Investigating the Agile Frog (Rana dalmatina) Population Using Sampling Simulation

Thesis title: Zkoumání populace skokanu štíhlého pomocí simulace výběrů
Author: Vojar, Jan
Thesis type: Bakalářská práce
Supervisor: Bakuncová, Karolína
Opponents: Horníček, Jaroslav
Thesis language: Česky
Abstract:
Tato bakalářská práce optimalizuje monitoring skokana štíhlého (Rana dalmatina) na mosteckých výsypkách. Současná metodika vyčerpávajícího šetření obnáší každoročně monitoring téměř 1 000 vodních ploch. Cílem této práce je zkonstruovat výběrové šetření, které by čas monitoringu v terénu snížilo aspoň na polovinu a zachovalo si přesnost při odhadu populační dynamiky. Výběr byl proveden na základě analýzy dat z let 2005 až 2025. Pomocí zobecněného lineárního modelu (GLM) s negativně binomickým rozdělením byly zjištěny klíčové charakteristiky jezírek ovlivňující počty snůšek. Na základě těchto charakteristik bylo provedeno několik stratifikovaných výběrů pomocí Neymanovy optimální alokace jak s nákladovým, tak bez nákladového koeficientu. Jednotlivé metody byly testovány pomocí 500 simulací a evaluovány zejména na základě Pearsonova korelačního koeficientu a střední chyby odhadu (MAE). Jako nejlepší se ukázala stratifikace podle rozlohy a pravděpodobnosti vysychání jezírka s nákladovým koeficientem a fixními tůněmi identifikovanými pomocí Cookových vzdáleností. Použitím tohoto výběru se čas ušetřený v terénu snížil o 60 %, tedy o 72 hodin. Medián střední absolutní chyby odhadu meziroční procentuální změny dosahuje přibližně 9procentních bodů, přičemž ale závisí na konkrétním roce a směru trendu. Práce dokazuje, že využití statistických metod vede k výraznému zefektivnění monitoringu v ochraně přírody.
Keywords: skokan štíhlý; výběrové šetření; populační dynamika; zobecněný lineární model (GLM)
Thesis title: Investigating the Agile Frog (Rana dalmatina) Population Using Sampling Simulation
Author: Vojar, Jan
Thesis type: Bachelor thesis
Supervisor: Bakuncová, Karolína
Opponents: Horníček, Jaroslav
Thesis language: Česky
Abstract:
This bachelor thesis optimizes the monitoring of the agile frog (Rana dalmatina) on spoil banks in the Most region. The current methodology involves an annual census of nearly 1 000 ponds. This study aims to design a sample survey that reduces field monitoring time by at least 50% while maintaining accuracy in estimating population dynamics. The sampling design was based on data analysis from 2005 to 2025. Key pond characteristics influencing egg mass counts were identified using a Generalized Linear Model (GLM) with a negative binomial distribution. Based on these characteristics, several stratified sampling designs were developed using Neyman optimal allocation, both with and without cost coefficients. Each method was tested through 500 simulations and evaluated primarily based on the Pearson correlation coefficient and Mean Absolute Error (MAE). The results indicate that the most effective approach is stratification based on area and pond drying probability, incorporating cost coefficients and fixed ponds identified via Cook's distances. This design reduced field time by 60 % (a total of 72 hours). The median MAE for estimating year-on-year percentage changes reached approximately 9 percentage points, varying by specific year and trend direction. This work demonstrates that statistical optimization significantly enhances monitoring efficiency in nature conservation.
Keywords: sample survey; agile frog; generalized linear model (GLM); population dynamics

Information about study

Study programme: Matematické metody v ekonomii/Datové analýzy a modelování
Type of study programme: Bakalářský studijní program
Assigned degree: Bc.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Statistics and Probability

Information on submission and defense

Date of assignment: 14. 10. 2025
Date of submission: 10. 5. 2026
Date of defense: 8. 6. 2026
Identifier in the InSIS system: https://insis.vse.cz/zp/94016/podrobnosti

Files for download

    Last update: