Capture-recapture estimation with samples of size one using frequency data
利用频数数据和单次捕获样本进行捕获—再捕获估计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：摘要讨论捕获—再捕获中的总体估计与异质性，未提供所列微观、宏观或金融方向的具体研究依据。
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
利用频数数据和单次捕获样本进行捕获—再捕获估计
- 研究问题
- 把每次捕获视为单独样本并记录个体被捕次数时，如何选择估计量，尤其应怎样应对总体中捕获机会的异质性？
- 方法与思路
- 作者按推导方式整理现有估计量并提出新估计量，比较偏差与方差，以讨论不同捕获次数情形下的方法选择。
- 材料陈述的贡献
- 摘要推荐捕获次数较少时使用 Chao 的偏差修正估计量，其他情形使用 Darroch–Ratcliff 估计量；这是作者的比较结论。
- 阅读关注点
- 核对捕获机制和异质性的设定、偏差方差的评价标准，以及捕获次数较少的界限和作者推荐所覆盖的模型范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出比较条件或数量界限，不能把作者所称最佳方法理解为对所有总体均最优。
原文摘要
One way in which a capture-recapture experiment can be designed is to count each capture occasion as a separate sample, and tally the number of individuals caught once, twice, and so on. This paper discusses the estimators currently used for this type of experiment, and suggests some new ones. Each of the estimators is categorized by its derivation. Following this, their properties are discussed, particularly their bias and variance, with the aim of choosing one or two of the estimators which are the ‘best’ to use, especially in handling a heterogeneous population. It is found that the bias adjusted estimator of Chao (1989) is the best to use when the number of captures is relatively small, and that the estimator of Darroch & Ratcliff (1980) should be used otherwise.