Биология · объяснение и практика

Мечение и повторная встреча: оценка численности по доле меток

Рассчитаем простую оценку закрытой популяции, объясним роль перемешивания и равной вероятности встречи и поймём, почему результат является оценкой, а не переписью.

Синий лист бережно держит оранжевое семя — метафора жизни и роста.

В теме Организмы, популяции и экосистемы · Учебная карта

Главная мысль

В простой модели мечения и повторного учёта доля меченых во второй выборке приближает их долю во всей закрытой популяции. Если сначала помечено M особей, затем встречено C, среди которых R меченых, используют оценку N≈MC/R при подходящих допущениях.

Свяжите выборку с общей долей

Если метки сохраняются, особи перемешались и имеют сопоставимую вероятность повторной встречи, вторая выборка может отражать общую долю меченых. Тогда отношение R к C приблизительно соответствует M к N. Мечение не должно само существенно менять вероятность встречи и дальнейшую судьбу особи. Также между этапами популяция в модели закрыта: существенные рождения, смерти, приток и уход не меняют её состав. Эти условия являются основанием вычисления, а не необязательным дополнением. При их нарушении простая формула способна дать смещённый результат.

Сделайте условный расчёт

В учебном наборе сначала помечены сорок особей. Во втором независимом учёте обнаружены пятьдесят, из них десять с сохранённой меткой. Доля меченых во второй выборке равна одной пятой. Если сорок составляют примерно одну пятую всей популяции, её оценка равна двумстам. Прямое сложение сорока и пятидесяти неверно: часть особей учтена повторно, а многие вообще не встречены. Это не инструкция по работе с животными, а разбор уже заданных условных данных и вероятностной модели.

Пример

M=40; C=50; R=10. Популяция закрыта, метки сохраняются, особи перемешаны, вероятность встречи одинакова. Какова простая оценка N?

Сорок умножаем на пятьдесят и делим на десять: около двухсот особей. Это оценка по доле повторных встреч при заданных условиях, а не точный полный подсчёт.

Проверьте чувствительность результата

Малое число повторных встреч делает оценку особенно нестабильной. Если R равно нулю, простая запись с делением не даёт конечного результата, а не доказывает отсутствие популяции. Разные доступности участков, потеря меток и избегание повторной встречи могут менять долю независимо от истинной численности. Для отчёта полезно указать исходные числа, допущения и неопределённость, а не выдавать одно округлённое значение за точную перепись. Более развитые методы учитывают особенности дизайна и поправки. В школьной задаче главное — понять, какая пропорция связывает выборку с целым и почему она требует обоснованной сопоставимости двух этапов.

От чтения к действию

А теперь — вы

В модели M=30, C=40, R=6 при выполненных допущениях чему равна простая оценка?

Частые вопросы

Можно сложить числа двух учётов и получить всю популяцию?

Нет. Есть повторные встречи и особи, не попавшие ни в одну выборку.

Ноль повторных меток означает нулевую популяцию?

Нет. Простая формула тогда неприменима; данных недостаточно для конечной оценки этим способом.

Углублённый разбор

Неодинаковая ловимость и смещение оценки численности

Второй момент постоянной ловимости объясняет, почему даже большой объём двух отловов сохраняет систематическое занижение простой оценки численности.

Перед началом: Вероятность двух условно независимых встреч; Дисперсия как E[p²]−E[p]².

Вывод и выбор модели

При устойчивой индивидуальной ловимости p и независимости двух встреч условно на p большая популяция даёт отношение ожидаемых чисел N·E[p]²/E[p²]. Неоднородность уменьшает этот предел относительно N.

Неоднородность здесь существует ещё до мечения. Особь из доступного класса чаще попадает и в первый, и во второй отлов. Условная независимость двух встреч для одной особи не означает их безусловной независимости после смешения классов. Общая скрытая ловимость связывает события. Поэтому меченая группа автоматически содержит повышенную долю доступных особей даже при совершенно нейтральной метке и тщательном перемешивании популяции.

Для одной особи со свойством p вероятность хотя бы конкретного первого отлова равна p, а двух встреч равна p². Усреднение по всей популяции даёт ожидаемые размеры M и C, пропорциональные E[p], и перекрытие R, пропорциональное E[p²]. Подстановка именно этих детерминированных пределов в отношение показывает источник смещения. Замена E[p²] квадратом среднего означала бы удалить различия между особями до расчёта.

