Какие параметры должны быть у модели в 14 лет: Как стать моделью в 11-14 лет? — supermodelsgroup.ru

Содержание

Как стать моделью в 11-14 лет?

Работой мечты выглядит моделинг в фантазиях подростков, но на самом деле всё не так радужно. Это жесткий бизнес, где никто не дает никаких гарантий. Ребёнку придется пройти много кастингов, пережить отказы и, возможно, даже критику, и важно быть к этому готовым.

Если вы приняли решение обойтись без помощи модельного агентства и самостоятельно заниматься продвижением ребёнка, то будьте готовы посвятить практически всё свое время и немалые денежные средства на то, чтобы ребёнка заметили потенциальные заказчики. Родители часто не имеют представления о том, как устроен модельный бизнес, поэтому иногда попадают в неприятные и даже опасные ситуации в странах Азии, куда отправляются с ребёнком-подростком, подписав контракт на невыгодных условиях.

В модельном бизнесе много недобросовестных агентов, которые не считают нужным беспокоиться о моделях, их здоровье и используют их как расходный материал для получения прибыли. Поэтому в 2018 году издательский дом Condé Nast International опубликовал официальный кодекс поведения, где первое правило было не приглашать моделей младше 18 лет к участию в рекламных съемках. Исключения, безусловно, есть, но и они строго регламентируются документом. Согласно ему, на площадке для моделей должны быть созданы комфортные условия: отдельная закрытая зона для переодеваний и контроль, чтобы во время съемок позы и одежда не были откровенными.

Конечно, есть примеры, когда девочки-подростки становились известными моделями: Кара Тейлор начала работать моделью в 14 лет, Имаан Хаммам в 13, а Андреа Дьякону — нетипично высокая для своего возраста девочка — попала в модельный бизнес в 11 лет.

Да, этим юным моделям повезло, и они сделали карьеру, но такие случаи скорее исключение из правила. Но большинство детей-моделей из России по 10 – 12 часов снимаются в Китае для каталогов и со временем просто выгорают. Родители часто оплачивают проезд и проживание за свой счёт, и при этом минимум 20 %от контракта составляет агентская комиссия.

В России детский моделинг не так жёстко регламентирован, модели-подростки до 14 лет снимаются в рекламе. Договор заключается с родителем несовершеннолетнего. Но, конечно, нужно помнить, что быть моделью для ребёнка — это не значит работать как взрослые. Пусть дети занимаются моделингом с радостью под руководством профессионалов.

Работа моделью: возрастной ценз и физические параметры

В последнее время все чаще говорят о жестоких правилах модельного бизнеса: сперва это касалось чрезмерной худобы, затем на повестку дня поставили вопрос о возрасте моделей. В начале года издательский дом Condé Nast International опубликовал официальный кодекс поведения, где первое правило было не приглашать моделей младше 18 лет к участию в съемках. Исключения, безусловно, есть, но и они строго регламентируются документом. В преддверии нового модного сезона Vogue решил разобраться, почему именно сейчас в индустрии происходят глобальные изменения и к чему это приведет.

Паше Гаруле — модели из Киева — было всего 15 лет, когда скаут связался с ней через Instagram и предложил попробовать себя в качестве модели. Школьница даже не задумывалась о чем-то подобном, но по настоянию мамы согласилась. Вскоре был подписан контракт с одним из киевских модельных агентств, и Паша уехала в Париж участвовать в показе Balenciaga. «Я тогда даже не знала, что такое Balenciaga», — признается девушка.

После Парижа был Токио, где она жила в модельных апартаментах с другими девочками, самой младшей из которых было всего 13 лет. Распорядок дня был напряженный: с раннего утра до вечера их возили с одного кастинга на другой. «Иногда было весело, но главное, о чем я думала — как заработать денег», — вспоминает Паша. В китайской модной Мекке Гуанчжоу съемки для каталогов онлайн-магазинов одежды шли одна за другой — бывало, Паше приходилось менять по 100 образов в день. «Я чувствовала себя так, будто кто-то помыл мною пол, а потом просто выбросил».

Что самое поразительное — история Паши Гарули не уникальна. Кара Тейлор начала работать моделью в 14 лет. Имаан Хаммам скаут заметил в 13, а Андреа Дьякону — нетипично высокая для своего возраста девочка — попала в модельный бизнес вовсе в 11 лет. Этим моделям повезло — они «выстрелили» и сделали карьеру, но они скорее исключение из правила. Большинство их юных коллег так и продолжают в бешеном темпе сниматься для китайских каталогов и со временем просто выгорают.

Мода и молодость всегда шли рука об руку, но постоянный поиск новых модельных лиц происходит на высоких скоростях. «Многим из них так и не суждено стать звездами», — говорит Ангус Мунро, кастинг-директор показов Rick Owens и Isabel Marant. Такая система — естественный ход развития индустрии, но ее можно изменить.

Вернемся снова к кодексу поведения Condé Nast. Согласно ему, на площадке для моделей должны быть созданы комфортные условия: отдельная закрытая зона для переодеваний и контроль, чтобы во время съемок позы и одежда не были откровенными. Это некая расплата за грехи прошлого — во многом именно глянцевые журналы ответственны за то, что подростки стремятся выглядеть взрослее.

Когда Брук Шилдс в 1980 году украсила обложку февральского Vogue, ей исполнилось 14 лет — это был беспрецедентный случай. Модели до сих пор лезут из кожи вон, чтобы заполучить заветную обложку или съемку в известном журнале. Переписать прошлое нельзя, но изменить будущее возможно.

Генеральный директор Совета модных дизайнеров Америки (CFDA) Стивен Колб считает, что минимальный возраст моделей необходимо поднять с 16 до 18 лет. «Девушки должны сами решать, хотят они работать в этом бизнесе и в ритме, который требует индустрия, или нет».

Наоми Кэмпбелл пришла в моделинг в середине 1980-х, будучи 16-летним подростком. Однако тогда она и ее коллеги делали только по два сезона в год и имели возможность учиться и жить обычной жизнью. Агенты были очень избирательны и подписывали контракты с немногими, помогая им построить успешную карьеру. Модели дружили с дизайнерами, и участие в шоу, а также специально подобранные образы им были гарантированы. Сегодня отбор моделей происходит по принципу, влезут они в готовое платье или нет.

«Все решают цифры, — говорит Крис Гэй, сооснователь компании Elite World Group, в которую входит и агентство Кендалл Дженнер Society Management. — Бренды хотят видеть на своих показах 40–50 девочек, и естественно, на индивидуальный подход к каждой не хватает времени. Тинейджеры, чьи фигуры еще не успели окончательно сформироваться, идеально подходят для крошечных образцов одежды».

Примечательно, что агентства DNA Models и Society Management перестают предоставлять на показы, проходящие на территории Северной Америки, моделей младше 18 лет (DNA Models делают исключение только для тех, кто уже участвовал в показах). Руководство агентств надеется, что коллеги в других странах последуют их примеру: «Давайте вспомним время, когда модель была музой дизайнера, а не вешалкой для одежды».

Когда подиумом помимо Наоми Кэмпбелл правили другие фигуристые супермодели вроде Линды Евангелисты, Кристи Тарлингтон и Синди Кроуфорд, в мире начались серьезные политические и социальные перемены. После падения железного занавеса из бедных стран Восточной Европы стали выезжать высокие и худые девочки, для которых моделинг был билетом в счастливую жизнь. «Это был поворотный момент, — считает дизайнер Анджела Миссони. — Словно модели с дизайнерских скетчей вдруг обрели плоть и кровь. Вероятно, именно тогда и появилось понятие, как семпл-размер. Инициатива шла не со стороны дизайнеров. На кастинги стали приходить суперхудые девушки — мы просто адаптировались».

Отныне у дизайнеров не было необходимости платить моделям тысячи долларов за показ — вместо нескольких моделей, которые переодеваются за кулисами в процессе шоу, можно нанять десятки девушек и не тратить зря время (и деньги). По словам кастинг-директора Джеймса Скалли субтильные модели стали для стилистов отдушиной — любые вещи смотрелись на них выигрышно.

В фантазиях подростков моделинг выглядит работой мечты, но в реальности все иначе. «Это жестокий бизнес, — говорит соосновательница агентства Mother Model Management Мэри Кларк. — Никто не дает никаких гарантий. Моделям придется пережить много отказов и критики, и важно быть к этому готовым».

Такие агентства, как Mother Model Management, внимательно курируют своих подопечных и строят их карьеру шаг за шагом. К сожалению, в таком формате работают далеко не все. В модельном бизнесе много недобросовестных агентов, которые не считают нужным беспокоиться за чувства девушек и используют их как расходный материал для получения прибыли.

«Когда мне было 14 лет, фотографы просили меня сниматься топлес, — вспоминает Андреа Дьякону. — Случались рабочие смены по 20 часов, во время которых у меня даже не было возможности нормально поесть. Один менеджер говорил, что мне нужно ходить по клубам и заводить связи». Дьякону рассказывает, что на таких вечеринках моделям часто предлагают алкоголь и наркотики, и не у всех есть смелость или сила воли отказаться.

«Они дети, которые пытаются найти свое место в мире, — говорит психотерапевт Мария Брюс, которая работает с моделями. — Когда они жалуются, что устали, им советуют повзрослеть и обращаются так же, как со взрослыми людьми». Подростки не понимают, как отказать в некорректных просьбах со стороны съемочной команды или работодателя — большинство предпочитают просто молчать. Итог неутешительный: низкая самооценка, навязчивые мысли, тревожность, депрессия.

Как только фигура меняется и приобретает более женственные формы, модели оказываются на обочине индустрии. Есть те, кто продолжают работать, но это редкость. У Имаан Хаммам подтянутая фигура, но бедра не соответствуют заявленному стандарту в 86 см, поэтому она так редко участвует в показах. «Меня много раз приглашали на шоу, но после примерок отказывали. Я пыталась заниматься спортом, правильно питаться, но в какой-то момент мне это надоело. Я такая, какая есть».

Печальнее всего то, что все эти юные модели на подиумах не имеют ничего общего с реальными клиентками брендов. Впрочем, ситуация начинает меняться к лучшему. Дебютное шоу креативного директора Chloé Наташи Рамсей-Леви открывала модель София Коэлла, чьи параметры не соответствуют подиумным стандартам. Дизайнер признается, что создание образов под каждую модель требует больше времени, и, возможно, в будущем стоит переключиться на замедленный график подготовки шоу. В этом есть весомая доля правды: пока модный ритм остается сумасшедшим, не стоит ждать серьезных перемен.

Положительная тенденция, конечно, есть. Оливье Рустен и Вирджил Абло, например, голосуют за индивидуальность и разнообразие на подиумах — важен не объем бедер, а посыл, который модели несут публике. Возрастной ценз — следующий вопрос, который необходимо решить. И возможно, это заставит индустрию пересмотреть свой потребительский подход.

Подпишитесь и станьте на шаг ближе к профессионалам мира моды.

Фото: Getty Images, Indigital

Основные параметры моделей — Podium.IM

Модельный мир делится на мужской и женский. Каждый из них имеет особые правила приема и отбора, и в каждый мир ежедневно приходят тысячи новых людей. Но через что им приходится пройти, чтобы попасть в этот мир?

Что надо сделать, чтобы стать моделью?

Для девушек

В первую очередь, стоит правильно оценить свои шансы и возможности. Женские кастинги могут быть очень жестокими в плане агрессивной реакции конкуренток. Вам могут испортить одежду, обувь, сбить прическу или даже выстричь волосы. И все это из-за того, что девушки увидят нового конкурента. Поэтому, приходя на кастинг, надо быть готовой ко всему, и лучше держаться отдельно от всех.

На кастингах очень много внимания уделяют модельной походке, ее можно отработать и дома, главное приходить на кастинг уже подготовленной.

А вот если девушка красивая, но не фотогеничная, или у нее отсутствует харизма и обаяние, то не стоит даже пытать свои шансы в мире моды, это пустая трата времени, сил и денег.

Существует ряд обязательных требований, на которые представители модельных агентств обращают внимание больше всего:

Рост. Конечно, в разные области модельного бизнеса требуются девушки разного роста, но все же большая часть модельных агентств, которые набирают девушек для показов, отдают предпочтение девушкам среднего модельного роста — 172-183 см. Но если девушка харизматична и хорошо сложена, она может стать моделью и при росте 165 см.
Возраст. Существует система модельного бизнеса, при которой модель становится популярной. Прийдя в модельный бизнес в 14-15 лет, спустя 2-3 года девушка начинает получать выгодные заказы и принимать участие в крупных показах. И уже спустя 8-10 лет, к 25-27 годам, потихоньку уходит из модельного мира. Поэтому модельные агентства не связываются с девушками старше 23 лет, это бесперспективно.
Параметры. Есть общеизвестные модельные параметры 90-60-90, но это относительный показатель или по современным меркам — максимальный. Но если вы на 1-2 см больше, это не страшно.
Необычное лицо. Существует несколько типов модельных лиц, которые востребованны в мире моды – детское, анорексичное и имеющее нестандартные черты.

Как стать моделью мужчине

Мужчинам-моделям немного легче. Их рабочий возраст значительно длиннее, они могут начать карьеру и в 30, а при хорошей фигуре и внешнем виде работать до 50. При этом зачастую мужчин приглашают в модельный мир из клубов или просто с улицы, так как у них может быть интересный типаж, красивая фигура или походка.

Но как и у женщин, модели мужчины имеют свои требования:

Рост. Мужским модельным ростом считается от 183-188. На более высоких мужчин проблематично подбирать одежду для показов.
Необычные черты лица так же очень востребованы и в мужской моде.
Худощавость. Но при этом желательно, чтобы мужчина имел не сильно развитую мускулатуру, и его тело смотрелось мужественно.
Размер одежды. Самые востребованные модели имеют размер 46-48, реже 48-50. А вот мужчины с большими размерами не востребованы в модельном мире.

Как стать стать моделью: что вам нужно чтобы стать фотомоделью

Мир модельного бизнеса обладает притягательной силой. Красота, всемирная известность, внушительные гонорары… Каждая девушка хотя бы раз мечтала о таком. Профессия модели сегодня входит в перечень престижных. Но на самом деле достичь успеха в этой сфере очень непросто. Кроме выдающихся внешних данных, понадобится и упорный труд. Итак, профессия модель: как ею стать?

Так что же нужно чтобы стать моделью? Первый ориентир — соответствие стандартам роста, параметров фигуры, веса. Раньше ценились исключительно модели, наделенные классической красотой. Но сегодня руководители агентств часто отмечают, что существует спрос на нестандартные типажи, а также моделей, способных существенно перевоплощаться в зависимости от виденья и поставленной задачи. И поскольку специализаций в модельном бизнесе достаточно много, агентства могут заинтересоваться теми претендентами, которые не подпадают под обычные требования. Разные направления мира моды выдвигают свои требования. Что нужно для того чтобы стать моделью определенной специализации?

Ближе всего к стандартам находится специализация «подиумная модель». Требования достаточно строгие. Кроме умения грациозно двигаться, нужен рост от 172 см, вес 50-55 кг, объемы не больше 90-60-90.

Востребованность «маленькой модели» (рост 158-172 см) значительно ниже. Те, кто подпадает под эти параметры, снимаются в рекламе, работают для каталогов. Подобная ситуация и с моделью «plus size» (рост 170-175 см, объемы 95-85-110). Чаще всего снимаются для каталогов, иногда участвуют в демонстрациях коллекций. Как стать фотомоделью со специализацией «plus size»? Кроме соответствия параметрам, девушка должна быть гармонично сложенной, иметь красивые черты лица.

Часто соискатели задаются вопросом: до скольки лет можно стать моделью? Ответом на этот вопрос является «возрастная» специализация. Обычно карьеру в модельном бизнесе начинают девушки 14-16 лет, и уже в возрасте до 30 лет профессиональный путь заканчивается. Но работа после 30 лет вполне возможна. «Возрастные модели» пользуются спросом для рекламной съемки, работы в журналах.

Среди других специализаций профессии — «характерные» типажи, которые обладают особым амплуа; «парт-модели» — в рекламе снимаются не полностью, а только руки, шея и т.

п. Это достаточно востребованная специализация — особенно для косметики, ювелирных украшений, — которая открывает двери перед многими претендентами, не подходящими под стандарты отрасли, но желающими узнать, как стать моделью.

Конечно, чтобы достичь желаемого, недостаточно просто соответствовать требованиям. Вряд ли можно рассчитывать на счастливую случайность, по которой скаут -агент, специализирующийся на поиске новых лиц, случайно заметит выдающуюся красоту и пригласит на работу в известное агентство. Нужно приложить усилия, постараться заявить о себе и изучить основы проф. мастерства.

Для начала подготовить портфолио. Сегодня предложений для проведения профессиональной съемки достаточно. Но тем, кто нацелен на карьеру в модельном бизнесе, эффектных отретушированных снимков будет недостаточно. Нужны также снэпы (термин “snapshots”) — стандартизованный набор фотографий, как минимум, из шести снимков и больше. Требования достаточно жесткие: никакого макияжа, ретуши, позирования — только максимальная натуральность.

Минимальный набор состоит из трех портретных фото (профиль, фас и ¾) и трех фото в полный рост (профиль, фас и сзади). На таких снимках нужно быть в открытом купальнике или белье черного или другого нейтрального цвета. Для чего нужны снэпы? Чтобы агентство или студия сориентировались, какими данными владеет претендент. Часто соискатели интересуются, можно ли сделать стандартный набор фото самостоятельно. По большому счету, да, но следует обратить внимание на качество снимков.

