Capture-Recapture Estimation with Samples of Size One Using Frequency Data
利用频数数据进行单次捕获样本的捕获—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：摘要研究捕获—再捕获总体规模估计，异质性本身不足以归入所列因果、面板或分布效应方向。
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
利用频数数据进行单次捕获样本的捕获—再捕获估计
- 研究问题
- 把每次捕获视为单独样本并汇总个体被捕获次数时，如何估计总体规模，以及总体异质性和捕获总次数如何影响估计选择？
- 方法与思路
- 作者按推导方式整理既有估计量并提出新估计量，比较其偏差与方差，重点考察异质总体和不同捕获次数情形。
- 材料陈述的贡献
- 摘要在其比较范围内建议：捕获次数较少时采用 Chao 的偏差修正估计量，其他情形采用 Darroch–Ratcliff 估计量。
- 阅读关注点
- 应核对捕获概率异质性的设定、各估计量的推导和比较准则，以及“捕获次数较少”的界定与建议对数据条件的依赖。
- 阅读边界
- 仅据版本未注明的索引摘要；捕获机制、比较设计和次数阈值未说明，不能将所述估计量选择视为普遍最优规则。
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.