Параметрический Bootstrap Capture Recapture

Я использую повторный захват (одной выборки) для оценки скрытой человеческой популяции. В одном методе выборки для оценки популяции используются исключительно частоты отлова. Один из моих коллег предложил метод параметрической начальной загрузки для оценки изменчивости оценки размера популяции. Я попытался немного изучить в Интернете этот параметрический метод начальной загрузки, но я до сих пор не понимаю, как он выполняется. Я знаю, что начальная загрузка - это в основном повторная выборка данных с заменой, а затем вычисление их дисперсии. Однако как выполнить параметрическую загрузку (я предполагаю, что частоты захвата соответствуют распределению Пуассона) для данных повторного захвата? Рассматриваем ли мы частоты как данные, то есть, если f(1)=100 и f(2)=9, наши данные имеют 100x 1 и 9x 2, а затем передискретизируем это? Является ли вероятность ежедневной поимки параметром λ в распределении Пуассона?

Я думаю, что я пытаюсь спросить, как вы выполняете выборку бита параметрической начальной загрузки [при повторном захвате]?

Меня немного смущает, когда вы говорите, что «[ваш метод] использует исключительно частоты захвата». Происходит ли какое-то «возвращение»?
@CactusWoman Таким образом, в отличие от обычного повторного захвата, где у них есть дискретное время и история захвата, мой повторный захват представляет собой непрерывную модель (поскольку одновременно может быть захвачен только 1 человек), и отмечаются только частоты встреч с людьми. Итак, единственные данные, которые у меня есть, f(1), частота поимки один раз, f(2), ... Имеет ли это смысл?

Ответы (1)

Я провел небольшое исследование и думаю, что это работает так:

  1. Соберите набор данных н наблюдения.

  2. Соответствуйте параметрической модели вашим данным. Если вы хотите смоделировать повторные захваты, я бы предложил Poisson-GLM. Вы также можете оценить параметр непосредственно из ваших данных и просто параметризовать распределение Пуассона. Однако этот подход не будет моделировать случайные изменения ваших данных.

  3. Используйте подогнанную модель, чтобы нарисовать образец размера н

  4. Рассчитайте желаемую метрику на основе выборки. Я предполагаю, что в вашем случае это будет численность населения (рассчитанная как Н знак равно н М м ?)

  5. Повторите шаги 3 и 4 много раз (1000+)

  6. Ну вот! Теперь вы можете легко оценить изменчивость размера популяции на основе оценок ваших начальных выборок.

Меня смущает шаг 2, я думал, что для оценки параметра из образца начальной загрузки мы используем тот же метод, который мы используем для исходных данных?
я имел в виду параметр λ распределения Пуассона. Вы можете оценить лямбда на основе ваших данных, используя максимальную вероятность. Некоторые функции для этого должны быть включены в каждый серьезный статистический пакет. Итак, что говорит 2: создайте модель из своих данных (glm или параметризованное распределение Пуассона) и используйте эту модель на шагах 3 и 4 для начальной загрузки.
Параметрический Bootstrap Capture Recapture
СпросиСетьПолитика конфиденциальности1y, 0v