Затем второй этап — поиск агентства, которое может заинтересоваться “новым лицом”. Лучше всего начать с лидеров на модельном рынке. На большинстве сайтов можно найти форму для связи — анкету, к которой предлагают прикрепить фотографии.

Те, кто интересуется, что надо чтобы стать моделью, знают: чаще всего первым карьерным шагом будет обучение в школе моделей. Отбор проходит на конкурсной основе, курсы рассчитаны приблизительно на 2,5 – 3 месяца.

Учащиеся получают теоретические знания и практические навыки:

изучают дефиле — работу на сцене и подиуме;
получают представление о составляющих модельного бизнеса — о кастингах, контрактах, менеджменте;
совершенствуют умение показать себя во время съемок;
получают знания о косметологии;
овладевают азами актерского мастерства.

Конечно, обучение в школах моделей не дает гарантий на успешную карьеру. Профессионалы отрасли предостерегают новичков от того, что некоторые учебные заведения делают бизнес на желании попасть в мир моды — получают оплату за обучение, подготовку портфолио, но фактически старта не дают. А вот крупные агентства указывают, что выпускники их школ составляют около половины ежегодного пополнения рабочего состава.

Затем придется проявить характер. Ведь чтобы принимать участие в бесконечных кастингах, надеясь заявить о себе, понадобится упрямство и умение не сдаваться. Трудолюбие, готовность постоянно работать над собой, уверенность в собственных силах — эти те черты характера, которые необходимы будущей модели.

Какой модельный рост для девушки. Какими параметрами должны обладать модели? Параметры идеальной модели

Какая девочка не мечтала увидеть свое фото на страницах модного глянцевого журнала, в рекламе и т.д. Конечно, причин этому можно назвать очень много: известность, иногда богатство, перспективы, знакомства и т. д. Всем известны параметры 90 – 60 — 90 . На что только не готовы сделать девушки, чтобы добиться такой фигуры ! И стоит ли идти на такие жертвы?

Скаут одного из самых известных парижских модельных агентств Marilyn Agency (которое подарило нам таких звёзд, как Наоми Кэмпбелл и Кейт Мосс) Филипп Попадопоулос в одном из своих интервью назвал параметры его моделей:

« Мы отбираем моделей ориентируясь на критерии парижской и нью-йоркской моды. Нам нужны действительно очень худые девушки , с тонкими длинными руками и выделяющимися плечами. Для нас крайне важен рост – не ниже 176см и не выше 184см. 1/3 роста модели должно составлять туловище, то есть от макушки до талии. Пропорции 90-60-90 уже никому не интересны. Популярны стали слудющие параметры — 86-59 (60)-89 . Объяснение этому следующее – ведь это самые известные Дома моды диктуют нам такие каноны, и мы должны им соответствовать.»

Девушки забывают о своём здоровье, в мозгу существует одна только цель — 86-59 (60)-89. Были даже попытки увеличить параметры из-за огромного количества смертей и заболеваний, таких как

анорексия ! Но, никаких изменений не было, так как девушки добровольно доводят себя до такого состояния.

Анорексия – психологическое отклонение. Отказ от употребления пищи, ведущий к полному истощению организма.

Вес моделей

Вес моделей должен быть относительно маленьким. Поэтому девушки, работающие моделями сутками почти ничего не едят, при этом много работают. На самом деле модель — это очень сложная профессия и без сильного намерения во что бы то ни стало добиться на этом поприще успеха, врядли можно добиться больших побед. Но всё возможно, надо только сильно хотеть и верить в то, что всё получится!

Таблица соотношения веса и роста для моделей

1.50м = 34кг 1.65м = 42кг

1.53м = 35кг 1.68м = 43кг

1.54м = 36кг 1.70м = 44кг

1.55м = 37кг 1.73м = 45кг

В современной модельной индустрии важным критерием является универсальность модели.

Конечно же, для некоторых стремление к идеальным параметрам важно, однако сегодня это не есть популярно среди девушек. Главное отличаться интересной и нетипичной внешностью, чтобы руководители заметило модель, и с ней было легко работать. Единственным строгим критерием сегодня остается рост. Какого роста должна быть модель? А это очень простой вопрос, ведь агентства приглашают девушек с параметрами выше 175 см, чтобы соответствовать специально пошитой для них одежде.

Карьеру модели стоит начинать как можно раньше, ведь она весьма коротка и скоротечна. Идеальным является возраст от 14 до 17 лет. Нынче большинство девушек модельной внешности 15-17 лет, ведь после 20 лет очень тяжело начинать все с нуля. Красавицы подиума, что достигли 25 лет и считаются звездами своего дела, востребованы намного больше.

Что касается роста модели мужчины, то он обязательно должен быть в пределах 176 до 185 см, а вес 59-70 кг. Тело парня обязано иметь хорошие формы, но не быть перекачанным, ведь это уже в прошлом.

Особую значимость имеет лицо, оно должно быть необычным и в то же время увлекающим, интересным окружающим. Приветствуется небольшой размер одежды – 46-48. Особенно если модель мужского пола стремится работать за рубежом, то это просто идеальные формы для успешного будущего.

Известные модели, доказавшие, что при небольшом росте можно стать популярной

Модельеры пришли к главному выводу, что при росте выше 170 см одежда лучше садится и прилегает к телу. И если же требования к параметрам могут иногда меняться, то к росту модели никогда. Стройность можно всегда откорректировать, например, заняться спортом, сидеть на хороших диетах, а вот с ростом ничего сделать невозможно. Хотя, бывают некоторые непредсказуемые случаи. Еще одним примером есть Летиция Каста, что при росте ниже 170 см стала главным идеалом красоты.

Очередной пример – это топ-модель Твигги, которая была первой худышкой с ростом 169 см в истории модельного бизнеса. У нее так и не получилось выйти на подиум, однако в конце 60-х она выпустила собственно разработанную линию одежды. Фотографии Твигги были отправлены в капсуле в космос.

Лонекке Энгель – еще один образец модели небольшого роста. Ее рост составлял 167 см. Но, благодаря ее индивидуальности и обаянию, модель с легкостью заключила контракт на 3 миллиона долларов с модельными агентствами в Лондоне.

Такие модели как: Наталья Водянова, Наоми Кемпбелл, Синдия Кроуфорд, Клаудия Шиффер безупречны не только лицом и фигурой, но и особенно большим ростом. Самой недешевой моделью в Европе есть Клаудия Шиффер. С ростом 180 см она является весьма востребованной.

Модель – это профессия, и ею может называться только та девушка, которая в обязательном порядке приставлена к определенному модельному агентству на постоянную работу. Главные особенности, которыми обязана иметь модель:

неподражаемая внешность;
обаяние;
индивидуальный характер;
естественный образ.

Параметры модели обязательно должны быть идеальными, ведь сегодня модельный бизнес выставляет четкие критерии по отбору. Необходимо прикладывать множество усилий для того, чтобы выглядеть сногсшибательно:

учиться разговаривать;
для прекрасной фигуры сидеть на множестве диет и отказывать себе во вкусностях;
развиваться морально;
уметь достойно себя вести в кругу известных людей.
Главным критерием является безупречная фигура, рост и формы, что есть лицом модельного бизнеса.

На сегодняшний день образец идеальной модели – высокая худая девушка, рост которой начинается от 175 сантиметров и выше, имеющая достаточно узкие бедра, не превышающие 90 см, привлекательные черты лица, что дадут профессионалам легко поэкспериментировать с имиджем и стилем

Что надо сделать, чтобы стать моделью?

Для девушек

Рост. Конечно, в разные области модельного бизнеса требуются девушки разного роста, но все же большая часть модельных агентств, которые набирают девушек для показов, отдают предпочтение девушкам среднего модельного роста — 172-183 см. Но если девушка харизматична и хорошо сложена, она может стать моделью и при росте 165 см.
Возраст. Существует система модельного бизнеса, при которой модель становится популярной. Прийдя в модельный бизнес в 14-15 лет, спустя 2-3 года девушка начинает получать выгодные заказы и принимать участие в крупных показах. И уже спустя 8-10 лет, к 25-27 годам, потихоньку уходит из модельного мира. Поэтому модельные агентства не связываются с девушками старше 23 лет, это бесперспективно.
Параметры. Есть общеизвестные модельные параметры 90-60-90, но это относительный показатель или по современным меркам — максимальный. Но если вы на 1-2 см больше, это не страшно.
Необычное лицо. Существует несколько типов модельных лиц, которые востребованны в мире моды – детское, анорексичное и имеющее нестандартные черты.

Как стать моделью мужчине

Но как и у женщин, модели мужчины имеют свои требования:

Рост. Мужским модельным ростом считается от 183-188. На более высоких мужчин проблематично подбирать одежду для показов.
Необычные черты лица так же очень востребованы и в мужской моде.
Худощавость. Но при этом желательно, чтобы мужчина имел не сильно развитую мускулатуру, и его тело смотрелось мужественно.
Размер одежды. Самые востребованные модели имеют размер 46-48, реже 48-50. А вот мужчины с большими размерами не востребованы в модельном мире.

Что надо сделать, чтобы стать моделью?

Для девушек

Рост. Конечно, в разные области модельного бизнеса требуются девушки разного роста, но все же большая часть модельных агентств, которые набирают девушек для показов, отдают предпочтение девушкам среднего модельного роста — 172-183 см. Но если девушка харизматична и хорошо сложена, она может стать моделью и при росте 165 см.
Возраст. Существует система модельного бизнеса, при которой модель становится популярной. Прийдя в модельный бизнес в 14-15 лет, спустя 2-3 года девушка начинает получать выгодные заказы и принимать участие в крупных показах. И уже спустя 8-10 лет, к 25-27 годам, потихоньку уходит из модельного мира. Поэтому модельные агентства не связываются с девушками старше 23 лет, это бесперспективно.
Параметры. Есть общеизвестные модельные параметры 90-60-90, но это относительный показатель или по современным меркам — максимальный. Но если вы на 1-2 см больше, это не страшно.
Необычное лицо. Существует несколько типов модельных лиц, которые востребованны в мире моды – детское, анорексичное и имеющее нестандартные черты.

Как стать моделью мужчине

Но как и у женщин, модели мужчины имеют свои требования:

Рост. Мужским модельным ростом считается от 183-188. На более высоких мужчин проблематично подбирать одежду для показов.
Необычные черты лица так же очень востребованы и в мужской моде.
Худощавость. Но при этом желательно, чтобы мужчина имел не сильно развитую мускулатуру, и его тело смотрелось мужественно.
Размер одежды. Самые востребованные модели имеют размер 46-48, реже 48-50. А вот мужчины с большими размерами не востребованы в модельном мире.

Бедра – самый важный из параметров. И, как правило, начинающие модели не умеют его правильно измерять, не понятно, в каком месте бедер мерить. Так можно получить и 90 см и 94 см.

Чтобы его правильно определить, нужно обхватить лентой верхнюю часть бедер и провести через все бедра. Правильный объем – максимально большой объем, который показывает линейка.

Какими конкретно должны быть рост и параметры зависит от того, в какой стране модель хочет работать и какой модельной работой заниматься.

Модельные параметры для работы за границей.
Самый жесткий отбор идет для девушек, которые хотят работать за границей. Они должны обладать ростом от 172 см (реже от 170 см ), обхват
ом в бедрах 86-88 см . В идеале у девушки должен быть рост 176-180 см . С таким ростом она сможет работать во всем мире. Девушке с ростом 170-175 см тяжело быть конкурентноспособной в Европе, но вполне возможно успешно работать в Азии. Верхний предел роста моделей около 184 см , девушки выше испытывают проблемы в своей карьере. Когда начинающая модель приходит в агентство в возрасте 12-17 лет с желанием работать за границей, объем ее бедер не должен превышать 86 см при росте 170-176 , и 88 см при росте около 180 см иначе она будет неконкурентноспособной. Далее, когда девушка уже будет полноценно работать за границей, объем ее бедер может быть до 90 см , но превышать это значение очень нежелательно.

В модельном бизнесе важен каждый сантиметр. В контрактах с международными агентствами прописывается, какими параметрами обладает девушка на сегодняшний день. Модель должна сохранять их на все время действия контракта. Бывают такие условия контракта, когда девушку могут оштрафовать, если параметры изменились хотя бы на 1 см. Дико? Добро пожаловать в модельный бизнес!

«А если у меня рост 168 см? У меня нет шансов?», – спросит меня девушка с ростом 168 см.
Хочу сразу сказать, что в модельном бизнесе, не смотря на жесткие рамки, всегда существуют исключения. Да, есть девушки, которые и с ростом 168 см работают. Всегда ключевым понятием является «конкуренция». Чем модель ближе к идеальным стандартам, тем у нее больше шансов побеждать на кастингах. Можно ли работать моделью с ростом 168-170 см? Можно. Но будет особенно тяжело конкурировать.

Модельные параметры для работы в России.
В нашей стране пока модельный бизнес не на том уровне. Нет таких жестких рамок, как на Западе.

Подиумная модель.

Если модель хочет работать на показах, она должна обладать параметрами близкими к 90-60-90 (плюс-минус 2 см, хотя грудь может быть и меньше) и рост от 173 см . Идеальный рост для работы на подиуме 175-182 см. По большому счету, параметры относятся только к подиумной работе.

Фотомодель.

А сейчас хорошие новости! Фотомодели могут обладать любыми параметрами!

Фотомодели могут быть худые и толстые, молодые и старые, разные.

Посмотрите рекламу на ТВ или на билбордах. Каких людей Вы там видите? Правильно, разных. Таких, как в жизни. Может быть они немного ярче, артистичнее, харизматичнее, чем основная серая масса людей, но к модельным параметрам это не относится.

«А правда, что для фотомодели рост не имеет значения?»

Иногда действительно не имеет, но в большинстве случаев имеет значение. Когда вы видите в журналах моделей, как правило, они имеют рост от 170 см.

Перед показами, на кастингах или примерках, у моделей всегда измеряют рост и параметры, перед фотосъемками этого никто никогда не делает. Нужно просто, чтобы у девушки была красивая фигура, а уж нужна ли худенькая или «девушка в теле» зависит от конкретной фотосъемки и задач.

Промо-модель.

Если девушка хочет работать на выставках стендисткой, презентациях, то для нее также не важны точные цифры в параметрах, важна визуально красивая фигура. С виду высокая, худенькая, этого достаточно. Т.е талия может доходить примерно до 65 см , а бедра до 95 см .

Как вырасти до модельного роста?
К сожалению, пока не существует средств, которые бы помогли вырасти на 10-15 см, которых так не хватает для модельной работы, но вырасти на 3-4 см вполне реально!
Опытные специалисты нашей школы моделей разработали комплекс, позволяющий за время обучения в школе вырасти на 3-4 см.
Перед началом занятий мы измеряем рост новичков, а потом делаем это вновь спустя 2-3 месяца. У обучающихся наблюдаются изменения в росте. Делая специальные упражнения, позвоночник выпрямляется, и идет заметная прибавка в росте. Каждый может убедится в этом на своем опыте.

Проверь свои параметры!

Требования к моделям. Какие новые лица мы ищем?

Сейчас, когда diversity (англ. *разнообразие) — это новая норма в модельном бизнесе, порой сложно определить, кого же считать моделью?

Чтобы было проще ориентироваться, можно опираться всего на два принципа отбора:
— красота, понятная всем: таких моделей ещё называют коммерческими, на них оборачиваются на улице, они улыбаются с рекламы большинства самых известных массовых брендов.
— красота особенная: а тут становится сложно…, и очень интересно! И если, возможно, вашу красоту оценить смогут не все, то харизма у вас должна быть обязательно, именно силе вашей личности обыватели могут простить многое, в том числе, им непонятное.

Наши основные требования — это рост от 173 до 183 см. Девушки от 167 см работают при условии модельных пропорций фигуры, когда ноги длиннее корпуса.Параметры и тип фигуры. Давайте будем откровенными с самого начала.
На вас должна «сидеть» любая одежда. Поэтому параметры стандартны и внимание к ним строгое: обхват груди от 75 до 88 см, обхват талии от 55 до 63 см, обхват бёдер в самой широкой точке от 87 до 92 см, обхват ноги в самом широком месте до 50 см.

Конечно, из всех правил есть исключения, но общая тенденция к гармоничным для этой работы пропорциям должна чётко прослеживаться.
Модели plus size — это девушки с объёмами гораздо больше стандартных, при сохранении пропорций. Это важное замечание!

Возраст наших моделей от 14 лет, мы не работаем с детьми! Если у вас совсем нет опыта, но есть горячее желание, то мы рассматриваем заявки от девушек до 22 лет. Если вы старше, то нам нужен международный опыт и портфолио.

Обратите внимание, что мы с радостью рассматриваем кандидаток любой расы и национальности.

Цвет кожи и глаз, длина и тип волос, не имет значения. Важно, чтобы у вас была чистая кожа, ухоженные волосы и здоровые зубы.
Вот, собственно, и всё!

пошаговое руководство — Личный опыт на vc.ru

Мы и Ирина Проскурина, основательница модельного агентства “FORMA MODELS” и автор книги «Как стать моделью в Америке», поговорили о том, что нужно сделать, чтобы стать успешной моделью в США.

