Recuperación de captura de arranque paramétrico

Estoy usando la captura recaptura (una muestra) para estimar la población humana oculta. Un método de muestreo utiliza únicamente frecuencias de captura para estimar la población. Uno de mis colegas sugirió un método de arranque paramétrico para evaluar la variabilidad de la estimación del tamaño de la población. Traté de investigar un poco en línea sobre este método de arranque paramétrico, pero todavía no entiendo cómo se realiza. Sé que el arranque es básicamente volver a muestrear datos con reemplazo y luego calcular la varianza de los mismos. Sin embargo, ¿cómo realizo un arranque paramétrico (supongo que las frecuencias de captura siguen la distribución de Poisson) en los datos de captura y recuperación? ¿Tratamos las frecuencias como datos, es decir, si f(1)=100 yf(2)=9, nuestros datos tienen 100x 1 y 9x 2 y luego volvemos a muestrear esto? Es probabilidad de captura diaria el parámetro λ en la distribución de Poisson?

Supongo que lo que estoy tratando de preguntar es, ¿cómo se realiza el bit de muestreo de un arranque paramétrico [en captura y recaptura]?

Estoy un poco confundido cuando dices "[tu método] usa puramente frecuencias de captura". ¿Hay alguna 'recaptura' en marcha?
@CactusWoman Entonces, a diferencia de la captura y recaptura normal donde tienen tiempos discretos e historial de captura, mi captura y recaptura es un modelo continuo (ya que solo se puede capturar 1 individuo a la vez) y solo se observan las frecuencias de encuentro de individuos. Entonces, los únicos datos que tengo son f (1), frecuencia de captura individual una vez, f (2), ... ¿Tiene esto sentido?

Respuestas (1)

Investigué un poco y creo que funciona así:

  1. Recoger un conjunto de datos de norte observaciones.

  2. Ajuste un modelo paramétrico a sus datos. Si desea modelar las recapturas, sugeriría un Poisson-GLM. También puede estimar el parámetro directamente a partir de sus datos y simplemente parametrizar una distribución de Poisson. Sin embargo, este enfoque no modelaría la variación aleatoria en sus datos.

  3. Use el modelo ajustado para dibujar una muestra de tamaño norte

  4. Calcule la métrica deseada en función de la muestra. Supongo que en su caso esto sería el tamaño de la población humana (calculado como norte = norte METRO metro ?)

  5. Repita los pasos 3 y 4 muchas veces (más de 1000)

  6. ¡Ahí tienes! Ahora puede evaluar fácilmente la variabilidad en el tamaño de la población en función de las estimaciones de sus muestras de arranque.

Estoy confundido con el paso 2, pensé que para estimar el parámetro de la muestra de arranque usamos el mismo método que usamos para los datos originales.
me referia al parametro λ de una distribución de Poisson. Puede estimar lambda en función de sus datos utilizando la máxima probabilidad. Se debe incluir alguna función para hacer esto en cada paquete estadístico serio. Entonces, lo que dice 2: construya un modelo a partir de sus datos (un glm o una distribución de Poisson parametrizada) y use este modelo en los pasos 3 y 4 para el arranque.
Recuperación de captura de arranque paramétrico
RespuestasAquíPolítica de privacidad1y, 0v