Как интерпретировать наблюдение

Первый отлов избирательно обогащён хорошо обнаруживаемыми особями. Поэтому второй отлов сильнее пересекается с первым, даже когда мечение само не меняет поведения.

Тождество E[p²]=E[p]²+Var(p) сразу определяет знак эффекта. При ненулевой дисперсии знаменатель больше квадрата среднего, поэтому полученное отношение меньше настоящей численности. Наивная оценка возвращает N только при одинаковой положительной ловимости. Увеличение размеров обоих классов в десять раз сохраняет относительный дефект: случайный разброс может уменьшиться, но избирательность выборки остаётся.

Ограничения и проверка предпосылок

Замкнутая большая популяция: половина особей имеет p=0,8, половина p=0,2 в каждом из двух условно независимых отловов. Рассчитывается отношение ожиданий; это не точное математическое ожидание случайного отношения при конечном N.

Предел требует множества независимых особей и устойчивых классов. Сезонная смена поведения, зависимость встреч после отлова и потеря меток создают другие механизмы; их нельзя диагностировать по одному заниженному числу. Особенно важно различать недоступный класс с p=0 и редкую встречу с малым p. По двум отловам размер полностью недоступного класса вообще не восстанавливается без дополнительных сведений, хотя арифметическое отношение наблюдаемых чисел остаётся конечным.

Самостоятельный расчёт с проверкой

Условие. Для N=1000 и двух постоянных классов ловимости равного размера с p=0,8 и p=0,2 вычислить предел наивного отношения M·C/R по ожидаемым числам отловов.

  1. В каждом отлове ожидается 500·0,8+500·0,2=500 особей.
  2. Повторно ожидается 500·0,8²+500·0,2²=340 особей.
  3. Подставляем ожидаемые числа: 500·500/340.
  4. Получаем 12500/17≈735,294 особи вместо 1000.

Ответ. Результат: ≈735,29412 особи.

Проверка. E[p²]=0,34 превышает E[p]²=0,25 на Var(p)=0,09. Отношение оценочного предела к N равно 25/34<1; при одинаковом p дисперсия исчезла бы.

Где легко ошибиться. Назвать отношение ожидаемых чисел точным средним случайной оценки: при конечной популяции знаменатель случаен и иногда равен нулю.

Проверьте понимание

При одинаковой положительной ловимости всех особей чему равно отношение предельной наивной оценки к N?

Вопросы к этой главе

Почему условной независимости недостаточно?

После усреднения вероятность двух встреч содержит E[p²], тогда как произведение отдельных вероятностей содержит E[p]². Они совпадают только при нулевой дисперсии ловимости.

Исправит ли нейтральная метка этот эффект?

Она устраняет один возможный источник изменения поведения, но не исходную неоднородность. Нужны данные о классах либо более богатый дизайн наблюдений.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Pollock, Turner, Brown: Survey Methodology,1994, §2

    Прочитан индексированный текст §2 с формулами2.1–2.3 и условиями закрытости, равной ловимости и сохранения меток. Сам PDF открылся без извлекаемых строк; полного чтения PDF не заявляем. Второй момент ловимости и полный перебор малой популяции ниже выведены самостоятельно.

Поправка Чепмена при малой повторной выборке

Полное гипергеометрическое распределение показывает остаточное смещение поправки Чепмена и отделяет конечность формулы от её несмещённости.

Перед началом: Выборки без возвращения и сочетания; Среднее функции дискретного случайного числа.

Вывод и выбор модели

Конечная оценка Чепмена равна (M+1)(n+1)/(R+1)−1. Её среднее проверяют по гипергеометрическому распределению числа повторных встреч, включая R=0.

Во втором отлове размер фиксирован, а число повторных встреч случайно. Возможные значения этого числа не равновероятны. Чтобы исследовать качество оценочного правила, вообразим повторение всего второго отбора при одной и той же известной популяции. Нас интересует средний результат правила, а не значение, которое получилось в одном опыте. Такую проверку можно выполнить полностью в небольшой конечной модели.

Если встречено r меченых, их выбирают из M, а остальные n−r особей — из N−M немеченых. Число соответствующих выборок равно C(M,r)C(N−M,n−r). Деление на C(N,n) превращает эти числа в вероятности. Уже на этой стадии можно проверить границы r и сумму всех весов. Условная независимость отдельных вытягиваний здесь не предполагается: отбор без возвращения как раз задаёт гипергеометрический закон.

