
x
k 1 będzie średnią liczbą punktów łownych„ujawnionych" przez gryzonie
(należą.ce
dopierws~ej
grupy) wciągu
ich k pierwszychzło
wień, xk,Il - Średnia liczba punktów „ujawnionych przez gryzonie (z grupy drugiej) w ciągu pierwszych k złowień.
Przypuśćmy, że średnią
x
k 1 możemy traktować jako realizację zmiennej losowej o roz- kładzie normalnym z. wartością oczekiwaną E (X kri), określoną za pomocą wzoru (5), w kt6- rym r = r1 , oraz dvspersją • D (Xk )!VN:"-.k 1. r1 , D2 (Xk ) określone jest za pomocą wzoru (6), r1 przy czym r=
r1.Wysuwamy hipotezę, że w obydwu badanych populacjach wielkość parametru r jest jed- nakowa. Weryfikacja tej hipotezy jest równoważna weryfikacji hipotezy Ho, że przeciętne
liczby „ujawnionych" punktów w k złowieniach dla obu grup są jednakowe. Test hipotezy zerowej na poziomie istotności a można określić korzystając z tego, że Średnia liczba „ujaw- nionych" punktów dla pierwszej populacji (Xk ) jest niezależna od Średniej liczby „ujaw-
- r1
nionych" punktów dla drugiej populacji (X kr2) oraz, że różnica tych zmiennych ma roz- kład as m to cznie normalny o wartości oczekiwanej [ E (X kr ) - E (X kr ) ] oraz dysper-
'D (X ) D (X ) 1 2
.• kr1 kr2 Gd h. H . d . , , , k.
SJl N + N . y ipoteza o Jest praw z1wa, wowczas wartosc ocze iwana k,I k,Il
i odch lenie standardowe zmiennej losowej (Xk - Xk ) r1 r2 wynoszą odpowiednio O, (Xkr1) . D (Xkr2)
~~~~
+ .
Nk,I Nk,Il
W praktyce Nk 1 oraz Nk Il są duże, zatem jako oszacowanie nieznanych wartości wa- riancji D2 (Xkri)
o~az
D2 (X:r2 )przyjęto wariancję_
z próby, którewynoszą
odpowiednios~
,
s~. .
r1 r2 (1) (2) (Nk,I) (I) (2)
Oznaczmy przez (xk,I, xk,I, ... , xk,I ), oraz przez (xk,Il' xk,Il' (N k Il)
xk,Il' ) wyniki N k , 1 oraz N k Il , niezależnych zmiennych losowych.
Zbiór krytyczny określamy dobierając taką liczbę
A,
aby dla zbioru postaci-{ (1) (2) (Nk,I) (I) (2) (Nk,Il) _ _
W - xk,I' xk,I' ..• , xk,I ' xk,Il' xk,Il' ···' xk,Il :
A<
lxk,I - xk,IlI}
zachodziła równość
Statystyczny model oceny areału drobnych gryzoni leśnych 149
Weryfikacja proponowanego modelu dla trzech gatunków drobnych gryzoni leśnych oraz jego numeryczna ilustracja została przedstawiona w pracy [ 13].
Otrzymane w tej pracy wartości estymatorów wielkości areałów były zgodne z wyobraże
niami ekologów na temat wielkości areałów rozpatrywanych gatunków gryzoni. Ponadto,
możliwość oceny wielkości areału dla gryzoni na podstawie ich dwóch złowień pozwoliła badać zmienność areału w czasie oraz oceniać jego wielkość dla krótkich okresów czasu inte-
resujących z punktu widzenia ekologicznego.
Bibliografia
[ 1] W. F. BI air, Population structure social behavior, and environmental relations in a natural popu- lation of the beach mouse Peromyscus polionotus leucocephalus, Contrib. Lab. Vert. Biol., Univ.
Michigan 48 (1951), str. 1-47.
[2] W. M. Burt, Territoriality and home range concepts as applied to mammals,
J.
Mammal. 24 (1943), str. 346-352.[ 3]
J.
B. C a I h o u n andJ.
U. C a s b y, Calculations of home range and density of small mammals, U. S. Public Health Monograph, 55 (1958), str. 1-24.[ 4] L. R. D i c e and
J.
Ph. C I a r k, The statistical concept of home range as applied to the recapture radius of deermouse Peromyscus, Contrib. Lab. Vert. Biol. 62 (1953), str. 1-15.[ 5] R. I.
J
e n d r i c h and F. B. T ur n e r, Measurement of non-circular home range,J.
Theorct.Biol. 22 (1969), str. 227-237.
[6] S. V.Ka y e, Movements of harvest mice tagged with gołd 198,
J.
Mammal. 42 (1961), str. 323- 337.[7] M. Ma z ur kie w i cz, Eliptical modification of the home range pattern, Bull. Acad. Pol. Sci., Cl. II, 17(7) {1969), str. 427-431.
[8] I. S. Mi 11 er, Tracing vole movements by radioactive excretory products, Ecology, 38(1) (1957), str. 132-136.
(9] L. F. St i ck e I, A comparison of certain methods of measuring ranges of small mammals,
J.
Mammal. 35 (1954), str. 1-15.
[ 1 O] R. T a n a k a, A field study of trap spacing upon estimates of ranges and populations in small mammals by means of a latin square arrangement of quadrats, Bull. Kochi Women's Univ. 9 (1961), str. 8-16.
[ 11] - Truthfulness of the delimited - area concept of home range in small mammals, Bull. Kochi • Women's Univ. 11 (1963), str. 6-11.
[ 12] - Investigation into the edge effect by use of capture - recepture data in a vole population, Bull.
Kochi Women's Univ. 13 (1972), str. 127-151.
[13] T. Wier z bo wska, Statistical estimation of home range size of small rodents, Ekol. poi. A, 20, 49 (1972).