Bayesian Nonparametric Estimation of the Probability of Discovering New Species
发现新物种概率的贝叶斯非参数估计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：摘要研究物种发现概率与贝叶斯非参数估计，未提供对应所列计量细分方向的直接依据。
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
发现新物种概率的贝叶斯非参数估计
- 研究问题
- 在基础样本已记录一定数量物种后，如何评估新增样本发现特定数量新物种的概率，并据此支持继续采样的判断？
- 方法与思路
- 作者采用贝叶斯非参数方法，将物种比例视为随机量、总体观测视为可交换，并在平方损失下构造发现概率的估计量。
- 材料陈述的贡献
- 摘要称所得贝叶斯估计量可与已有频率学派估计量比较，并以数值例子及追加测序发现新基因的资料展示应用。
- 阅读关注点
- 应核对物种比例的先验设定、条件信息及新增样本规模如何进入估计，并检查与频率学派方法比较的标准和适用情境。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体先验、估计公式与比较结果未说明，不能据此判断预测校准或推断刊本变化。
原文摘要
We consider the problem of evaluating the probability of discovering a certain number of new species in a new sample of population units, conditional on the number of species recorded in a basic sample. We use a Bayesian nonparametric approach. The different species proportions are assumed to be random and the observations from the population exchangeable. We provide a Bayesian estimator, under quadratic loss, for the probability of discovering new species which can be compared with well-known frequentist estimators. The results we obtain are illustrated through a numerical example and an application to a genomic dataset concerning the discovery of new genes by sequencing additional single-read sequences of cdna fragments.