Как интерпретировать наблюдение

Поправка устраняет бесконечное значение при нуле встреч, но не обязана быть точно несмещённой. Различать конкретную оценку и её среднее по повторным опытам необходимо даже при идеальном дизайне.

Поправка заменяет деление на R делением на R+1 и согласованно меняет числитель. Но появление конечного результата в нулевом исходе не устанавливает истинный размер. В собственном примере такой исход имеет заметный положительный вес и даёт оценку19 при настоящих12. Другие исходы дают меньшие значения; только полная взвешенная сумма показывает итоговый отрицательный сдвиг. Усреднять четыре возможные оценки поровну было бы неверно.

Ограничения и проверка предпосылок

N=12 различных особей, M=4 уже помечены; второй отлов равномерно выбирает n=3 без возвращения. Популяция закрыта, потеря меток и неоднородность отсутствуют.

Для этого дизайна точное смещение можно также записать как −(n+1)C(N−M,n+1)/C(N,n). В примере выражение даёт−14/11, согласованное с перечислением. Когда комбинация в числителе невозможна, этот остаток исчезает; значит слово «несмещённая» требует условий, а не доверия к названию поправки. Нарушение закрытости или ловимости — отдельная проблема и не исправляется даже точным знанием распределения идеального эксперимента.

Самостоятельный расчёт с проверкой

Условие. В объявленной популяции из 12 особей с 4 метками равновероятны все 220 вторых выборок по 3 особи. Найти точное среднее оценки Чепмена по всем этим выборкам.

  1. Для R=0,1,2,3 числа выборок равны соответственно 56,112,48,4.
  2. Оценки 20/(R+1)−1 равны 19,9,17/3,4.
  3. Взвешенная сумма равна 56·19+112·9+48·17/3+4·4=2360.
  4. Делим на 220: среднее равно 118/11≈10,7273 особи.

Ответ. Результат: ≈10,727273 особи.

Проверка. Числа гипергеометрических исходов суммируются в 220. Смещение равно 118/11−12=−14/11; оно не вызвано нарушением равной ловимости.

Где легко ошибиться. Удалить опыты с R=0 перед усреднением: это изменит распределение дизайна и даст другую, условную характеристику.

Проверьте понимание

В приведённой модели R=0 имеет положительную вероятность. Что произойдёт, если такие опыты убрать из оценки среднего?

Вопросы к этой главе

Почему средняя оценка может быть дробной?

Правило оценивает неизвестный параметр и само может давать дробные значения. Среднее по выборкам тем более не обязано быть целым.

Нужно ли знать N для практической подстановки Чепмена?

Нет, нужны M,n,R. Истинное N задаётся здесь только для независимой проверки свойства правила в конечном воображаемом эксперименте.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Pollock, Turner, Brown: Survey Methodology,1994, §2

    Прочитан индексированный текст §2 с формулами2.1–2.3 и условиями закрытости, равной ловимости и сохранения меток. Сам PDF открылся без извлекаемых строк; полного чтения PDF не заявляем. Второй момент ловимости и полный перебор малой популяции ниже выведены самостоятельно.

Удаляющий отлов: убывающие поимки и оценка исходной численности

При удаляющем отлове каждая поимка уменьшает следующий доступный остаток. Строим правдоподобие последовательных проходов, профилируем общую ловимость и показываем, почему геометрическая последовательность наблюдённых поимок не делает оценку по отношению средних точной оценкой максимального правдоподобия.

Перед началом: Биномиальная вероятность числа успехов; Максимизация вероятности наблюдений по параметрам.

Остаток меняется после каждого прохода

В закрытой популяции неизвестно целое исходное число N. Каждая ещё не пойманная особь независимо ловится за проход с одной и той же вероятностью p, где 0<p<1. Пойманных изымают до окончания исследования. Рождений, смертей, миграции и различий ловимости нет. Для трёх проходов наблюдаем c1, c2, c3; размер доступного остатка перед j равен N минус сумма предыдущих поимок.

Условное распределение каждой поимки биномиально с соответствующим остатком. Поэтому полное правдоподобие — произведение трёх биномиальных вероятностей. Нельзя использовать три независимые выборки размера N: один и тот же организм после удаления больше не участвует. Отрицательные остатки и N меньше общей поимки имеют вероятность ноль.

