Это, кажется, сжимает ваши данные вторичного периода. Однако имейте в виду, что животные 6 и 10, как известно, живы во втором основном периоде, хотя тогда они не были обнаружены. Кроме того, неизвестно, живо ли Животное 5 в первый первичный период просто потому, что оно было обнаружено после первого первичного периода... ...если только вы не предполагаете, что среди первичных периодов не было рождений.
В этом примере есть три первичных периода и три вторичных периода.
Я не пытался оценить минимальное число живых, потому что мне неясны ваши предположения относительно географической и демографической закрытости. Тем не менее, мы надеемся, что приведенная ниже сводка данных окажется полезной.
my.data <- as.data.frame(matrix(rbinom(10*9,1,0.2), nrow = 10, byrow=FALSE))
my.data
# V1 V2 V3 V4 V5 V6 V7 V8 V9
#1 0 0 0 0 0 0 0 1 1
#2 0 0 0 0 0 0 0 0 0
#3 0 0 0 0 0 0 0 0 0
#4 0 0 1 0 0 0 0 0 0
#5 0 0 0 0 0 1 0 1 1
#6 0 1 0 0 0 0 0 0 1
#7 1 1 1 0 0 0 0 0 0
#8 1 0 0 0 1 0 0 0 0
#9 0 0 0 0 1 0 1 1 1
#10 1 0 0 0 0 0 0 0 1
year.sums <- sapply(1:3, function(i) apply(my.data[,(3*(i-1)+1):(3*(i-0))], 1, function(x) sum(x)) )
year.sums
# [,1] [,2] [,3]
# [1,] 0 0 2
# [2,] 0 0 0
# [3,] 0 0 0
# [4,] 1 0 0
# [5,] 0 1 2
# [6,] 1 0 1
# [7,] 3 0 0
# [8,] 1 1 0
# [9,] 0 1 3
#[10,] 1 0 1
year.sums[year.sums>0] <- 1
year.sums
# [,1] [,2] [,3]
# [1,] 0 0 1
# [2,] 0 0 0
# [3,] 0 0 0
# [4,] 1 0 0
# [5,] 0 1 1
# [6,] 1 0 1
# [7,] 1 0 0
# [8,] 1 1 0
# [9,] 0 1 1
#[10,] 1 0 1
20.09.2013
t(apply(my.data,1,tapply,rep(1:3,each=3),sum)>0)+020.09.2013