{«id»:114206,»url»:»https:\/\/vc.ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo»,»title»:»\u041a\u0430\u043a \u0441\u0442\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432 \u0421\u0428\u0410: \u043f\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e»,»services»:{«facebook»:{«url»:»https:\/\/www. facebook.com\/sharer\/sharer.php?u=https:\/\/vc.ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo»,»short_name»:»FB»,»title»:»Facebook»,»width»:600,»height»:450},»vkontakte»:{«url»:»https:\/\/vk.com\/share.php?url=https:\/\/vc.ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo&title=\u041a\u0430\u043a \u0441\u0442\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432 \u0421\u0428\u0410: \u043f\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e»,»short_name»:»VK»,»title»:»\u0412\u041a\u043e\u043d\u0442\u0430\u043a\u0442\u0435″,»width»:600,»height»:450},»twitter»:{«url»:»https:\/\/twitter.com\/intent\/tweet?url=https:\/\/vc.ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo&text=\u041a\u0430\u043a \u0441\u0442\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432 \u0421\u0428\u0410: \u043f\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e»,»short_name»:»TW»,»title»:»Twitter»,»width»:600,»height»:450},»telegram»:{«url»:»tg:\/\/msg_url?url=https:\/\/vc. ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo&text=\u041a\u0430\u043a \u0441\u0442\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432 \u0421\u0428\u0410: \u043f\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e»,»short_name»:»TG»,»title»:»Telegram»,»width»:600,»height»:450},»odnoklassniki»:{«url»:»http:\/\/connect.ok.ru\/dk?st.cmd=WidgetSharePreview&service=odnoklassniki&st.shareUrl=https:\/\/vc.ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo»,»short_name»:»OK»,»title»:»\u041e\u0434\u043d\u043e\u043a\u043b\u0430\u0441\u0441\u043d\u0438\u043a\u0438″,»width»:600,»height»:450},»email»:{«url»:»mailto:?subject=\u041a\u0430\u043a \u0441\u0442\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0432 \u0421\u0428\u0410: \u043f\u043e\u0448\u0430\u0433\u043e\u0432\u043e\u0435 \u0440\u0443\u043a\u043e\u0432\u043e\u0434\u0441\u0442\u0432\u043e&body=https:\/\/vc. ru\/life\/114206-kak-stat-modelyu-v-ssha-poshagovoe-rukovodstvo»,»short_name»:»Email»,»title»:»\u041e\u0442\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u043d\u0430 \u043f\u043e\u0447\u0442\u0443″,»width»:600,»height»:450}},»isFavorited»:false}

5875 просмотров

Не бояться перемен

Если вы хотите стать востребованной моделью, то должны иметь в голове четкий план и решительность в дальнейших действиях. Переезд и адаптация в новой стране – одно из них. Поэтому, вы должны морально настроиться на долгую разлуку с друзьями и близкими и смен круга общения.

Хорошее портфолио – залог успеха

В модельном бизнесе, на сегодняшний день, присутствует высокого уровня конкуренция. И порой портфолио имеет решающее значение.

Модельное портфолио (на профессиональном модельном сленге называется «book») – это профессионально сделанные студийные фото, которые демонстрируют типаж модели, подчеркивают ее внешние данные и маскируют недостатки. Комплексное портфолио в обязательном формате включает в себя модельные тесты, снэпы, фотографии в стиле fashion&beauty, а также имеющиеся публикации, кадры с модельных показов мод и рекламных съемок (при их наличии).

Найти хорошего агента за рубежом — это крайне важно, особенно для начинающей модели.

Ваш агент для вас очень важен, так как играет большую роль в вашей карьере. Серьёзный агент позаботиться о продвижении и заключении высокоприбыльных контрактов с известными брендами. За выполненную работу он получает оговоренные ранее комиссионные, обычно это 15-20%. Первое, что вы должны усвоить так это , то что вы должны доверять своему агенту.

Пройти кастинг и получить контракт: just do it

Прохождение кастинга – один из самых нервных и трудных этапов в ходе получения работы. Крупные агентства в дни кастинга собирают огромные очереди девушек, желающих работать моделями.

Как правило, проводится дефиле и индивидуальная беседа с кандидатами. И это ваш ключевой шанс проявить себя, показать свои сильные стороны и доказать то, что именно вы лучше всех подходите для работы.

Если подытожить всю информацию, то положительную ремарку модель может получить при следовании таким советам:

· Накануне кастинга постарайтесь хорошенько выспаться, ведь залог вашего хорошего внешнего вида – здоровый и спокойный сон.

· При вынужденном опоздании, предупредите вашего агента (менеджера) об этом.

· Старайтесь быть на позитиве, не скрывайте свою индивидуальность и шарм.

· Не приходите на кастинг с ярким макияжем и в откровенной одежде — профессионалы попросту не воспримут вас всерьез.

· Предварительно уточните у агентства или у менеджера, пригодится ли на кастинге портфолио (и в каком объеме), и постарайтесь уточнить, что именно ждет заказчик от модели в дальнейшем (это поможет подать ваше резюме и рассказ о себе с нужной позиции).

Карьерное будущее модели включает в себя не только фотосессии для известных журналов, модные показы и большие деньги. Все это достигается долгим и кропотливым трудом. Поэтому, прежде чем вы предпримите действия по осуществлению вашей мечты, задайте себе следующие вопросы:

· Готовы ли вы большую часть времени проводить в разъездах, не имея возможности пересекаться с близкими?

· Сможете не опустить руки после череды неудачи в ходе прохождения кастингов?

· Обладаете физическим потенциалом для работы в режиме 24/7?

· Знаете ли вы иностранный язык на разговорном уровне?

Если эти пункты вас не страшат, то вам точно стоит рискнуть и попробовать себя в модельном бизнесе. Мы думаем, что у вас все получится!

Могу ли я быть моделью?

Новые модели часто задаются вопросом, есть ли у них то, что нужно, чтобы стать моделью

Вы, вероятно, услышите, что для того, чтобы быть моделью, вам нужно быть красивой, высокой и стройной, с идеальными пропорциями. Теперь это, безусловно, верно для моделей высокой моды, где дизайнеры хотят модель, которая, по их мнению, наилучшим образом демонстрирует их дизайн.

Однако, если вы не подходите под эти критерии, не отчаивайтесь, поскольку есть много других областей, в которых вы можете успешно и прибыльно работать в качестве модели.Модельному бизнесу нужны самые разные формы и размеры. Он варьируется от моделей, которые требуются для подиумов Парижа и Милана, до моделей, которые можно увидеть на фоне телевизионных рекламных роликов. Вам нужно найти то, что подходит вам и вашему месту в отрасли. Чтобы помочь вам в этом, мы перечислили различные доступные типы моделирования и критерии для каждого, и, как и в большинстве случаев в жизни, всегда есть исключения.

Высокая мода

Когда вы видите невероятно высокие и стройные фигуры, украшающие подиумы и редакционные статьи ведущих домов моды и дизайнеров, это модели высокой моды.Обычно требуется, чтобы они были от 172 см до 180 см (от 5 дюймов 8 до 5 дюймов 11), с размером платья 4–6 США (6–8 Великобритании), с типичным размером груди 34. Возрастной диапазон может быть от С 14 по 25.

Для парней возрастной диапазон более гибкий, и они могут начать с 16 до 40 лет. Они должны быть от 180 см до 188 см (5 дюймов от 11 до 6 дюймов 2), с отличным телосложением и размером груди от 94 см до 106 см (от 37 до 42 дюймов) и от 76 см до 81 см (от 30 до 32 дюймов) в талии. Парни, как правило, делают более долгую карьеру, если заботятся о себе.

Редакционная печать

Это моделирование для редакционных статей и обложек журналов, таких как Vogue, Elle и т. Д. Стандартные требования к этим моделям аналогичны требованиям высокой моды, и вы должны быть очень фотогеничными. Довольно часто одни и те же модели работают и в редакционной печати, и в высокой моде.

Эти редакционные статьи обеспечивают отличную рекламу для моделей, даже несмотря на то, что гонорары иногда относительно низкие. Это нормально, и для получения опыта, необходимого для получения более высокооплачиваемой работы, может потребоваться несколько лет.

Коммерческая печать

Огромный рынок, охватывающий все виды печатной рекламы. Это может быть от рекламы в журналах до продуктов на полках супермаркетов и рекламных щитов. Преимущество использования коммерческой печати в качестве модели заключается в том, что целевая аудитория рекламодателей значительно варьируется.

Естественно, бренды хотят привлекать и представлять людей, которые будут покупать их товары, поэтому здесь есть много возможностей, если вы не являетесь типом высокой моды.

Моделирование каталога

Компании создают каталоги (в печатном виде или в Интернете), чтобы продавать свои последние линии одежды или различные другие товары, и задача модели каталога — заставить их хорошо выглядеть. Здесь вы найдете много прекрасных возможностей для различных типов моделей, поскольку модель выбрана так, чтобы представлять целевую аудиторию различных компаний.

С ростом числа веб-сайтов, которым требуются модели для продвижения своих товаров в Интернете, это очень прибыльно для многих моделей.

Моделирование больших размеров

Моделирование крупного телосложения, этот тип моделирования становится все более популярным и является относительно новым явлением. Если вы уверены в себе, обладаете отличными качествами и ваш рост составляет 12–16 долларов США (14–18 Великобритании), то это может быть вам. Все больше и больше рекламодателей используют модели больших размеров для продвижения своих продуктов, стремясь привлечь внимание более широкой аудитории.

Для модели больших размеров вам все равно потребуется отличная кожа, зубы и волосы, а также что-то особенное в вас.Для моделей большого размера High Fashion Plus требования к росту остаются на уровне не менее 172 см (5 дюймов 8).

Моделирование гламура

Моделирование, подчеркивающее сексуальность модели. Гламурное моделирование может варьироваться от фотосессии нижнего белья и купальных костюмов до художественной фотографии и фотографии обнаженной натуры и мужских журналов. Вам нужно быть красивой, сексуальной, уверенной в себе и чрезвычайно общительной личностью. Ограничения по высоте обычно не применяются, что привлекает многих моделей.

Если вы рассматриваете эту область моделирования, будьте осторожны, так как есть много нечестных людей, которые пользуются молодыми моделями, которые хотят попасть в модельный бизнес.Если вы заинтересованы в моделировании гламура, желательно иметь авторитетное агентство, которое заботится о ваших интересах.

Модели частей тела

Область, о которой обычно не думают новички, но моделирование частей тела — очень актуальный сектор отрасли. Самыми распространенными частями тела, как правило, являются волосы, глаза, губы, руки, ноги и ступни, которые используются для продвижения многих товаров в печати и на телевидении.

Вам необходимо иметь исключительно пропорциональные части тела и знать, как за ними ухаживать.Это определенно область моделирования, которую стоит рассмотреть, поскольку она может оказаться на удивление прибыльной.

Рекламные ролики

Моделирование в телевизионных рекламных роликах не имеет каких-либо общих критериев по росту, размеру и возрасту, поскольку для каждой рекламы требуется кто-то другой и специфичный для этой работы. Обычно необходимо иметь какие-то актерские способности, но это могут быть врожденные или приобретенные способности. Существует много различных типов телевизионных рекламных роликов, от сильно стилизованных фотографических до реалити-шоу, ориентированных на перформанс.

Огромным преимуществом телевизионных рекламных роликов модели является то, что бренды постоянно ищут модели, с которыми широкая публика может легко идентифицировать себя. Это открывает двери почти для всех, кто чувствует, что у них есть все необходимое для работы в этом секторе. Обычно те, кого представляет агентство моделей или актеров, имеют больше шансов появиться в телевизионных рекламных роликах.

Модели из реальной жизни (модели людей) и телешоу / кино

Если вам нравится идея моделирования, но вы не вписываетесь в вышеперечисленные категории, то это может быть для вас.Модели из реальной жизни и людей используются в рекламных или корпоративных кампаниях, когда компании стремятся представить обычных людей. Как TV / Film Extra вы, как правило, не фигурируете (без речевых ролей) и находитесь на заднем плане сцены.

Это может быть весело и интересно участвовать, но также может быть долгие часы с долгим ожиданием. Преимущества в том, что если вы гибко распоряжаетесь своими днями, это может быть хорошим способом пополнить свой доход.

Модели влияния

Бренды признают ценность людей, у которых очень много подписчиков в социальных сетях.Обычно это люди с интересной внешностью, будь то красивые, сексуальные, татуированные, пирсингованные, альтернативные, грудастые или причудливые, и текущая тенденция такова, что у этих людей есть профили в Instagram; придумав фразу модели Instagram. Однако с точки зрения брендов эти модели называются моделями влиятельных лиц из-за влияния, которое они оказывают при публикации поста. Бренды обратятся к одному из этих влиятельных лиц и предложат сотрудничество, в котором модель опубликует одобрение продукта бренда, а взамен модель получит финансовую компенсацию или бесплатные продукты от бренда.

Если модель влиятельного лица может привлечь большое количество Любви и кликов на веб-сайте бренда, он может потребовать более высокую компенсацию. Это фантастическая новая сторона модельной индустрии, которая снова делает моделирование более доступным для всех.

Какой средний рост у модели-подростка?

В модельном бизнесе рост имеет значение даже для подростков. Индустрия высокой моды отдает предпочтение высоким стройным фигурам, в то время как к моделям из каталога предъявляются несколько более мягкие требования.Подростки и молодые люди, скорее всего, будут соответствовать этой модели, что делает модельную индустрию средой для молодых людей.

Давайте посмотрим, что требуется для подросткового моделирования.

Высокая мода и реклама

Мир высокой моды

Vogue нанимает только 18-летних

Коммерческие модели

Регистрация в модельном агентстве

Хотели бы вы стать моделью-подростком? Зарегистрируйтесь у нас сегодня!

Высокая мода против рекламы

В этих двух областях модельной индустрии очень разные взгляды на требования к росту девочек-подростков, потому что они рекламируют разную аудиторию.В то время как возрастные группы такие же, высокая мода имеет тенденцию рекламировать более роскошную клиентуру, в то время как каталоги больше подходят для массового населения.

Мир высокой моды

Девочки в возрасте 14-15 лет должны иметь рост от 5’7 до 6’0 дюймов.

Лица в возрасте от 16 до 22 лет должны быть от 5’9 ″ до 6’0 ″.

Рост популярен в модельном мире; Вышеупомянутые типичные измерения ожидаются от подростков, желающих сделать это в этом типе моделирования.

Такого роста достигнет лишь небольшой процент подростков.Скауты модельных агентств обращаются к молодым подросткам, отвечающим этим редким требованиям в социальных сетях. Скауты также любят приближаться к потенциальным моделям на фестивалях, в торговых центрах и аэропортах.

Ростовые и модельные агентства

Требования к росту обычно не указываются для открытых объявлений агентств, но они просят моделей указывать свой рост, вес и полные размеры в заявках.

При обращении напрямую в модельное агентство каждое агентство разъясняет требуемые параметры; обязательно изучите их перед подачей заявки, если вы не отвечаете требованиям.

Если вы не совсем соответствуете требованиям, вам решать, подавать ли вы еще; Хотя известно, что некоторые модели ломают стереотипы (Кейт Мосс, как известно, невысокого роста — всего 5 футов 7 дюймов), большинство агентств не станут дважды смотреть на модель, которая не соответствует требуемым размерам. Будьте готовы к множеству отказов.

Если вы слишком невысокого роста для большинства агентств, попробуйте поискать миниатюрные модельные агентства, которые специализируются на работе с более низкими моделями. Эти агентства будут обслуживать бренды, которые продают более коротким клиентам, поэтому они будут искать более короткие модели, которые отражают их клиентов.

Teen Models

За прошедшие годы модельные агентства привлекли многих моделей в возрасте 13–16 лет и познакомили их с гламурным миром высокой моды.

Очень высокие люди со стройной фигурой идеально подходят для ведущих дизайнеров, демонстрирующих свои последние творения. Поскольку это общеизвестно, что достичь этого типа телосложения сложно, все больше и больше брендов обращаются к подросткам, чтобы соответствовать этому образцу. Подростки еще не достигли половой зрелости, когда гормоны создают у большинства женщин более пышную фигуру.Поэтому брендам становится легче обращаться к подросткам, у которых все еще худощавая фигура.

Это означает, что лицом отрасли стало 14-15 лет. Такие люди, как Наоми Кэмпбелл и Кейт Мосс, тоже были замечены в подростковом возрасте и сделали долгую успешную карьеру.

Однако есть опасения, что приобщение подростков к такому образу жизни, когда они такие молодые и неопытные, может нанести вред. Украшать подиумы в Париже, Лос-Анджелесе, Чикаго и Нью-Йорке или сниматься для ведущих редакционных журналов становится их работой — наряду с большим давлением, множеством путешествий, отсутствием дома и школы, а также большим количеством работы.

Представление о юном подростке с небольшим жизненным опытом, работающем в мире взрослых, стало нормой, однако многие считают, что подростки слишком уязвимы, впечатлительны и наивны, чтобы вести такой образ жизни. Высокая мода невероятно требовательна; Модели работают очень много часов, они должны постоянно путешествовать, и им приходится бороться, чтобы поддерживать недостижимое телосложение по мере роста. Для большинства в таком молодом возрасте это слишком много. Под этим давлением оказываются как молодые модели, так и девушки.

Vogue будет нанимать только 18-летних

Vogue недавно взял на себя обязательство работать только с моделями в возрасте 18+.Таким образом, они будут работать только с моделями, которые являются взрослыми с юридической точки зрения, которые способны принимать собственные решения и имеют гораздо больший жизненный опыт.