Ловимость можно исключить аналитически

Обозначим C=c1+c2+c3. Суммарное число испытаний по трём проходам равно 3N−2c1−c2. После выделения биномиальных коэффициентов зависимость от p имеет вид p^C(1−p)^(3N−2c1−c2−C). Для заданного допустимого N внутренний максимум находится в p̂(N)=C/(3N−2c1−c2). Граничные случаи полного успеха нужно проверять отдельно.

Подставляем p̂(N) в исходное правдоподобие и сравниваем целые N в разрешённом диапазоне. При конечной известной вместимости участка это точный конечный поиск, без приближения N непрерывной величиной. Полезно сохранять несколько соседних значений профиля: близкий максимум не означает высокую точность оценённой численности.

Средние поимки и фактические поимки различаются

Модель задаёт E[cj]=Np(1−p)^(j−1). Отношение соседних математических ожиданий действительно равно 1−p. Но отношение двух случайных наблюдений не обязано равняться отношению ожиданий. Геометрически убывающие наблюдения дают удобную моментную оценку, которая может отличаться от максимума полного правдоподобия из-за комбинаторных множителей.

Даже увеличение поимки на следующем проходе не является логическим опровержением постоянной ловимости: биномиальная случайность допускает такое событие. Систематические отклонения в серии повторных исследований уже требуют проверки p, закрытости и неоднородности. Убывание ожидаемого остатка нельзя переносить на строгий порядок каждой реализованной серии.

Геометрические поимки и максимум на нижней границе

Условие. Участок физически вмещает не более 40 особей. В трёх удаляющих проходах пойманы 8,4,2 особи. Для модели общей ловимости найдите максимум правдоподобия на целых N от 14 до 40.

  1. Суммарно пойманы C=14. Число испытаний при заданном N равно 3N−20; p̂(N)=14/(3N−20).
  2. При N=14 получаем p̂=7/11. Точное произведение биномиальных вероятностей равно приблизительно 0,02459575.
  3. При N=15 профиль даёт p̂=14/25 и вероятность 0,02411847; при N=16 — p̂=1/2 и 0,02013668.
  4. Конечный перебор всех 27 допустимых N даёт единственный наибольший профиль при N=14. Моментное соотношение 4/8=1/2 предложило бы N=16, что не совпадает с этим максимумом.

Ответ. В заданном конечном диапазоне N̂=14, p̂=7/11; это оценка, а не доказанная истинная численность.

Проверка. Все остатки при N=14 равны 14,6,2 перед проходами и неотрицательны. Рациональное сравнение произведений без округления подтверждает максимум; близость N=15 предупреждает против ложной точности.

Где легко ошибиться. Подставлять N в каждый проход без вычитания уже удалённых особей либо выдавать отношение случайных поимок за точное равенство математических ожиданий.

Проверьте понимание

Какое утверждение о модели постоянного p верно?

Вопросы к этой главе

Обязательно ли c2≤c1?

Нет. Например, при N=3 и p=1/2 событие c1=1, c2=2 имеет положительную вероятность: после первой поимки остаются две доступные особи.

Для чего задан верхний предел 40?

Он делает область оптимизации явной и конечной. Без внешней границы нужно дополнительно исследовать профиль при N→∞, а не молча обрывать поиск.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • White et al., Capture-recapture and removal methods, USGS1982

    Прочитана официальная авторская аннотация: область закрытых популяций и различение capture-recapture/removal. Полный primer не прочитан; последовательное правдоподобие, ограниченная область и пример выведены самостоятельно.

Повторные визиты и временная эмиграция: две шкалы наблюдения

Одинаковая доля зарегистрированных животных в двух сезонах скрывает разные вероятности ухода и возвращения. Разделяем повторы внутри сезона и переход доступности между сезонами; совместные истории обнаружения позволяют восстановить память перемещений, которой нет в статической модели присутствия.

Перед началом: Вероятность хотя бы одной регистрации при повторных визитах; Формула полной вероятности и двухсостоянийный переход.

Две временные шкалы наблюдения

Изучаем известную когорту меченых животных, независимо подтверждённых живыми в обоих сезонах. Рождений и постоянной потери из когорты нет. В каждом сезоне животное либо доступно A на участке, либо временно отсутствует U. Состояние сохраняется во время двух коротких визитов. Доступное животное независимо обнаруживается на каждом визите с известной p; недоступное не обнаруживается.

Вероятность хотя бы одной сезонной регистрации для доступного животного равна d=1−(1−p)². Короткие визиты определяют наблюдение, а длинный промежуток между сезонами допускает смену A/U. Принцип двух временных масштабов не означает, что фактические полевые данные автоматически удовлетворяют закрытости: это отдельная проверяемая предпосылка.

