在个体错误识别和低重新捕获情况下的捕捉-再捕捉人口规模估计
摘要：当非侵入式采样在捕获-重捕（CR）实验中越来越常用时，与直接观察相比，它携带着更高的误认风险。因此，在应用经典CR模型之前，必须对数据进行筛查以保留可靠数据。当剩下的数据太少时，这个过程是不可接受的。已经提出了能处理误认的模型，但几乎不被使用。本文追求三个目标。首先，我们介绍了Link等人的潜在多项式模型（Latent Multinomial Model），该模型的估计值是通过马尔科夫链蒙特卡洛（MCMC）获得的。其次，我们展示了在捕获率较低时使用信息先验对估计结果的影响。最后，我们将模型扩展到多状态范式，作为其灵活性的示例。 我们证明，没有先验信息时，当捕获率为0.2或更低时，很难估计模型的参数，即MCMC要么不收敛，要么估计结果存在偏差。在这种情况下，我们表明在识别概率上添加一种信息先验能够解决模型的可辨识性问题并实现收敛。这也允许对人口数量进行质量良好的估计，尽管当捕获率为0.1时，它会低估约10％。在多状态扩展上进行类似的方法，能以0.3或更高的捕获率得到人口数量和转移概率的估计结果质量良好。
作者：R''emi Fraysse (1), R''emi Choquet (1), Carlo Costantini (2), Roger Pradel (1) ((1) CEFE Univ Montpellier CNRS EPHE IRD Montpellier France, (2) MIVEGEC Univ Montpellier CNRS IRD Montpellier France)
论文ID：2304.00885
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-04-04