Vogue понимает, что в прошлом они внесли свой вклад в мир моды, который нанимает подростков, чтобы они приходили в обувь для взрослых, но они хотят оставить это в прошлом. Их цель — продвинуться вперед в будущее, в котором их журнал будет отражать тех, кто его покупает, а не далекий ребенок. Сюда входят их журналы по всему миру, такие как Vogue Paris, British Vogue, Vogue Italia и американский Vogue.

Будем надеяться, что многие пойдут по их стопам, наняв только профессиональных моделей 18+.

Отношение к размеру

Еще одна критика в адрес мира высокой моды — их подход к размеру. Хотя их отношение становится намного лучше, а модели больших размеров все чаще появляются, предстоит еще долгий путь.

Важно убедиться, что ваш подросток хорошо относится к своему весу, фигуре и общему состоянию здоровья, поскольку индустрия моды может произвести на молодых людей огромное впечатление.Подростки, которые хотят заниматься моделированием, должны обладать порядочностью и самоуважением. Жизненно важны здоровый образ мышления и понимание питания, физических упражнений и здоровья.

Моделирование больших размеров производит фурор в отрасли и, надеюсь, станет больше, чем символическим жестом, но до тех пор мы должны защищать подростков и молодых людей от потенциально негативных мыслей о форме и размерах тела, которые может вызвать высокая мода.

Коммерческие модели

В этой отрасли высота модели гораздо более свободна, особенно для подростков.Популярные магазины, такие как Next и M&S, стремятся к дружелюбному и счастливому лицу, а не к недосягаемой высоте. Изображения намного более невинны и подходят своей целевой аудитории. Учитываются разные высоты, если они соответствуют требованиям кампании.

Коммерческие модельные агентства ищут подростков, которые хорошо фотографируют, имеют хорошую улыбку и естественны перед камерой. Их уверенность намного важнее роста, поскольку бренды ищут вдохновляющие модели, внешний вид которых может вдохновить покупателей.

На фотосессии подростков попросят вести себя естественно и много улыбаться. Это совершенно другой образ по сравнению с высокой модой, где дети и подростки играют в своем возрасте.

Чтобы добиться успеха в качестве подростковой коммерческой модели, вы должны уметь естественно улыбаться по сигналу — вынужденная улыбка не будет выглядеть хорошо.

Регистрация в модельном агентстве

Взглянув на различные типы моделирования для подростков, вы можете решить, какую нишу вы хотите занять с помощью и поддержкой ваших родителей.Если вы моложе 18 лет, то по закону вы должны получить одобрение родителей или опекунов. Поэтому важно, чтобы начинающие модели-подростки обсуждали с ними свои варианты.

Найдите агентства в своей нише

Есть определенные агентства, которые специализируются на модельном бизнесе для подростков. Перед подачей заявки убедитесь, что они законные, и не расставайтесь ни с какими деньгами — агентства никогда не просят деньги вперед.

Авторитетные агентства помогут вам найти работу, подходящую для вашего роста и возраста.Они могут помочь ответить на ваши вопросы об отрасли и успокоить вас.

Подача заявления в агентство

Найдите раздел на веб-сайте модельного агентства, в котором приведены инструкции по подаче заявления. Обычно у вас будет возможность заполнить форму заявки или принять участие в одной из открытых телеконференций.

Форма заявки

Убедитесь, что вы правильно ввели все свои данные, включая ваше имя, контактные данные и статистику.Вам также будет предложено добавить фотографии. Это жизненно важно, так как ваш выбор будет во многом зависеть от того, насколько хорошо вы фотографируете.

Представленные изображения должны соответствовать стандартам, установленным на их веб-сайтах. Прочтите несколько раз, чтобы не ошибиться.

Лучшие фотографии — это высококачественные изображения с вами в центре внимания. Хорошая идея — нанять профессионального фотографа, чтобы получать самые лучшие изображения. Делайте снимки в голову, а также изображения всего тела.

Открытый конкурс

Дата и время открытого конкурса будут указаны на веб-сайте агентства. Открытый конкурс — это, по сути, открытое интервью; они предоставят время, дату и место, и могут появиться честолюбивые модели в надежде, что они будут подписаны.

Убедитесь, что вы в курсе, чтобы избежать разочарования. Агенты очень заняты, и у них не будет времени увидеть вас, если вы опоздаете. Встреча продлится недолго, и вы сразу получите ответ.

Убедитесь, что вы хорошо одеты, и принесите портфолио работ, чтобы продемонстрировать свои навыки моделирования. Если вы еще не работали моделью, наймите фотографа, который сделает вас качественными снимками.

Кастинг-вызов может потребовать от вас длительного ожидания, поэтому не забудьте взять с собой закуски, воду и книгу, чтобы чем-то заняться.

Будьте терпеливы

В модельную индустрию сложно попасть. Даже топ-модели вынуждены терпеть отказ, особенно на начальных этапах модельной карьеры.Будьте терпеливы и позитивны; не сдавайся, если тебя отвергают. Повторно подавайте заявление в агентства каждые несколько месяцев и помните, что вы можете подавать документы в любое количество агентств. Обновляйте свое портфолио и продолжайте практиковаться.

Что требуется, чтобы стать моделью-мужчиной? | Работа

Доктор Мэри Дауд Обновлено 30 июня 2018 г.

Мужским моделям требуется определенный невыразимый вид и имидж, когда они позируют художнику или фотографу. Также не больно быть высоким, смуглым и точным изображением греческого бога.Конкретные требования зависят от конкретного концерта и от типа моделирования, которое вы выполняете. Например, требования к росту, весу и размеру одежды применяются к моделям высокой моды и моделям для подиумов, но коммерческие модели в печатной рекламе бывают самых разных форм и размеров, включая мужские модели больших размеров.

Описание работы

Модели-мужчины позируют в разных позах для фотографов и художников, которые стремятся создать определенный образ. Вас возьмут на работу, если вы будете иметь идеальный вид и отношение к бренду компании, рекламной кампании или желаемому художественному продукту.Физические требования зависят от типа работы по моделированию. На подиуме мужчины-модели, которые носят последнюю дизайнерскую одежду, должны быть ростом не менее 6 футов. Модели мужского пола, сфотографированные в коммерческих рекламных целях, должны быть ростом от 5 футов 11 дюймов до 6 футов 2 дюйма и подходить к куртке 40R. Модели рук и ног должны иметь прямые придатки и ровный оттенок кожи для моделирования украшений или обуви. Поскольку средства к существованию мужчины-модели зависят от приятной внешности, он должен внимательно следить за своим питанием, режимом физических упражнений и режимом сна.Модели-мужчины должны проводить долгие часы на кастингах, делая пробные съемки, чтобы директор по кастингу мог определить, подходят ли модели для конкретной работы. Модели-мужчины также должны продвигать себя в социальных сетях, чтобы увеличить свою известность и повысить свои шансы быть обнаруженными.

Образование

Никакого формального образования не требуется, и некоторые модели начинают успешную карьеру еще в средней школе. Для достижения успеха важнее природный талант, красивая внешность и обучение на рабочем месте.В школах карьеры доступны классы моделирования, где вас научат создавать фотогеничные выражения лица, позировать по-разному, разрабатывать рекламные материалы и ходить по подиуму. Бюро статистики труда указывает, что такие классы не обязательно приводят к рабочим местам. Если вам не повезло быть обнаруженным, вам нужно будет пробиться в профессию, обратившись в модельные агентства, предоставив им несколько качественных снимков головы и несколько снимков всего тела, включая одно изображение без рубашки.Если модельные агенты увидят потенциал, вас пригласят на собеседование и научат основам.

Лучшие модели-мужчины могут зарабатывать более 1 миллиона долларов в год, но это меркнет по сравнению с тем, что зарабатывают женщины-супермодели. Независимо от пола, немногие модели добиваются успеха. Подобно актерам, модели ждут, пока не будут объявлены открытые звонки, пытаясь найти работу и часто оказываются безработными. BLS сообщает, что по состоянию на 2016 год модели мужского и женского пола зарабатывают в среднем 22099 долларов в год, или 11,01 доллара в час.Это означает, что одна половина всех моделей зарабатывает больше среднего, а другая половина — меньше. Почасовая зарплата колеблется от 8,17 до более 23,78 долларов в зависимости от континуума заработной платы моделей.

Промышленность

Моделирование выглядит эффектно, но также требует высокой устойчивости к нагрузкам. График работы непредсказуем, и агентство может потребовать, чтобы модель села в самолет в течение нескольких часов для фотосессии. Мужские модели работают в самых разных местах при любых погодных условиях. Нагота требуется для некоторых работ, таких как моделирование для учащихся в классах рисования и скульптуры в художественной студии. Моделям нужна выносливость, чтобы выглядеть свежо и сохранять бдительность, когда часами позируют на месте. Мужчины-модели, нанятые из-за их худощавого андрогинного вида, могут быть подвержены риску развития расстройства пищевого поведения.

лет опыта

Талантливые, популярные модели получают все больше предложений по моделированию по мере того, как они приобретают опыт и видимость. Модели должны тщательно рассчитывать свою карьеру, чтобы не достичь пика слишком рано. Вообще, карьера модели не долгая. Большинство кастингов ищут моделей в расцвете сил.У пожилых моделей-мужчин это немного лучше, чем у моделей-женщин, потому что имидж исполнительного мужчины со слегка седеющими волосами пользуется спросом у рекламодателей. От моделей-мужчин требуется поддерживать подтянутую молодую внешность, независимо от возраста.

Перспективы роста занятости

Бюро статистики труда прогнозирует, что спрос на модели останется в основном неизменным с 2016 по 2026 год. Для моделей, заинтересованных в размещении рекламы в Интернете, откроются дополнительные рабочие места, но печатных публикаций будет меньше.Поскольку США становятся все более глобально связанными, BLS предвидит больше возможностей для расово и этнически разнообразных моделей.

14.1 — Модели с авторегрессией | STAT 501

Временной ряд — это последовательность измерений одной и той же переменной (переменных), выполненных во времени. Обычно измерения производятся через равные промежутки времени — например, ежемесячно или ежегодно. Давайте сначала рассмотрим проблему, в которой у нас есть переменная y , измеренная как временной ряд. Например, у нас может быть и мера глобальной температуры, измерения которой наблюдаются каждый год.Чтобы подчеркнуть, что мы измерили значения во времени, мы используем « t » в качестве подстрочного индекса, а не обычное « i », т.е. \ (y_t \) означает \ (y \), измеренное за период времени \ (t \).

Модель авторегрессии — это когда значение из временного ряда регрессирует по предыдущим значениям из того же временного ряда. например, \ (y_ {t} \) на \ (y_ {t-1} \):

\ (\ begin {уравнение *} y_ {t} = \ beta_ {0} + \ beta_ {1} y_ {t-1} + \ epsilon_ {t}. \ End {уравнение *} \)

В этой регрессионной модели переменная ответа в предыдущем периоде времени стала предиктором, а ошибки имеют наши обычные предположения об ошибках в простой модели линейной регрессии.Порядок авторегрессии — это количество непосредственно предшествующих значений в ряду, которые используются для прогнозирования значения в настоящее время. Итак, предыдущая модель представляет собой авторегрессию первого порядка, записанную как AR (1).

Если мы хотим предсказать \ (y \) в этом году (\ (y_ {t} \)), используя измерения глобальной температуры за предыдущие два года (\ (y_ {t-1}, y_ {t-2} \ )), то авторегрессионная модель для этого будет:

\ (\ begin {уравнение *} y_ {t} = \ beta_ {0} + \ beta_ {1} y_ {t-1} + \ beta_ {2} y_ {t-2} + \ epsilon_ {t}. {\ textrm {th}} \) — авторегрессия порядка, записанная как AR ( k ), представляет собой множественную линейную регрессию, в которой значение ряда в любой момент времени t является (линейной) функцией значений в раз \ (t-1, t-2, \ ldots, tk \).

OpenAI представляет языковую модель искусственного интеллекта GPT-3 со 175 миллиардами параметров

Группа исследователей из OpenAI недавно опубликовала статью, описывающую GPT-3, модель глубокого обучения для естественного языка со 175 миллиардами параметров, что в 100 раз больше, чем в предыдущей версии, GPT-2.Модель предварительно обучена почти полу-триллиону слов и достигает высочайшего уровня производительности на нескольких тестах NLP без тонкой настройки.

В статье, опубликованной на arXiv, команда из более чем 30 соавторов описала модель и несколько экспериментов. Цель исследователей состояла в том, чтобы создать систему НЛП, которая хорошо справлялась бы с множеством задач с минимальной тонкой настройкой или без нее, и предыдущая работа показала, что более крупные модели могут быть решением. Чтобы проверить эту гипотезу, команда увеличила размер своей предыдущей модели, GPT-2, с 1.5 миллиардов параметров до 175 миллиардов. Для обучения команда собрала несколько наборов данных, включая набор данных Common Crawl и англоязычную Википедию. Модель была оценена по нескольким тестам NLP, сопоставив их с современными характеристиками в задачах с ответами на вопросы «закрытой книги» и установив новый рекорд для задачи моделирования языка LAMBADA.

OpenAI попал в заголовки газет в прошлом году из-за GPT-2 и их решения не выпускать версию обученной модели с 1,5 миллиардами параметров из-за «опасений по поводу вредоносных приложений этой технологии».»GPT-2 — одна из многих крупномасштабных моделей НЛП, основанных на архитектуре Transformer. Эти модели предварительно обучены на больших текстовых корпусах, таких как содержание Википедии, с использованием самостоятельного обучения. В этом сценарии вместо с использованием набора данных, содержащего входные данные в паре с ожидаемыми выходными данными, модели дается последовательность текста со словами «замаскированные», и она должна научиться предсказывать замаскированные слова на основе окружающего контекста. После этого предварительного обучения модели затем становятся точными. настроенный с помеченным набором контрольных данных для конкретной задачи НЛП, такой как ответы на вопросы.

Однако исследователи обнаружили, что предварительно обученные модели работают довольно хорошо даже без точной настройки, особенно для больших моделей, предварительно обученных на больших наборах данных. Ранее в этом году OpenAI опубликовал статью, в которой постулировал несколько «законов масштабирования» для моделей Transformer. Основываясь на данных о производительности из нескольких различных моделей на основе Transformer, OpenAI пришел к выводу, что производительность модели (в данном случае потеря кросс-энтропии в тестовом наборе данных) имеет степенную зависимость от количества параметров модели, размера набора данных. и объем вычислений, используемых для обучения.Таким образом, увеличение любых этих трех переменных улучшит производительность.

Для предварительного обучения команда собрала набор данных, состоящий из Common Crawl, WebText, англоязычной Википедии и двух корпусов книг. Чтобы улучшить качество данных, исследователи отфильтровали Common Crawl, чтобы удалить избыточность. Поскольку Common Crawl извлекается из Интернета, он может содержать фактические тестовые данные для оценок производительности, которые могут «испортить» обучение. Команда действительно попыталась удалить это загрязнение; однако признают:

К сожалению, из-за ошибки фильтрации мы проигнорировали некоторые перекрытия, и из-за стоимости обучения было невозможно переобучить модель.

Команда использовала эти данные для обучения восьми версий модели с размером от 125 миллионов параметров до 175 миллиардов полных. Модели были оценены по десяткам тестов НЛП в широком диапазоне категорий, во многих случаях их производительность была близка или выше современной. Чтобы оценить модель в задаче создания новостной статьи, команда использовала Amazon Mechanical Turk, чтобы нанять людей-судей, чтобы угадать, какая из пары статей была реальной, а какая была создана GPT-3. Люди выбирают настоящую статью только в 52% случаев; По сути, люди были не лучше монеток при выборе настоящего изделия. Команда также обсудила некоторые слабые стороны модели. Например, что касается синтеза текста, «образцы GPT-3 все еще иногда семантически повторяются на уровне документа, начинают терять связность в достаточно длинных отрывках, противоречат самим себе и иногда содержат предложения или абзацы, не являющиеся последовательностями». Модель также испытывает трудности с вопросами «физики здравого смысла», такими как: «Если я положу сыр в холодильник, он расплавится?»

Несколько членов исследовательского сообщества НЛП прокомментировали в Twitter размер модели.Основатель Alchemy API Эллиот Тернер предположил, что стоимость обучения самой большой модели может составить «почти 12 миллионов долларов». Профессор Марк Ридл предлагает объяснение связи между размером модели и производительностью:

Одна из гипотез состоит в том, что GPT-3 имеет так много параметров (половина числа обученных токенов), что начинает действовать как сеть памяти.

Как и в случае с GPT-2, OpenAI не выпустил обученную модель или код, хотя есть репозиторий GitHub, содержащий некоторые тестовые наборы данных, а также набор текстовых образцов, сгенерированных моделью.

Этот сайт использует файлы cookie для повышения производительности. Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.

Настройка вашего браузера для приема файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались. Чтобы принять файлы cookie с этого сайта, используйте кнопку «Назад» и примите файлы cookie.
Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или уточнить у системного администратора.

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.

Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в файле cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

Модернизация кривых роста рыб и акул с помощью байесовских моделей длины по возрасту

Abstract

Моделирование роста является фундаментальным компонентом оценок промысла, но ему часто мешают данные низкого качества, полученные в результате смещенной выборки. Некоторые методы пытались учесть систематическую ошибку выборки при анализе роста. Однако во многих случаях это предвзятость не удается преодолеть, особенно когда выборка из крупных особей недостаточна. В моделях роста два ключевых параметра имеют прямую биологическую интерпретацию: L ₀, что должно соответствовать длине тела при рождении, и L _∞, что должно приблизительно соответствовать средней длине тела при рождении. взрослые особи.Здесь мы представляем подход к подгонке байесовских моделей роста с использованием цепей Маркова Монте-Карло (MCMC) с информативными априорными указаниями по этим параметрам для повышения биологической достоверности оценок роста. Обобщенная структура предоставляется в R-пакете «BayesGrowth», который устраняет препятствия при программировании модели MCMC для новых пользователей. Четыре тематических исследования, представляющие различные сценарии выборки, а также три моделирования с разными функциями селективности были использованы для сравнения этой байесовской модели со стандартными частотными моделями роста. Байесовские модели либо превзошли, либо совпали с результатами частотных моделей роста во всех примерах, демонстрируя широкие преимущества, предлагаемые этим подходом. В этом исследовании подчеркивается влияние, которое байесовские модели могут оказать на исследования возраста и роста, если их применять более регулярно, чем ограничиваться только сложными или изощренными приложениями.

Образец цитирования: Smart JJ, Grammer GL (2021) Модернизация кривых роста рыб и акул с помощью байесовских моделей длины по возрасту.PLoS ONE 16 (2): e0246734. doi: 10.1371 / journal.pone.0246734

Редактор: Johann Mourier, Institut de Recherche pour le Developpement, Франция

Поступила: 26 ноября 2020 г .; Одобрена: 25 января 2021 г .; Опубликовано: 8 февраля 2021 г.

Авторские права: © 2021 Smart, Grammer. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

Доступность данных: Все соответствующие данные находятся в рукописи и ее файлах с вспомогательной информацией.

Финансирование: Для этого исследования финансирование не требовалось и не получалось.

Конкурирующие интересы: Конкурирующие интересы отсутствуют.

Введение

Понимание роста водных таксонов, таких как рыба, акулы, моллюски и ракообразные, необходимо для эффективных оценок рыболовства. В частности, информация о росте используется для оценки продуктивности видов и определения структуры популяций в рамках моделей комплексной оценки запасов [1].Информация о росте обычно устанавливается посредством анализа длины тела по возрасту с использованием таких моделей, как модель роста фон Берталанфи [VBGM; 2, 3]. Однако необъективная выборка часто препятствует оценке роста, когда не все классы длины и возраста могут быть эффективно взяты [4]. В этой ситуации часто применяются дополнительные методы для учета несовершенных данных, такие как ограничение соответствия модели или интерполяция данных с помощью таких методов, как обратные вычисления [5, 6]. Хотя они могут быть эффективными, во многих случаях биологически неправдоподобные оценки роста все же могут иметь место в разной степени [4].

Модели длины по возрасту обычно подбираются с использованием частотных подходов, таких как нелинейная оценка [1, 7]. При наличии подходящих выборок по длине и возрасту эти методы работают адекватно и дают необходимую информацию для дальнейшего анализа популяций. Однако часто бывают случаи, когда нерепрезентативные выборки ставят под угрозу оценки роста. Например, большие виды акул (общая длина> 3 м) часто имеют смещенные выборки, так как орудия лова являются избирательными по размеру и часто не могут поймать самые большие или самые маленькие классы [8, 9].Эти люди имеют наибольшее влияние на оценку роста, поскольку они, по сути, закрепляют концы кривой на минимальном и максимальном размерах [1]. Люди нулевого возраста помогают определить параметр длины при рождении ( L ₀), в то время как самые крупные особи сильно влияют на оценки асимптотической длины ( L _∞). Если не указывать, результирующие кривые роста могут адекватно описывать возрастную длину во всех имеющихся диапазонах длины и возраста, но могут предоставлять оценки параметров, которые не описывают надлежащим образом рост вида [9–11].

Байесовские подходы являются эффективным инструментом, когда частотные подходы не могут определить подходящие оценки только на основе данных. Байесовские методы включают предварительные знания в анализ и производят комбинированный результат с использованием априорных значений и имеющихся данных [12, 13]. Комбинация априорных значений и вероятностей модели дает апостериорные распределения для каждого параметра, которые представляют включение дополнительной информации в модель. При оценке роста видов априорная информация может быть легко включена в моделирование длины по возрасту путем создания информативных априорных значений для L ₀ и L _∞ на основе известной длины при рождении (часто близка к нулю для костистых рыб) и максимальной длины вида соответственно. Включение информативных априорных значений в анализ цепей Маркова методом Монте-Карло (MCMC) доказало свою эффективность при анализе роста, где они применялись [14–18]. Однако байесовские подходы для оценки роста чаще всего применяются для более сложных анализов или наборов данных, таких как иерархическое моделирование [19, 20], данные повторной поимки меток [21] или данные частоты длин [22]. Достаточно редко байесовские подходы применяются к стандартному анализу длины по возрасту, несмотря на их успешное применение и пригодность [14, 23].

Более широкое использование байесовских методов в анализе длины по возрасту за счет включения априорных значений максимальной и минимальной длины может оказаться ценным достижением в моделировании роста. Длина при рождении и максимальная длина тесно связаны с двумя из трех оцененных параметров в анализе роста и обычно используются в качестве беглой проверки соответствия модели после анализа. Поэтому их формальное включение в анализ очень разумно, поэтому удивительно, что использование байесовских методов не процветает. Скорее всего, этого не произошло по двум причинам: 1) недостаточная осведомленность о том, как байесовские модели могут помочь в анализе длины по возрасту, преодолевая основные и общие проблемы с выборкой; и 2) байесовский анализ сложнее, чем частотный подход, требующий более глубоких знаний о статистических распределениях, процессах моделирования и специализированном программном обеспечении [12], что означает, что они применяются только тогда, когда необходимы сложные методы. Эти проблемы означают, что байесовские методы часто не рассматриваются, хотя на самом деле они могут обеспечить элегантное решение для полного учета биологии вида при любом анализе роста.

Здесь мы демонстрируем эффективность байесовских методов для решения проблем выборки при анализе длины по возрасту и их преимущества. При этом мы полностью документируем обобщенную структуру, которая является расширением парадигмы нескольких моделей; где применяется несколько моделей и выбирается наиболее подходящая модель [24–26]. Эту схему можно применить к любому возрастному анализу, который обычно проводится при частотном подходе. Мы утверждаем, что этот подход можно было бы использовать более регулярно для оценки роста, и стремимся облегчить это, предоставляя R-пакет «BayesGrowth» [27], который делает этот анализ более доступным для широкой аудитории.Этот пакет доступен по адресу https://github.com/jonathansmart/BayesGrowth.

Материалы и методы

Описание модели обобщенного байесовского роста

Многомодельная парадигма моделирования роста.

Современный подход к моделированию, а не a priori использование VBGM, состоит в том, чтобы подогнать несколько моделей роста к данным и сравнить их соответствие с использованием информационного критерия Акаике ( AIC ) [25, 28]. Подходы с использованием нескольких моделей предпочтительны, поскольку они снижают вероятность подбора модели, которая не подходит для данных.К водным таксонам обычно применяются три модели роста с использованием многомодельного подхода [26]: модель роста фон Берталанфи,

модель роста Гомпертца,

и модель логистического роста,

, где L _a — длина в возрасте a , L ₀ — длина при рождении, k — параметр завершения роста и L _∞ — асимптотическая длина. Обратите внимание, что параметр k уникален для каждой модели и не может сравниваться между ними [26]. Однако модели L ₀ и L _∞ имеют идентичные интерпретации между моделями, и в многомодельной парадигме разумно использовать L ₀ для фон Берталанффи. модель, а не t ₀ (как обычно для костистых видов рыб), чтобы напрямую сравнить параметры модели-кандидата.

Мультимодельный подход завершается выбором модели с помощью AIC , который рассчитывается как AIC = nlog (σ ²) + 2 k , k — общее количество параметров +1 для дисперсии (σ ²) и n — размер выборки. Модель с наименьшим значением AIC ( AIC _мин) лучше всего соответствует данным и является наиболее подходящей из моделей-кандидатов. Оставшиеся модели можно ранжировать с использованием разницы AIC ( ∆AIC ), которую можно рассчитать для каждой модели ( i = 1–3) как ∆ AIC = AIC _i — AIC _мин..Модели с ∆AIC из 0–2 имеют самую высокую поддержку, в то время как модели с ∆AIC из 2–10 имеют значительно меньшую поддержку, а модели с ∆AIC из> 10 практически не поддерживают [29]. Различия AIC можно использовать для расчета весов AIC (AICw), которые представляют вероятность выбора правильной модели из кандидатов:

В этом исследовании мы расширяем эту многомодельную парадигму за пределы ее применения в обобщенную байесовскую структуру, которая может быть эквивалентно применена к этому частотному подходу.Эта структура включает в себя одни и те же модели, производит эквивалентные и взаимозаменяемые выходные данные и завершается выбором модели. Кроме того, эта обобщенная байесовская структура явно включает ценную биологическую информацию в качестве байесовских априорных факторов.

Обобщенная схема оценки роста MCMC.

Расширение многомодельной парадигмы до байесовского подхода требует введения предварительной информации для параметров роста ( k , L ₀ и L _∞). Каждый параметр требует априорного значения, которое может принимать одно из нескольких различных распределений. Модели длины и возраста чаще всего подходят с использованием многомерных нормальных распределений. Однако каждое предшествующее распределение не обязательно должно иметь то же распределение, что и его апостериорное распределение. В этом исследовании и в пакете «BayesGrowth» R L ₀ и L _∞ имеют нормально распределенные априорные значения, определенные на основе заявленных значений длины при рождении и максимальной длины соответственно.Остающийся параметр роста ( k ) имеет равномерное распределение, ограниченное от нуля до максимально вероятного значения. Использование равномерного распределения дает «неинформативный априор», когда для этого параметра не предоставляется дополнительная информация. Следовательно, в эту модель включены предварительные знания о L ₀ и L _∞, в то время как для k предварительные знания не предоставляются. Это позволяет модели точно соответствовать длине вида при рождении и максимальной длине, позволяя при этом k колебаться и создавать необходимую кривизну.Четвертый параметр модели, стандартная остаточная ошибка ( σ ), также требует априорной оценки, которая также является однородной. Все априорные значения модели ограничены нулем, поскольку они должны оставаться положительными. Однако это означает, что априор для L ₀ станет полунормальным распределением, когда этот параметр приближается к нулю (что, вероятно, произойдет с костистыми рыбами). Однако для видов, длина тела которых при рождении намного больше нуля, это предварительное распределение автоматически станет нормальным.Обратите внимание, что поскольку L ₀ имеет прямое биологическое значение, легче определить априор, чем t ₀.

Эта байесовская структура хорошо подходит для многомодельной парадигмы по нескольким причинам. Во-первых, L ₀, σ и L _∞ имеют согласованные интерпретации между кандидатными моделями роста, и, следовательно, одни и те же априорные значения могут использоваться во всех моделях.Во-вторых, поскольку параметр завершения роста ( k ) отличается для каждой модели-кандидата, использование неинформативного априорного значения снова означает, что все три модели-кандидата могут быть указаны с одинаковыми априорными значениями. Однако следует отметить, что верхняя граница для априорных значений k и σ, используемых в этой структуре, должна быть установлена на значениях, значительно превышающих ожидаемые оценки этих параметров в каждой модели-кандидате. Например, ожидаемая оценка k для VBGF может быть 0.3 года ^-1 и, следовательно, предварительная ставка U (0 , 0 . 5) может показаться разумной. Однако этого не было бы, если бы ожидаемая оценка тыс. для логистического режима составляла 0,7 года ^–1, поскольку предыдущее распределение не распространяется на это значение. В этом примере установка априорного значения U (0 , 0 . 5) ограничит соответствие логистической модели. Следовательно, если согласованные априорные значения должны использоваться в моделях-кандидатах в этой структуре, то верхняя граница любого равномерного распределения должна соответствовать всем моделям.Установка осторожно высокой верхней границы имеет смысл, так как это не повлияет на модель и мало повлияет на скорость схождения модели. Такая согласованность в структуре модели-кандидата означает, что выбор модели зависит не от индивидуальных спецификаций модели, а от того, какая форма модели лучше всего подходит для приложения. Это значительно упрощает использование многомодельного подхода при подборе байесовской модели роста.

Основными выходными данными байесовских моделей являются апостериорные распределения каждого параметра модели. Апостериорное распределение определяется из априорного распределения и распределения правдоподобия с использованием теоремы Байеса:

, где Pr — вероятность, Y — данные о длине по возрасту, а θ — параметры ( k , σ , L ₀ и L _∞). Апостериорное распределение — Pr ( θ | Y ), предварительное распределение — Pr ( θ ), распределение правдоподобия — Pr ( Y | θ ) и ∫Pr ( Y | θ ) Pr ( θ ) d ( θ ) — нормирующая константа, которая гарантирует, что апостериорное распределение интегрируется в единицу.

Марковская цепь Монте-Карло (MCMC) использовалась для применения теоремы Байеса к оценке роста. MCMC — это процесс выборки из апостериорного распределения через цепи Маркова для определения неопределенности параметра из апостериорного распределения. Каждая симуляция представляет собой случайную розыгрыш, каждая из которых вероятностно связана с предыдущей итерацией. MCMC создает вектор оценок апостериорных параметров, которые можно суммировать с использованием центральной тенденции (например, среднего, медианы или моды) и дисперсии (стандартное отклонение или процентили).Обобщение нормально распределенного апостериорного распределения с использованием среднего и стандартного отклонения эквивалентно определению оценки частотного параметра и стандартной ошибки.

Для аппроксимации кривой роста с использованием MCMC на апостериорные распределения влияют как данные о длине по возрасту (распределения правдоподобия), так и известная длина вида при рождении и максимальная длина (априорное распределение). Сценарий, в котором распределение вероятностей имеет узкую дисперсию, означает, что модель роста хорошо соответствует данным.Следовательно, апостериорные распределения будут сильно ориентированы на него. Однако в ситуации, когда распределения правдоподобия имеют широкую дисперсию (из-за плохого соответствия или больших остатков), апостериорные распределения будут более сильно зависеть от априорных значений. В этом случае включение предварительных сведений о максимальной длине вида или длине при рождении приведет к корректировке модели в соответствии с этими известными значениями. Включение дополнительной информации с помощью априорных значений также дает более точные прогнозы длины тела по возрасту.Они полезны для будущих анализов, основанных на этих оценках для преобразования возраста в длину. Для байесовских методов особенно хорошо подходят два обстоятельства: когда данные немногочисленны или когда данные ненадежны и неполны [12]. Образцы длины по возрасту регулярно попадают в эти две категории [5], следовательно, потенциальное улучшение, которое может быть предложено методами MCMC.

Выбор модели для байесовских моделей может быть выполнен несколькими различными методами. Тем не менее, перекрестная проверка с исключением по одному (LOOCV) является наиболее современным и надежным методом, доступным в настоящее время [30].LOOCV оценивает точечную точность прогнозирования вне выборки с использованием логарифма правдоподобия, оцененного при апостериорных распределениях параметров. Используя LOOCV, можно вычислить критерий исключения одного исключения информации (LOOIC), который имеет то же применение, что и AIC в частотной настройке. Веса LOOIC (LOOICw) для каждой модели-кандидата также могут быть рассчитаны и имеют ту же интерпретацию, что и AICw для выбора модели.

Пакет BayesGrowth R.

Реализация моделей роста MCMC более требовательна к вычислениям и сложна, чем частотные модели роста.Существует несколько компьютерных программ, выполняющих вычисления MCMC, одна из которых — «Stan» [31]. Стэн позволяет пользователям выполнять MCMC, используя как гамильтониан Монте-Карло (HMC), так и выборку без разворота (NUTS), оба из которых являются вычислительно эффективными. Стэн также вычисляет LOOIC, что также требует больших вычислительных ресурсов. Stan может использоваться в среде программирования R [32] для построения моделей MCMC с помощью пакета «rstan» R [33] и выполнения LOOIC с использованием пакета «loo» R [34].

Обобщенная структура моделирования роста, представленная здесь, инкапсулирована в пакет BayesGrowth R [27]. Этот пакет предоставляет ряд функций-оберток для моделей rstan, позволяя пользователям гораздо проще выполнять анализ роста MCMC (с использованием NUTS). В «BayesGrowth» включены три модели роста: модели роста VBGM, Gompertz и логистики. Они соответствуют нормальной структуре остаточной ошибки (σ), и их параметры напрямую сопоставимы со стандартной моделью роста с использованием функции «nls» в «R» [32]. Пакет BayesGrowth будет соответствовать модели MCMC через rstan, обеспечивая при этом необходимый контроль для пользователя.Объект модели rstan возвращается из функции оценки, которая позволяет пользователю использовать все вспомогательные функции, такие как сводная статистика модели и диагностические графики, которые существуют в поддерживающих пакетах R. Пакет BayesGrowth также содержит функции, которые обеспечивают интервалы достоверности вокруг кривой роста (они аналогичны начальным доверительным интервалам), а также функции, которые облегчают выбор модели с использованием LOOIC как части многомодельной парадигмы. Единственный дополнительный шаг для подбора модели MCMC с использованием BayesGrowth — это предоставление априорных значений на основе известной длины тела при рождении и максимальной длины.

