Estimating species richness by a Poisson-compound gamma model
利用泊松复合伽马模型估计物种丰富度AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：研究对象是物种数量与混合分布估计，不能仅因使用混合模型而归入分布效应或结构估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用泊松复合伽马模型估计物种丰富度
- 研究问题
- 如何利用泊松复合伽马模型估计物种总数，并在固定各伽马混合成分形状参数的情况下选择合适的共同形状参数？
- 方法与思路
- 作者利用伽马混合的稠密性与嵌套性，将各成分的形状参数设为共同值，以非参数最大似然估计混合分布，并用交叉验证调参。
- 材料陈述的贡献
- 摘要提出物种丰富度估计方法及选择共同形状参数的最小二乘交叉验证程序，并通过数值研究与基因组数据评估表现。
- 阅读关注点
- 应核对物种观测机制、混合模型与未观测物种数量的联系、非参数似然的实现，以及交叉验证目标和形状参数搜索方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出识别条件、理论误差或数值结果，不能判断方法的普遍优势。
原文摘要
We propose a Poisson-compound gamma approach for species richness estimation. Based on the denseness and nesting properties of the gamma mixture, we fix the shape parameter of each gamma component at a unified value, and estimate the mixture using nonparametric maximum likelihood. A least-squares crossvalidation procedure is proposed for the choice of the common shape parameter. The performance of the resulting estimator of N is assessed using numerical studies and genomic data.