|
|
Adamicka, P. (1978). Biologie und Dynamik der Cottus-Population im Seebach (Vol. 1).
Schlüsselwörter: Cottus gobio, Biologie, Fisch, Groppe
|
|
|
|
Adelmannseder, J. (1986). Kleinspannungs-, Fischscheuch- und -Leitanlagen (Vol. 36).
Schlüsselwörter: Fisch, Kraftwerk, Scheuchanlage
|
|
|
|
Ahlmer, B., & Karlsson, A. S. (1981). Der Signalkrebs im Regierungsbezirk Jönköping/Schweden (Vol. 32).
Schlüsselwörter: Krebs, Pacifastacus leniusculus, Signalkrebs, Verbreitung
|
|
|
|
Ahnelt, H., & Amann, E. (1994). Gasterosteus aculeatus (Pisces, Gasterosteidae) in Österreich – eine Lanze brechen für den Dreistachligen Stichling? (Vol. 47).
Schlüsselwörter: Fisch, Dreistachliger Stichling, Gasterosteus aculeatus, Verbreitung
|
|
|
|
Ahnelt, H., & Tiefenbach, O. (1994). Verbreitungsmuster zweier Steinbeißerarten (Cobitis aurata, Cobitis taenia) im Einzugsgebiet der Mur (Österreich) (Vol. 7).
Schlüsselwörter: Fisch, Steinbeißer, Cobitis taenia, Cobitis aurata, Vorkommen, Verbreitung, Österreich
|
|
|
|
Ahnelt, H., & Tiefenbach, O. (1991). Zum Auftreten des Blaubandbärblings (Pseudorasbora parva) (Teleostei: Gobioidae) in den Flüssen Raab und Lafnitz.
Schlüsselwörter: Fisch, Neozoon, Blaubandbärblings, Pseudorasbora parva, Vorkommen
|
|
|
|
Aigner, R. (1983). Der Flußkrebs und seine wirtschaftliche Bedeutung (Vol. 36).
Schlüsselwörter: Krebs, Astacus astacus, Flusskrebs
|
|
|
|
Aigner, T. (1996). Entwässerungsgräben – Ersatzlebensräume für die heimische Kleinfischfauna? (Vol. 10).
Schlüsselwörter: Fisch, Graben, Vorkommen, Biotop
|
|
|
|
Aitken, P. L. (1981). Dämme und Lachse in Schottland (Vol. 73).
Schlüsselwörter: Fisch, Salmo salar, Wanderung, Stau
|
|
|
|
Akamine, T. (1989). An interval estimation for the Petersen method using Bayesian statistics.
Zusammenfassung: The statistical model for the Petersen method is a hypergeometric distribution. Approximation to a binomial distribution has been used, and the usual method for this binomial model is based on approximation to a normal distribution. The Bayesian statistical model for a binomial distribution, which assumes that the prior distribution of parameters is uniform, corresponds well with the conventional method. However, the Bayesian statistical method for a hypergeometric distribution which assumes the uniform prior distribution is not feasible. The prior distribution according to the inverse squared parameter is natural for this model. Beta function and zeta function are important to understand these methods. This model is simpler to understand and easier to calculate by micro-computer than the conventional method.
Schlüsselwörter: Bayesian, binominal, basic, listing, methode, theorie, algorithmus
|
|