Сравнение приложений байесовской и частотной моделей роста

Чтобы продемонстрировать улучшения, предлагаемые байесовскими моделями по сравнению с частотными моделями роста, представлены два анализа. Первый сравнивает точность обоих подходов при использовании смоделированных наборов данных с различными сложностями выборки, вызванными избирательностью передачи. Второй демонстрирует применение обоих подходов к четырем тематическим исследованиям, каждое из которых представляет собой историю жизни разных видов или общую проблему выборки в исследованиях роста.

Обобщенная байесовская структура, описанная ранее, использовалась в каждом приложении, использующем пакет Bayesgrowth. В каждом приложении для определения апостериорных распределений параметров использовались четыре цепочки MCMC с 10 000 моделированиями. Был использован прогон за период 5000 имитаций, и изначально утонение не проводилось. Все модели были проверены на сходимость с помощью теста Гельмана-Рубина, а диагностические графики, полученные с использованием пакета «Bayesplot» R [35], были исследованы, чтобы проверить, что цепи смешались и автокорреляция не возникла.Автокорреляция может присутствовать, поскольку каждое моделирование цепи Маркова зависит от предыдущего и, следовательно, не является независимым. Автокорреляция может быть учтена с помощью «прореживания», когда каждое n-е моделирование сохраняется, а остальные отбрасываются, тем самым уменьшая автокорреляцию. Простые модели или одномерные модели часто этого не требуют, и в большинстве случаев прореживание не рекомендуется, поскольку оно отбрасывает данные и увеличивает время выполнения [36]. Однако при моделировании длины по возрасту может иметь место некоторая автокорреляция, поэтому при его наличии следует учитывать истончение.Автокорреляция проверялась с помощью диагностических графиков из пакета «Bayesplot» R [35], и если он присутствовал, было реализовано прореживание, и количество итераций соответственно увеличивалось до тех пор, пока автокорреляция не исчезла. Все частотные модели были подобраны с использованием пакета AquaticLifeHistory R [37].

Примеры из практики.

Чтобы продемонстрировать реальное применение байесовского анализа роста, представлены четыре примера для видов с разным жизненным циклом или проблемами с выборкой. Этим данным подходят как частотный подход, так и байесовская модель.Для голубой макрели ( Scomber australasicus ) также включена дополнительная модель, в которой L ₀ зафиксировано на нуле. Для каждого вида подходили три модели: модели VBGM, Gompertz и Logistic с выбором модели, выполненным с помощью LOOIC. Приоры для каждого вида представлены в таблице 1. В каждом тематическом исследовании стандартные ошибки L _∞ и L ₀ приоры изначально были установлены как 10% от максимальной длины и длины. -при рождении соответственно.Они использовались при первоначальной подгонке и увеличивались или уменьшались по мере необходимости, если исходная систематическая ошибка в оценках модели роста оставалась неразрешенной. Диагностические графики MCMC для каждого тематического исследования и код, использованный для их создания, представлены в Приложении S1.

РазвернутьТаблицу 1. Байесовские и частотные результаты определения длины тела по возрасту для четырех тематических исследований.

doi: 10.1371 / journal.pone.0246734.t001

Более »

Рифовый морской окунь ( Helicolenus percoides ) из вод континентального шельфа у побережья Южной Австралии использовался для демонстрации модели MCMC по сравнению с частотными моделями роста в наборе данных, в котором отсутствуют более старые рыбы (n = 153).Эти рыбы всю жизнь живут на морском дне на глубинах до 350 м, долгожители (> 40 лет) и могут достигать длины> 40 см [38, 39]. Окуни живы (лецитотрофы) — большинство костных икринок рыб — и производят студенистую массу, содержащую полностью развитые личинки [40].

Серебристых акул ( Carcharhinus albimarginatus ) из Папуа-Новой Гвинеи использовались Смартом и др. [10] для анализа длины по возрасту из ограниченной выборки. Серебристые акулы рождаются с общей длиной (TL) 63–81 см и могут достигать TL ~ 300 см [41].Тем не менее, в выборке Смарта и др. [10] диапазон длин от 48 акул составляет 95–250 см TL. Следовательно, оценки роста для этих данных имели завышенные значения L ₀ и L _∞. Обратное вычисление [42] было применено для увеличения размера интерполированной выборки и получения лучшей модели L ₀. Однако значение L _∞ все еще было завышено по данным обратных расчетов [10].Здесь наблюдаемые данные были использованы в качестве примера для демонстрации улучшений, предлагаемых байесовскими моделями для параметров L ₀ и L _∞.

Шелковистые акулы ( Carcharhinus falciformis ) из Папуа-Новой Гвинеи были использованы Грантом и др. [43] в анализе длины по возрасту из выборки n = 553. Шелковистые акулы рождаются с общей длиной 56–87 см. (TL) и может достигать ~ 330 см TL [41]. Грант и др. [43] смогли построить из этих данных биологически правдоподобную кривую роста, которая соответствовала длине тела при рождении и напоминала максимальную длину.Эти данные включены в качестве примера для сравнения байесовской модели с хорошо работающей частотной моделью роста

Наконец, голубая скумбрия (Scomber australasicus) была собрана у южного побережья Нового Южного Уэльса, Австралия (n = 789). Голубая скумбрия — это небольшая пелагическая рыба (кормовая рыба), обитающая в Тихом океане в прибрежных водах и водах континентального шельфа. Более молодые рыбы обычно живут в прибрежных водах, тогда как более крупные взрослые особи образуют косяки в более глубоких водах (40–200 м) на континентальном шельфе [44].Голубая скумбрия достигает размеров до 44 см и не менее 8 лет в Большой Австралийской бухте [45, 46]. Этот набор данных иллюстрирует соответствие байесовской модели данным по быстрорастущим видам, где мелкие рыбы представлены недостаточно.

Моделирование сценария избирательности.

Чтобы сравнить эффективность байесовской и частотной моделей роста, с помощью VBGM были смоделированы три набора данных по возрасту для сценариев с различными функциями селективности. Затем результаты байесовской и частотной моделей сравнивались с известными значениями, используемыми для моделирования этих данных.Данные о длине по возрасту были взяты из VBGM со структурой мультипликативных ошибок:

где — средняя смоделированная длина в возрасте a , а — мультипликативная ошибка длины a . Параметры VBGM, использованные для моделирования этих данных: L _∞ = 250, k = 0,2 года ^-1, L ₀ = 0 и σ = 0,5. Использование структуры мультипликативных ошибок отражает возрастающие индивидуальные вариации роста, происходящие с возрастом.

Вероятность выборки разного возраста в каждом сценарии зависела от селективности по возрасту a ( S _a) и от дожития до возраста a ( l _{a ).}). Достижение дожития до возраста a важно, поскольку в популяции присутствует относительно меньше людей старшего возраста, поскольку вероятность выживания с возрастом снижается. Следовательно, вероятность выборки любого заданного L _a была выражена с использованием полиномиального процесса наблюдения, в котором вероятность выборки индивидуума в возрасте a была:

, где дожитие до возраста a ( l _a) было рассчитано в каждом сценарии с использованием естественной смертности ( M ) 0.2 года ^-1 as

В каждом сценарии использовались три функции селективности:

1) логистическая функция, избирательность которой увеличивается с возрастом,

, где наклон составлял 0,7, а возраст зрелости 50% ( a ₅₀) составлял 12 лет,

2) логистическая функция, избирательность которой уменьшается с возрастом,

, где наклон равен 1, а возраст при достижении 50% зрелости ( a ₅₀) равен 1. 5 лет, и 3) куполообразная избирательность, которая обычно распределялась со средним возрастом 10 лет и стандартным отклонением 2 года,

Код для воспроизведения этого анализа приведен в Приложении S2.

Выбор информативной приоры

Поскольку априорные значения для L ₀ и L _∞ обычно распределяются, они требуют указания стандартной ошибки, которая повлияет на ширину или узость априорных распределений.Поскольку более точная априорная оценка придает больший вес апостериорной оценке, это означает, что выбор стандартной ошибки может иметь значение. В частности, это произойдет, когда размеры выборки малы, поскольку точность компонента правдоподобия байесовской модели будет ниже. Продемонстрировать влияние априорной точности для L ₀ и L _∞ на байесовские модели роста; два тематических исследования (серебристые акулы и шелковистые акулы) были изучены дополнительно. Эти два примера были выбраны, поскольку они имеют большую длину тела при рождении, и поэтому параметры L ₀ будут больше нуля, и стандартные ошибки априорных значений будут более влиятельными. В этих примерах байесовские модели были подогнаны три раза с использованием исходных априорных значений (априорных значений базового случая) и априорных значений с меньшей точностью, которые были установлены на уровне 25% и 50% от среднего значения, использованного для каждого предшествующего. Пример серебристой акулы демонстрирует эффект априорной точности при небольшом размере выборки (n = 48), тогда как пример шелковистой акулы демонстрирует это для большего размера выборки (n = 553).Код для воспроизведения приведен в Приложении S3.

Результаты

Примеры из практики

Байесовский анализ улучшил результаты измерения длины по возрасту для серебристой акулы, голубой макрели и морского окуня, вернув незначительные различия в оценках длины по возрасту из частотной модели для шелковистых акул (рис. 1). Байесовская модель для серебристых акул дала результаты по длине и возрасту, аналогичные частотной модели в возрасте от 3 до 14 лет, после чего байесовская модель стала асимптотической быстрее (рис. 1).Это обеспечило более подходящий L _∞, который соответствовал биологии вида. Точно так же L ₀ был оценен ниже для байесовской модели, которая более точно соответствует известной длине при рождении.

РазвернутьРисунок 1. Сравнение оценок длины по возрасту, определенных на основе анализа MCMC, выполненного с использованием байесовской и частотной моделей для четырех тематических исследований: голубая скумбрия, океанский окунь, серебристая акула и шелковистая акула.

Во всех четырех тематических исследованиях использовалась частотная модель со свободно оцениваемой L ₀. Кроме того, у синей скумбрии была частотная модель с фиксированным на нуле L ₀. Заштрихованные области соответствуют 95% -ным интервалам достоверности для байесовских оценок длины по возрасту и 95% -ным доверительным интервалам для частотных моделей.

doi: 10.1371 / journal.pone.0246734.g001

Более »

Голубая макрель имеет значительно улучшенную посадку, обеспечиваемую моделью MCMC, которая хорошо согласуется с данными о длине по возрасту и имеет L ₀ и L _∞, которые лучше соответствуют известной длине — при рождении и максимальная длина (Таблица 1).Две частотные модели плохо подходят, поскольку ни одна из них не дает биологически приемлемых параметров. Модель с фиксированным L ₀ занижена L _∞ в то время как модель со свободно оцениваемым L ₀ завышает этот параметр, а L _{L _{(Рисунок 1).}}

Частотная модель морского окуня изначально, кажется, хорошо соответствует данным (рис. 1).Однако предварительные сведения о том, что этот вид может достигать возраста 42 лет и TL 47 см, показывают, что отсутствие более старых и крупных рыб скомпрометировало эти оценки. Байесовская модель смогла преодолеть это, построив кривую роста с соответствующими оценками длины по возрасту и L _∞ (рис. 1). LOOIC выбрал VBGM, который отличался от логистической модели, которая показала лучшие результаты при частотном анализе (таблица 2).

ExpandTable 2. Результаты LOOIC и AIC байесовского и частотного анализа длины тела по возрасту для каждого тематического исследования.

doi: 10.1371 / journal.pone.0246734.t002

Более »

Байесовская модель и частотная модель для шелковистых акул дали лишь незначительно отличающиеся друг от друга результаты (Рис. 1; Таблица 1). Наилучшей подходящей моделью как для частотного, так и для байесовского методов была логистическая модель, как определено с помощью AIC и LOOIC соответственно (таблица 2). Следовательно, байесовская модель дает те же результаты, что и частотная модель, когда доступна достаточная выборка для оценки роста без необходимости в приложениях S1 – S3.

Моделируемые сравнения длины тела и возраста

Байесовская модель предоставила более точные и точные параметры длины по возрасту и роста в восьми из девяти симуляций (Таблица 3; Рис. 2). Частотная модель в сценариях куполообразной селективности предоставила значение L _∞, которое было похоже на фактическое значение L _∞, но имело большую неточность (Таблица 3). Однако параметр L ₀ был завышен с очень небольшой точностью (Таблица 3; Рис. 2).Следовательно, значение k также было занижено и неточно (Таблица 3). И наоборот, байесовская модель обеспечила хорошую точность для всех трех параметров с точными оценками k и L ₀ и разумной оценкой L _∞ (Таблица 3). Следовательно, полученная кривая роста близко соответствовала фактической кривой роста, из которой были взяты данные (рис. 2).

Разверните Рис. 2.

Точность и прецизионность байесовских (фиолетовый) и частотных (зеленый) моделей роста при подгонке к смоделированным данным, полученным из различных функций селективности и размеров выборки (n = 50, n = 100 и n = 150). Модели роста с различными размерами выборки показаны в каждой строке для соответствующих кривых селективности с относительным возрастом выборки (произведение селективности и выживаемости в возрасте) на левой панели. Заштрихованные области вокруг кривых роста — это 95% -ные доверительные интервалы для частотных моделей (зеленая заливка) и 95% -ные байесовские интервалы достоверности (фиолетовая заливка) для байесовских моделей роста. Истинная кривая роста, использованная для получения данных о длине по возрасту, представлена пунктирной синей линией.

doi: 10.1371 / journal.pone.0246734.g002

Более » РазвернитеТаблицу 3.

Сравнение оценок параметров, полученных с помощью частотных и байесовских моделей с использованием смоделированных данных о длине по возрасту из известных параметров при различных сценариях избирательности и размерах выборки.

doi: 10.1371 / journal.pone.0246734.t003

Более »

Сценарии, в которых избирательность снижается с возрастом из-за логистической функции, представляют собой избирательность снаряжения, нацеленную на более молодых людей.В этом сценарии частотные оценки k и L ₀ были точными и точными, а L _∞ имели низкую точность (Таблица 3). Байесовские оценки также были более точными и точными в этих сценариях для каждого параметра, за исключением моделирования с размером выборки 50 (таблица 3). В этом сценарии частотные оценки были более точными. Однако они также имели неоправданно большую неточность, особенно при вычислении самонастраиваемых доверительных интервалов (рис. 2).Кривые байесовского роста очень точно совпадали с фактической кривой роста (рис. 2). Однако значение L _∞ осталось завышенным по сравнению с другими сценариями селективности. Это было вызвано L _∞ до 275 см, который использовался для обозначения максимальной длины, часто превышающей L _∞. Впоследствии, задняя часть L _∞ в этом сценарии была сильно взвешена по отношению к этому предшествующему (Таблица 3).

Сценарии, в которых селективность увеличивается с возрастом за счет логистической функции, представляют собой селективность орудий лова, нацеленную на пожилых особей, исключая при этом молодых. Частотная модель для этих сценариев обеспечила точную и точную оценку L _∞, но завышенную оценку L ₀ для всех трех размеров выборки (Таблица 3). Поэтому значение k было занижено (таблица 3). Оценки L ₀ также имели очень низкий уровень точности, хотя это не повлияло на оценки длины тела по возрасту для старших возрастных категорий (таблица 3; рис. 2).Байесовская модель для этих сценариев обеспечила точные оценки параметров, которые близко соответствовали фактическим параметрам роста (таблица 3). Полученная кривая роста имела высокий уровень точности и точности (рис. 2).

Байесовские модели меньше зависели от размера выборки в каждом сценарии селективности по сравнению с частотными моделями (рис. 2). Апостериорная точность увеличивалась с размером выборки в каждом сценарии, в то время как общая точность каждой кривой роста менялась незначительно (Таблица 3; Рис. 2).Напротив, частотные модели более сильно зависели от размера выборки, особенно в сценарии, когда избирательность возрастала с возрастом. Здесь на точность L ₀ особенно повлиял размер выборки.

A L _∞ предшествующий, который должен был представлять максимальную длину, которая была больше фактической L _∞ подходил для куполообразного сценария избирательности и сценариев, в которых избирательность возрастала с возрастом (Таблица 3; Рис 2). Здесь согласованные оценки модели были получены независимо от размера выборки. В сценарии, когда селективность снижалась с возрастом, было очевидно, что этот априор был более влиятельным и вызвал некоторое завышение L _∞ независимо от размера выборки (Таблица 3; Рис. 2). Это подчеркивает, что, когда выборка пожилых людей невозможна, следует уделять особое внимание предварительному отбору для L _∞.

Выбор информативной приоры

Изменение точности приора L ₀ и L _∞ повлияло только на приложение с серебристой акулой, где размер выборки был n = 48 (таблица 4; рис. 3).Приложение «Шелковистая акула», которое имело гораздо больший размер выборки (n = 553), имело лишь незначительные изменения в его задней части и полученной кривой роста (Таблица 4; Рис. 3). Задние части для всех параметров изменены в соответствии с предварительными значениями, используемыми для серебристых акул с L ₀ и L _∞, лучше совпадающими с известным максимальным размером и длиной при рождении, когда предварительные значения были более точными (Таблица 4). Кроме того, стандартная ошибка с L ₀ и L _∞ имела гораздо большую точность, когда использовался более узкий априор (Таблица 4).Наибольшее количество изменений произошло для L _∞, которое увеличилось примерно на 40%, когда использовался слабо информативный предварительный вариант, а не базовый предыдущий вариант (Таблица 4). Однако результаты всех этих байесовских моделей обеспечивают более точные оценки параметров, чем соответствующие частотные модели для серебристых акул (таблицы 1; 4).

