A Bayesian approach to identifying mixtures from otolith chemistry data

Studies investigating population structure and mixed-stock composition of fish populations frequently use otolith chemistry as a natural tool for discerning stocks. Current methods for estimating mixed-stock composition, however, assume complete accuracy in the training data, which is often not the case. Here we present a method for estimating mixed-stock composition using multivariate continuous data that accounts for uncertainty in the training data. Application of the method to previously reported data for natal homing in weakfish (Cynoscion regalis) and simulations based on these data revealed that for sample sizes greater than about 30, the present method provides results that are quite similar to those of previous methods. An advantage of this Bayesian approach over other methods, however, is the ease with which functionals of the model, such as migration distance and direction, can be calculated. It also provides simple means of visualizing spatial structure in the classification probabilities and migration patterns. Les recherches qui s'interessent a la structure de population et a la composition des stocks mixtes chez les populations de poissons utilisent souvent la chimie des otolithes comme outil naturel pour separer les stocks. Cependant, les methodes courantes pour estimer la composition des stocks assument que les donnees d'entrainement sont parfaitement ex-actes, ce qui n'est souvent pas le cas. Nous presentons ici une methode pour estimer la composition de stocks mixtes qui utilise des donnees multidimensionnelles continues qui tiennent compte de l'incertitude dans les donnees d'entrainement. L'utilisation de la methode avec des donnees publiees anterieurement sur le retour au lieu de naissance chez l'acoupa royal (Cynoscion regalis) et des simulations basees sur ces donnees montrent que, pour des echantillons superieurs a environ 30, notre methode fournit des resultats qui sont tres semblables a ceux des methodes anterieures. Un avantage de notre approche bayesienne par rapport aux autres methodes est la facilite avec laquelle on peut calculer les fonctionnelles du modele, telles que la distance et la direction de la migration. Elle procure aussi un moyen simple de visualiser la structure spatiale dans les probabilites de la classification et les patrons de migration. [Traduit par la Redaction]
Introduction The chemical composition of otoliths serves as a natural tag for the investigation of population structure and connectivity in fish populations. As otolith material is deposited, trace elements and [...]