Развернуть Рис. 3. Сравнение байесовских моделей роста, подходящих для серебристых и шелковистых акул с использованием различных уровней точности на L ₀ и L _∞ priors.

Базовые сценарии (желтые) представляют собой априорные значения, используемые в каждом тематическом исследовании (Таблица1). Другие сценарии включают в себя априорные значения, где стандартная ошибка (SE) составляет 25% от значения, использованного в каждом предшествующем (зеленый цвет) и 50% от значения, использованного в каждом предыдущем (фиолетовый).

doi: 10.1371 / journal.pone.0246734.g003

Более » РазвернитеТаблицу 4. Сравнение предварительной точности для L ₀ и L _∞ для серебристых и шелковистых акул.

doi: 10.1371 / journal.pone.0246734.t004

Более »

Обсуждение

Байесовские методы ранее с большой эффективностью применялись в моделях роста акул и рыб [14, 16, 17, 23, 47]. Однако эти приложения были в основном ограничены более сложным анализом, а не типичным анализом длины по возрасту, что дает возможность расширить их использование. Учитывая, что байесовские модели могут формально включать информацию о биологии видов, удивительно, что этот метод не стал более распространенным для моделирования роста, как в случае других экологических исследований [48].Обобщенная структура, представленная здесь, непосредственно решает эту проблему, предоставляя гибкий подход, который можно широко применять к стандартному анализу роста и обеспечивать улучшенные или эквивалентные результаты частотному подходу.

Наибольшее улучшение, предлагаемое этой обобщенной байесовской структурой, — это возможность учитывать отсутствие пожилых людей, вызванное снижением избирательности с возрастом. Обычно образцы пожилых особей не отбираются, особенно крупных или долгоживущих видов, поскольку вероятность дожить до более старшего возраста может быть низкой для промысловых популяций.В то время как такие методы, как исправление L ₀ или применение обратного расчета, могут учитывать противоположный сценарий (отсутствие более молодых людей), на сегодняшний день существует несколько подходов, которые эффективно учитывали отсутствие пожилых людей. Некоторые исследования пытались зафиксировать L _∞ до известного максимального размера [49–51]. Однако это привело к плохой производительности модели при применении в рамках многомодельной парадигмы [51]. Здесь включение априорного значения максимальной длины эффективно улучшило оценку L _∞, когда пожилые люди отсутствовали как в смоделированном примере, так и в тематическом исследовании акулы Silvertip. На сегодняшний день это может быть наилучшим решением неполной выборки пожилых особей из-за избирательности снастей или усечения по возрасту, что препятствовало многочисленным исследованиям роста [9–11].

Хотя использование максимальной длины в качестве предыдущего для L _∞ было эффективным в этих примерах, могут возникнуть ситуации, когда потребуется дальнейшее уточнение. Например, L _∞ представляет собой среднюю длину взрослых особей [7, 52], и поэтому максимальная длина, вероятно, будет больше, чем это значение для многих видов.В ситуациях, когда L _∞ занижено, использование максимальной длины в качестве предшествующего L _∞ будет полезным, так как оно увеличит L _∞ апостериор и учесть это занижение. , как показано здесь для голубой макрели. Однако, когда значение L _∞ завышено, использование максимальной длины в качестве априорного значения для L _∞ окажет меньшее влияние, чем если бы оно было недооценено. Пример Silvertip, представленный в этом исследовании, демонстрирует это, хотя биологически приемлемые результаты все же были получены. Моделирование, при котором селективность снижалась с возрастом, продемонстрировало, что, когда пожилые люди были редкими, некоторое завышение L _∞ имело место при установке его априорного значения, основанного на гипотетической максимальной длине, которая была на 5% больше фактического значения. Это демонстрирует, что априор для L _∞ требует наибольшего внимания, особенно когда пожилые люди не включены в выборку, чтобы получить максимальную пользу от байесовского подхода.

Современные подходы к моделированию роста включают многомодельную парадигму, при которой подходят несколько моделей и выбирается наиболее эффективная [24, 25]. Этот подход был распространен на байесовское пространство благодаря нескольким исследованиям, в которых применялись несколько моделей [20, 53–56]. Однако одна проблема, связанная с байесовским подходом, заключается в том, что параметры разных моделей различаются. Для этого необходимо указать разные априорные значения; осложнение, которое ранее не решалось [57]. Поэтому многие многомодельные байесовские приложения сравнивали модели, которые были похожими, или варианты одной и той же формы модели (т.е. VBGM). Выбор моделей байесовских моделей роста с принципиально разными формами является более сложным, поскольку модель-кандидат, которая плохо определена, может не быть выбрана, даже если ее форма лучше всего соответствует форме роста вида. Это могло бы произойти, если бы несоответствующий априор был помещен в параметр завершения роста модели кандидата ( k ). В этой ситуации результирующее апостериорное распределение может сильно зависеть от выбора априорной модели и модели влияния. Определение априорных значений параметров завершения роста является более сложным, поскольку эти параметры не имеют биологической интерпретации.Следовательно, применение слабоинформативного или малоинформативного априорного значения для k может быть более подходящим, чтобы избежать пропуска спецификации. Представленная здесь структура позволяет применять последовательные априорные значения к трем различным моделям-кандидатам. Это достигается за счет того, что все модели параметризованы для использования L ₀ и L _∞ — которые имеют информативные априорные значения — при применении неинформативных априорных значений для остальных параметров.Применение байесовской многомодельной структуры теперь значительно упрощено, поскольку спецификация модели не повлияет на ее характеристики, позволяя выбрать наиболее подходящую модель для вида.

Результаты обоих представленных здесь анализов демонстрируют улучшения, предлагаемые байесовским подходом по сравнению с частотным подходом. Байесовские модели обеспечили наиболее близкое соответствие с известными параметрами роста, которые использовались для получения данных о длине по возрасту на основе разной селективности. В каждом примере частотные модели имели тенденцию переоценивать или занижать возрастную длину в зависимости от отсутствующих возрастных классов, которые были пропущены из-за избирательности. Между тем, включение априорных значений позволило байесовским моделям лучше соответствовать этим кривым роста, обеспечивая более точные и точные результаты. Селективность ранее изучалась с помощью аналогичных имитационных исследований с Фратером и Стефанссоном [58], определяющими методы, которые могут объяснить это смещение. Однако эти методы требовали знания функции селективности, которая не всегда известна и может вызвать увеличение смещения параметра, если она не указана [4]. Представленная здесь байесовская структура преодолела эти сценарии селективности без знания функции селективности, предлагая простой метод, который может улучшить результаты модели роста без риска внесения дополнительной систематической ошибки.

Улучшенные оценки роста были также получены в трех из четырех представленных здесь тематических исследований с использованием байесовской модели. В каждом из этих примеров известные проблемы с кривыми роста были преодолены с помощью ранее плохо оцененных L ₀ или L _∞, которые теперь лучше соответствуют биологически правдоподобным значениям. Единственный пример, когда не было достигнуто окончательного улучшения, — это акула Silky, выборка которой была больше и включала все возрастные классы [43].В этом примере почти идентичные оценки длины по возрасту были получены как байесовским, так и частотным подходами. Поэтому можно утверждать, что если бы было доступно достаточное количество выборок, тогда не было бы необходимости в байесовском подходе, а добавленная сложность может внести ошибку. Однако можно сделать противоположный вывод о том, что применение байесовского подхода может только улучшить оценки роста. Таким образом, мы приходим к выводу, что мало что можно потерять, используя байесовский подход, а вместо этого можно многое получить.

Несколько альтернатив байесовскому подходу широко применялись в исследованиях роста для учета ограничений выборки. Учитывая, что L ₀ и L _∞ имеют биологические интерпретации, принято фиксировать эти параметры на соответствующих значениях. Фиксация L ₀ на нуле особенно распространена для костистых видов рыб, которые имеют личиночную фазу и рождаются с размером, близким к нулю.Однако параметры модели роста могут быть одинаковыми [19], и фиксация одного параметра на определенном значении смещает другие [59]. Например, фиксировать L ₀ как одно значение не рекомендуется, поскольку небольшие неточности в назначении истинной длины при рождении могут отрицательно повлиять на остальные параметры [59]. Некоторые авторы также пытались исправить как L ₀, так и L _∞, оценивая только k [49–51].Однако это привело к плохому соответствию модели в каждом из этих исследований и было быстро отклонено как модель-кандидат в многомодельных подходах. Гвинн и др. [4] подробно изучили эту тему, моделируя популяцию, которая использовалась при различных типах промысловой селективности, и пытаясь преодолеть предвзятость выборки, используя разные стратегии. Однако не существовало общей стратегии, которая могла бы применяться во всех обстоятельствах выборки без искажения оценок. Наконец, обратный расчет был применен к нескольким видам для определения теоретической длины тела в возрасте у более старших особей [5, 42, 60].Это может эффективно преодолеть систематическую ошибку выборки, когда в выборку были включены крупные особи, но не учитывались более мелкие особи. Однако это не может объяснить ситуации, когда более крупные особи не попадают в выборку, что часто приводит к переоценке L _∞ [9–11]. Представленный здесь байесовский подход является первым методом, который рассматривает недостаточную выборку крупных особей и их влияние на оценку роста.

У представленной нами байесовской модели есть несколько преимуществ, помимо улучшенных оценок роста, продемонстрированных в этих примерах.Интуитивно понятно включать известные биологические черты вида в качестве явных компонентов модели роста. Максимальная длина и длина при рождении обычно считаются синонимами L ₀ и L _∞, соответственно [4, 59], и, таким образом, признание этого посредством априорной оценки является разумным. Апостериорные распределения параметров модели также содержат гораздо больше информации, чем точечные оценки и стандартные ошибки, предоставляемые частотными моделями.Например, апостериорные распределения могут выявить несколько мод или показать, что масса вероятности сосредоточена в определенной области [12]. Проблемы сходимости легче диагностировать в байесовских моделях, поскольку пользователю возвращается больше информации. Пользователь может использовать эту дополнительную информацию для пошагового выполнения диагностических тестов, описанных в этом исследовании, и улучшения соответствия модели.

Байесовский подход, подробно описанный здесь, широко применим, однако есть несколько незначительных недостатков, которые следует обсудить. Во-первых, байесовские модели требуют большего количества диагностических средств, чем частотных, что может сделать их слишком сложными для простого анализа.Однако, если модель была указана правильно, эта диагностика значительно повышает достоверность анализа. Во-вторых, одной из областей, в которой байесовская статистика отстает от частотной статистики, является удобное для пользователя программное обеспечение [12], которое, вероятно, помешало внедрению байесовских методов для моделирования роста. Целью нашего исследования было решить эту проблему с помощью удобного пакета R для байесовского моделирования роста. Наконец, что наиболее важно, пользователи этого подхода должны принять байесовскую философию для подбора моделей.Статистики-частники утверждают, что необходимость введения априорных значений является слабостью байесовских подходов и привносит субъективность [12]. Однако некоторая степень субъективности часто неизбежна в любом анализе, и здесь сила байесовских методов заключается в их прямом признании и оправдании. Включение ряда разумных априорных значений часто дает те же результаты, что и частотная модель, когда данные объективны [12], как показано здесь в тематическом исследовании шелковистых акул.

Определение априорных значений для четырех тематических исследований в настоящем исследовании не было сложным. В каждом примере стандартная ошибка изначально была установлена как 10% от максимальной длины тела и длины тела при рождении. Он использовался при первоначальной подгонке и увеличивался или уменьшался по мере необходимости, если исходная ошибка в оценках модели роста оставалась неразрешенной. Полученные оценки роста во всех четырех случаях дали оценки роста, которые хорошо согласуются с данными о длине по возрасту и дали оценки L ₀ и L _∞, которые соответствуют биологии вида.Тот же подход использовался в сценариях селективности и дал соответствующие результаты в каждом приложении. Модель модели здесь не требует, чтобы априорные значения k и σ определялись в каждом конкретном случае, поскольку эти априорные значения неинформативны. Следовательно, для этих априорных значений требуется только верхняя граница их равномерного распределения. Подходящие ли эти верхние границы определяются тем, нормально ли распределены их результирующие апостериорные значения.

В любом байесовском анализе пользователь должен разумно задокументировать и объяснить свой выбор априорных значений, которые для длины при рождении и максимальной длины не вызывают затруднений.Однако стандартная ошибка каждого из этих распределений может быть более сложной для определения. Более узкая стандартная ошибка может более взвешивать апостериорное распределение в сторону априорного распределения, чем распределение правдоподобия, хотя степень этого может зависеть от размера выборки. Например, более широкая стандартная ошибка, применяемая при большом размере выборки, может быть недостаточной для обновления апостериорного распределения вероятности, как показано в настоящем исследовании шелковистых акул. Следовательно, может потребоваться более узкая стандартная ошибка для определенных параметров, чтобы гарантировать, что априорная информация адекватно включена в модель.В качестве альтернативы, когда размер выборки невелик, более узкие априорные точки могут иметь гораздо большее влияние на задние части, как показано в настоящем исследовании серебристых акул. В этом примере более узкий априор на L _∞ был оправдан, поскольку исходная частотная модель не могла соответствовать биологии вида. Широкие априорные значения для L _∞ улучшили результаты, но байесовская модель, обеспечивающая наилучшее представление биологии видов, была получена с более узкими априорными значениями для L ₀ и L _∞ .В некоторых случаях может быть доступна информация для определения стандартной ошибки для априорных значений L ₀ и L _∞. Недавний пример для L ₀ был выполнен с использованием прогнозируемой длины в нулевом возрасте на основе обратных вычислений для определения среднего и стандартной ошибки этого предварительного [61]. Аналогичным образом, недавнее исследование также использовало длину наиболее крупных особей, описанных в литературе, для определения априорного среднего и стандартной ошибки для L _∞ [62]. Подобные обоснования могут быть важны при использовании байесовских моделей и демонстрировать возможность исследователям включать как можно больше биологической информации в свой анализ, тем самым улучшая результаты. Эти соображения являются наиболее важными решениями при реализации байесовской модели роста и могут принести наибольшую пользу анализу.

Выводы

Обобщенная схема, представленная здесь, демонстрирует влияние, которое байесовские методы могут оказать на стандартные исследования длины тела по возрасту.Раньше байесовский метод был сложнее реализовать, чем частотные альтернативы для моделирования роста, поскольку требовалось значительно больше статистических знаний и навыков программирования. Однако пакет BayesGrowth R помогает устранить этот барьер и познакомить больше пользователей с байесовским моделированием роста. Его применение в настоящем исследовании к четырем тематическим исследованиям и моделированию избирательности демонстрирует улучшения, предлагаемые по сравнению с сопоставимыми частотными моделями. Кроме того, эта обобщенная структура может быть дополнительно адаптирована пользователями, которые ищут более конкретные или сложные модели.Например, в некоторых случаях может потребоваться применение разных априорных значений, структур ошибок или моделей-кандидатов в аналогичной структуре. Уже существуют примеры использования двухфазных моделей или моделей Шнута в байесовских моделях роста [17, 23, 63]. Точно так же более сложные модели могут включать иерархические структуры [16, 19, 22, 64], определять морфы роста [54], учитывать автокорреляцию в обратных расчетах [65] или исследовать факторы окружающей среды [64, 66]. Представленная структура находится рядом с этим существующим объемом исследований, обеспечивая точку входа в байесовское моделирование роста, которое может применяться к стандартным сценариям моделирования роста.Благодаря информации и рекомендациям, представленным в этом исследовании, у области байесовского моделирования роста есть прекрасные возможности для дальнейшего расширения и, возможно, стать стандартным подходом для оценки роста рыб.

Дополнительная информация

S1 Приложение. Байесовский и частотный анализ тематических исследований.

doi: 10.1371 / journal.pone.0246734.s001

(HTML)

П2 Приложение. Сравнение байесовских и частотных моделей роста с использованием имитации селективности передач.

doi: 10.1371 / journal.pone.0246734.s002

(HTML)

S3 Приложение. Сравнение моделей с использованием различных стандартных ошибок для априорных значений.

doi: 10.1371 / journal.pone.0246734.s003

(HTML)

Файл S1.

doi: 10.1371 / journal.pone.0246734.s004

(CSV)

Файл S2.

doi: 10.1371 / journal.pone.0246734.s005

(CSV)

Файл S3.

DOI: 10.1371 / journal.pone.0246734.s006

(CSV)

Файл S4.

doi: 10.1371 / journal.pone.0246734. s007

(CSV)

Благодарности

Мы хотели бы поблагодарить Майкла Гранта и Колина Симпфендорфера за предоставление данных для Silky Sharks. Данные о голубой скумбрии были собраны в рамках программы отбора проб для малого пелагического промысла Содружества от имени Австралийского управления рыболовства. Джонатан Кэрролл помогал в публикации пакета «BayesGrowth».Мы благодарим рецензентов этого исследования за конструктивные комментарии.

Список литературы

1. Хэддон М. Моделирование и количественные методы в рыболовстве. 2-е изд. Бока-Ратон, Флорида: CRC Press; 2012.
2. фон Берталанфи Л. Количественная теория органического роста (исследует законы роста. II). Человеческая биология. 1938; 10 (2): 181–213. DOI: 10.2307 / 41447359.
3. Бевертон Р.Дж., Холт С.Дж. О динамике популяций эксплуатируемых рыб.1-е изд. Лондон: Чепмен и Холл; 1957.
4. Гвинн, округ Колумбия, Аллен М. С., Роджерс М.В. Оценка процедур для уменьшения систематической ошибки в оценках параметров роста рыбы в результате выборки по размеру. Рыболовные исследования. 2010. 105 (2): 75–9. http://dx.doi.org/10.1016/j.fishres.2010.03.005.
5. Смарт Дж. Дж., Гарри А. В., Тобин А. Дж., Симпфендорфер Калифорния. Преодоление ограничений небольшого размера выборки для получения данных о возрасте и росте редких или находящихся под угрозой исчезновения акул. Aquat Conserv.2013. 23 (1): 124–34. DOI: 10.1002 / aqc.2274 WOS: 000313984800011.
6. Фрэнсис РИКК. Обратный расчет длины рыбы — критический обзор. Журнал биологии рыб. 1990. 36 (6): 883–902. ISI: A1990DK64
9.
7. Оглянись DH. Вводный анализ рыболовства в Р. Бока-Ратон, Флорида: CRC Press; 2015.
8. Гарри А. В., Тобин А. Дж., Симпфендорфер К. А., Велч Д. Д., Мейплстон А., Уайт Дж. И др. Оценка улова и снижение риска при многовидовом тропическом промысле прибрежных акул в зоне всемирного наследия Большого Барьерного рифа. Морские и пресноводные исследования. 2011. 62 (6): 710–21. DOI: 10.1071 / mf10155 WOS: 000291995600021.
9. Simpfendorfer CA, McAuley RB, Chidlow J, Unsworth P. Подтвержденный возраст и рост темной акулы, Carcharhinus obscurus , из вод Западной Австралии. Морские и пресноводные исследования. 2002. 53 (2): 567–73. DOI: 10.1071 / mf01131 WOS: 000174841500052.
10. Смарт Дж.Дж., Чин А., Баже Л., Тобин А.Дж., Симпфендорфер Калифорния, Уайт В.Т. История жизни серебристой акулы Carcharhinus albimarginatus из Папуа-Новой Гвинеи.Коралловые рифы. 2017. doi: 10.1007 / s00338-016-1533-x.
11. McAuley RB, Simpfendorfer CA, Hyndes GA, Allison RR, Chidlow JA, Newman SJ, et al. Подтвержденный возраст и рост песчаной акулы Carcharhinus plumbeus (Nardo 1827) в водах Западной Австралии. Экологическая биология рыб. 2006. 77 (3–4): 385–400. DOI: 10.1007 / s10641-006-9126-0 WOS: 000242146300016.
12. Биджак Дж. , Брайант Дж. Байесовская демография через 250 лет после Байеса. Исследования населения.2016; 70 (1): 1–19. DOI: 10.1080 / 00324728.2015.1122826. pmid: 26
9
13. Link WA, Cam E, Nichols JD, Cooch EG. О ОШИБКАХ и птицах: цепь Маркова Монте-Карло для иерархического моделирования в исследованиях дикой природы. Журнал природопользования. 2002: 277–91.
14. Зигфрид К.И., Сансо Б. Два байесовских метода оценки параметров уравнения роста фон Берталанфи. Экологическая биология рыб. 2006. 77 (3–4): 301–8. DOI: 10.1007 / s10641-006-9112-6 ISI: 000242146300009.
15. Винченци С., Мангель М., Кривелли А.Дж., Мунк С., Скауг Г.Дж. Определение индивидуальных вариаций в росте и их последствий для жизненного цикла и популяционных процессов с использованием эмпирического метода Байеса. PLoS вычислительная биология. 2014; 10 (9): e1003828. DOI: 10.1371 / journal.pcbi.1003828. pmid: 25211603
16. Helser TE, Lai H-L. Байесовский иерархический мета-анализ роста рыб: на примере североамериканского большеротого окуня Micropterus salmoides. Экологическое моделирование. 2004. 178 (3): 399–416. https://doi.org/10.1016/j.ecolmodel.2004.02.013.
17. Айва С., Шутер Б.Дж., Абрамс П.А., Лестер Н.П. Двухфазный рост рыб II: эмпирическая оценка. Журнал теоретической биологии. 2008. 254 (2): 207–14. DOI: 10.1016 / j.jtbi.2008.05.030. pmid: 18606422
18. Шеррер С.Р., Кобаяси Д.Р., Венг К.С., Окамото Х.Й., Оиси Ф.Г., Франклин Э.С. Оценка параметров роста, объединяющая данные о повторном поимке меток, частоте длин и прямом старении с использованием вероятностных и байесовских методов для тропического глубоководного луциана Pristipomoides filamentosus на Гавайях.Рыболовные исследования. 2021; 233: 105753. DOI: 10.1016 / j.fishres.2020.105753.
19. Пиллинг Г. М., Кирквуд Г. П., Уокер С. Г.. Улучшенный метод оценки индивидуальной изменчивости роста рыб и корреляции между параметрами роста по фон Берталанфи. Канадский журнал рыболовства и водных наук. 2002. 59 (3): 424–32.
20. Он JX, Бенс-младший. Моделирование изменения годового прироста с использованием иерархического байесовского подхода и функции роста фон Берталанфи применительно к озерной форели в южном озере Гурон.2007. 136 (2): 318–30. DOI: 10.1577 / t06-108.1.
21. Сигурни Д. Б., Мунк С. Б., Летчер Б. Х. Сочетание байесовского непараметрического метода с иерархической структурой для оценки индивидуальных и временных вариаций роста. 2012; 247: 125–34. DOI: 10.1016 / j.ecolmodel.2012.08.009.
22. Чжоу С., Мартин С., Фу Д., Шарма Р. Байесовский иерархический подход для оценки параметров роста на основе данных длины с узким разбросом. ICES J Mar Sci. 2020; 77 (2): 613–23. DOI: 10.1093 / icesjms / fsz241.
23. Доньо Ф, Монтеалегре-Кихано С., Доминго А., Кинас П.Г. Байесовский анализ возраста и роста короткоперой акулы мако Isurus oxyrinchus в западной части южной части Атлантического океана с использованием гибкой модели. Экологическая биология рыб. 2015; 98 (2): 517–33. DOI: 10.1007 / s10641-014-0284-1.
24. Кацаневакис С. Моделирование роста рыб: выбор модели, многомодельный вывод и неопределенность выбора модели. Рыболовные исследования. 2006. 81 (2–3): 229–35.DOI: 10.1016 / j.fishres.2006.07.002 WOS: 000241425000014.
25. Кацаневакис S, Maravelias CD. Моделирование роста рыбы: многомодельный вывод как лучшая альтернатива a priori с использованием уравнения фон Берталанфи. Рыба и рыболовство. 2008. 9 (2): 178–87. DOI: 10.1111 / j.1467-2979.2008.00279.x WOS: 000255703800006.
26. Смарт Дж. Дж., Чин А., Тобин А. Дж., Симпфендорфер, Калифорния. Мультимодельные подходы в исследованиях роста акул и скатов: сильные и слабые стороны и будущее.Рыба и рыболовство. 2016. DOI: 10.1111 / faf.12154.
27. Смарт Дж. BayesGrowth: Оцените рост рыб с помощью анализа MCMC. Пакет R версии 0.3.0. https://github.com/jonathansmart/BayesGrowth. 2020.
28. Акаике Х., редактор. Теория информации как расширение максимального правдоподобия. Второй международный симпозиум по теории информации; 1973; Akademiai Kiado, Будапешт. Akadémiai Kiado.
29. Бернем К.П., Андерсон ДР. Информация Кульбака-Лейблера как основа для убедительных выводов в экологических исследованиях.Wildl Res. 2001. 28 (2): 111–9. DOI: 10.1071 / wr99107 WOS: 00016885
01.
30. Вехтари А., Гельман А., Габри Дж. Оценка практической байесовской модели с использованием перекрестной проверки исключения по одному и WAIC. Статистика и вычисления. 2017; 27 (5): 1413–32. DOI: 10.1007 / s11222-016-9696-4.
31. Карпентер Б., Гельман А., Хоффман М.Д., Ли Д., Гудрич Б., Бетанкур М. и др. Стэн: вероятностный язык программирования. 2017; 76 (1). DOI: 10.18637 / jss.v076.i01.
32.R Core Team. R: Язык и среда для статистических вычислений. В кн .: Computing RFS, ред. Вена, Австрия: Статистические вычисления Фонда R; 2019.
33. Команда разработчиков Stan. RStan: R-интерфейс для Стэна. Пакет R версии 2.21.2. http://mc-stan.org/. 2020.
34. Vehtari A, Gabry J, Magnusson M, Yao Y, Bürkner P, Paananen T. и др. loo: Эффективная перекрестная проверка без исключения и WAIC для байесовских моделей. Пакет R версии 2.3.1, https://mc-stan.org/loo. 2020.
35. Габри Дж, Т. М. байесовский сюжет: построение байесовских моделей. Пакет R версии 1.7.2, https://mc-stan.org/bayesplot. 2020.
36. Link WA, Eaton MJ. Об утонении цепей в MCMC. Методы экологии и эволюции. 2012; 3 (1): 112–5. DOI: 10.1111 / j.2041-210X.2011.00131.x.
37. Smart J. AquaticLifeHistory: Анализ истории рыбного промысла с использованием современных методов. https://github.com/jonathansmart/AquaticLifeHistory.10.5281 / zenodo.3777743. 2019.
38. Вителл А., Ванковски Дж. Оценки возраста и роста морского окуня, Helicolenus percoides Richardson, в водах юго-востока Австралии. Морские и пресноводные исследования. 1988. 39 (4): 441–57. http://dx.doi.org/10.1071/MF9880441.
39. Пол Л., Хорн П. Возраст и рост морского окуня (Helicolenus percoides) из двух прилегающих районов у восточного побережья Южного острова, Новая Зеландия. Рыболовные исследования. 2009. 95 (2–3): 169–80.
40. Павлов Д., Емельянова Н. Переход к живорождению в отряде Скорпенообразных: краткий обзор. Журнал ихтиологии. 2013. 53 (1): 52–69.
41. White WT, Baje L, Sabub B, Appleyard SA, Pogonoski J, Mana R. Акулы и скаты Папуа-Новой Гвинеи. Канберра, Австралия: ACIAR; 2018.
42. Goldman KJ, Caillet GM, Andrews AH, Natanson LJ. Оценка возраста и роста хондрихтианских рыб. В: Carrier JC, Musick JA, Heithaus MR, редакторы.Биология акул и их родственников: 2-е издание. Бока-Ратон, Флорида, США: CRC Press; 2012. с. 423–52.
43. Грант М.И., Смарт Дж. Дж., Белый В. Т., Чин А., Баже Л., Симпфендорфер, Калифорния. Характеристики жизненного цикла шелковистой акулы Carcharhinus falciformis из центральной западной части Тихого океана. Морские и пресноводные исследования. 2018; 69 (4): 562–73.
44. Кайлола П., Уильямс М., Стюарт П., Райхлет Р., Макни А., К. Ж. Рыбные ресурсы Австралии. Канберра: Бюро исследований и разработок в области ресурсов и рыболовства, 1993.
45. Стивенс Дж. Д., Хаусфельд Х. Ф., Давенпорт С. Р.. Наблюдения за биологией, распределением и численностью Trachurus Declivis , Sardinops neopilchardus и Scomber australasicus в Большой Австралийской бухте. Кронулла: Морские лаборатории CSIRO, 1984 Номер контракта: 164.
46. Уорд Т., Роджерс П. Разработка и оценка методов оценки запаса яичной скумбрии Scomber australasicus на юге Австралии.Отчет 2002/061. Корпорация исследований и развития рыболовства, Аделаида. 2007.
47. Caltabellotta FP, Siders ZA, Murie DJ, Motta FS, Cailliet GM, Gadig OBF. Возраст и рост трех эндемичных гитар, находящихся под угрозой исчезновения, Pseudobatos horkelii, P. percellens и Zapteryx brevirostris в западной части южной части Атлантического океана. Журнал биологии рыб. 2019; 95 (5): 1236–48. DOI: 10.1111 / jfb.14123. pmid: 31429078
48. Эллисон А.М. Байесовский вывод в экологии. Письма об экологии.2004. 7 (6): 509–20. DOI: 10.1111 / j.1461-0248.2004.00603.x.
49. Саммонс С.М., Масейна MJ. Различия в росте и выживаемости синежабрых и краснозобых солнечных рыб в реках Джорджии. Североамериканский журнал управления рыболовством. 2009. 29 (1): 101–8.
50. Натансон Л.Дж., Колер Н.Е., Ардиццоне Д., Кайет ГМ, Винтнер С.П., Молле Х.Ф. Подтвержденные оценки возраста и роста короткопёрого мако Isurus oxyrinchus в северной части Атлантического океана. В: Карлсон Дж., Голдман К., редакторы.Специальный выпуск: Возраст и рост хондрихтианских рыб: новые методы, методы и анализ. Развитие экологической биологии рыб. 25: Springer, Нидерланды; 2006. с. 367–83.
51. Фаррелл Э.Д., Мариани С., Кларк М.В. Оценки возраста и роста звездной гладкой гончей (Mustelus asterias) в северо-восточной части Атлантического океана. ICES J Mar Sci. 2010. 67 (5): 931–9. DOI: 10.1093 / icesjms / fsp295 WOS: 000279870500009.
52. Фрэнсис РИКК. Сопоставимы ли параметры роста, полученные на основе данных мечения и длины.Канадский журнал рыболовства и водных наук. 1988. 45 (6): 936–42. WOS: A1988N930
2.
53. Алос Дж., Палмер М., Балле С., Грау А.М., Моралес-Нин Б. Характер индивидуального роста и изменчивость у Serranus scriba: байесовский анализ. 2010. 67 (3): 502–12. DOI: 10.1093 / icesjms / fsp265.
54. Shertzer KW, Fieberg J, Potts JC, Burton ML. Выявление морф роста по совокупности данных о размере по возрасту. Рыболовные исследования. 2017; 185: 83–9. DOI: 10.1016 / j.fishres.2016.09.032.
55. Ward HG, Post JR, Lester NP, Askey PJ, Godin TJCJoF, Sciences A. Эмпирические доказательства пластичности характеристик жизненного цикла в зависимости от климата и градиентов плотности рыбы. 2017; 74 (4): 464–74.
56. Йокучи К., Даверат Ф., Миллер М.Дж., Фукуда Н., Судо Р., Цукамото К. и др. Потенциал роста может повлиять на время созревания долгоживущих семеложковых рыб. Письма биологии. 2018; 14 (7): 20180269. DOI: 10.1098 / RSBL.2018.0269. pmid: 29997187
57.Чемберс М.С., Сидху Л.А., О’Нил Б., Сибанда Н. Гибкие модели роста фон Берталанфи, включающие байесовские сплайны. Экологическое моделирование. 2017; 355: 1–11. DOI: 10.1016 / j.ecolmodel.2017.03.026.
58. Брат П.Н., Стефанссон Г. Сравнение и оценка подходов, направленных на исправление или снижение смещения избирательности в оценках параметров роста рыб. Рыболовные исследования. 2020; 225: 105464. DOI: 10.1016 / j.fishres.2019.105464.
59. Пардо С.А., Купер А.Б., Дулви Н.К.Избегайте рыбьих кривых роста. Методы экологии и эволюции. 2013. 4 (4): 353–60. DOI: 10.1111 / 2041-210x.12020.
60. Campana SE. Насколько надежны расчеты обратного роста на основе отолитов. Канадский журнал рыболовства и водных наук. 1990. 47 (11): 2219–27. ISI: A1990EG74400016.
61. Эммонс С., Симпфендорфер С., Смарт Дж., Д’Альберто Б. Возраст и рост тигровой акулы ( Galeocerdo cuvier ) из Западной Австралии. Морские и пресноводные исследования.в прессе.
62. Кальтабеллотта Ф. П., Сидерс З. А., Кайет ГМ, Мотта Ф. С., Гадиг ОБФ. Предварительный возраст и рост глубоководной акулы-гоблина Mitsukurina owstoni (Иордания, 1898 г.). Морские и пресноводные исследования. 2020. DOI: 10.1071 / mf19370.
63. Уилсон К.Л., Хонси А.Е., Мо Б., Вентурелли П. Развитие двухфазной структуры: методы и рекомендации по адаптации возникающих моделей роста. Методы экологии и эволюции. 2018; 9 (4): 822–33. DOI: 10.1111 / 2041-210x.12931.
64. Уилсон К. Л., Де Гизи Дж., Кэхилл К.Л., Баркер О.Е., Пост младший. Изменения жизненного цикла северных пресноводных рыб в условиях окружающей среды и вылова: пластичность и адаптация. Журнал экологии животных. 2019; 88 (5): 717–33. DOI: 10.1111 / 1365-2656.12965. pmid: 30784045
65. Морат Ф., Виккарт Дж., Schiettekatte NMD, Де Синети Дж., Бьенвеню Дж., Кейси Дж. М. и др. Индивидуальный обратный расчет размера по возрасту на основе отолитов видов рыб тихоокеанских коралловых рифов.Научные данные. 2020; 7 (1). DOI: 10.1038 / s41597-020-00711-у. pmid: 33110081
66. Маттиас Б.Г., Аренс Р.Н.М, Аллен М.С., Тютен Т., Сидерс З.А., Уилсон К.Л. Понимание влияния плотности и изменчивости окружающей среды на процесс роста рыб. Рыболовные исследования. 2018; 198: 209–19. DOI: 10.1016 / j.fishres.2017.08.018.