Совместная история восстанавливает переход

Пусть a1, a2 — доли доступности по сезонам, α=P(A2|A1), β=P(A2|U1). Тогда a2=a1α+(1−a1)β. Сезонные доли обнаружения q1=a1d и q2=a2d по отдельности задают только a1, a2. Равенство a1=a2 не требует α=β: устойчивые индивидуальные различия доступности могут сохраняться при постоянной общей доле.

Если ошибки регистрации независимы между сезонами условно по состояниям, совместная вероятность регистрации в обоих сезонах равна q12=a1αd². Поэтому α=q12/(a1d²), а β=(a2−a1α)/(1−a1), когда 0<a1<1. Совместная история несёт информацию о переходе, потерянную при хранении одних сезонных итогов.

Необнаружение оставляет смесь состояний

Регистрация в первом сезоне гарантирует A1 в модели без ложных сигналов. Отсутствие регистрации такой гарантии не даёт: возможны U1 и A1 с двумя пропусками. Их апостериорные веса нужно вычислять перед прогнозом следующего сезона. Отождествление каждого нуля с эмиграцией завысит число недоступных животных.

Мы исключили смертность независимым знанием о живой когорте. Если такого канала нет, отсутствие во втором сезоне может означать также смерть или постоянный уход. Тогда данной таблицы недостаточно для одновременного восстановления всех процессов. Нельзя назвать α чистой выживаемостью или распространить полученное β на новых животных, не входящих в объявленную когорту.

Постоянная доступность при неодинаковом возвращении

Условие. В модели живой когорты p=1/2 на каждом из двух визитов. Заданы точные ансамблевые вероятности q1=q2=0,45 и q12=0,27. Найдите a1, a2, α, β и вероятность регистрации во втором сезоне после регистрации в первом.

  1. Два визита дают d=1−(1/2)²=3/4.
  2. Доступность a1=a2=0,45/(3/4)=3/5.
  3. Совместная история даёт α=0,27/[(3/5)(3/4)²]=4/5.
  4. Из баланса β=[3/5−(3/5)(4/5)]/(2/5)=3/10. После регистрации в первом сезоне следующий сезон обнаруживает с вероятностью αd=3/5.

Ответ. a1=a2=0,6; α=0,8; β=0,3. Следующая регистрация после предыдущей имеет вероятность 0,6.

Проверка. Равновесная доля β/(1−α+β)=0,6 совпала с a1. При независимости сезонных состояний было бы q12=q1q2=0,2025, что противоречит заданным 0,27.

Где легко ошибиться. Оценивать уход по всем нулевым историям или делать вывод о независимости сезонных состояний из неизменной общей доли зарегистрированных животных.

Проверьте понимание

Как соотносятся регистрации двух сезонов в этом примере?

Вопросы к этой главе

Что дают короткие повторные визиты?

Они описывают несовершенное обнаружение при фиксированной доступности. Без этой шкалы трудно отделить реальный выход из участка от простого пропуска регистрации.

Почему α и β различаются при постоянных a1, a2?

Потоки ухода и возвращения могут уравновеситься. Постоянная общая доля не исключает памяти индивидуального состояния.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Kendall,Nichols,Hines, Ecology1997

    Прочитаны pp.563–565, Background Information and Notation: primary/secondary periods, постоянная доступность внутри периода, random/Markovian emigration и p*. Собственная задача условлена на независимо известную живую когорту и не воспроизводит полное правдоподобие статьи.

Живые и погибшие: какой дополнительный канал разделяет выживание и встречу

Одно отсутствие метки может означать смерть или пропуск живого животного. Дополнительные сообщения о погибших разделяют эти причины только при понятном масштабе регистрации. Неизвестное r возвращает непрерывное семейство объяснений даже при идеальных итоговых долях.

Перед началом: Условная и полная вероятность; Взаимоисключающие состояния; Идентифицируемость и допустимые границы.

Разложить нулевое наблюдение на две причины

Условия модели: Вся исходная меченая когорта жива в начале одного интервала. Метки не теряются, ложных сигналов нет. φ — истинное выживание до конца; p — вероятность конечной живой регистрации при условии выживания. r>0 — независимо известная вероятность найти и сообщить метку при смерти в этом интервале, по всей области возможных уходов. Живой канал измеряется только в конце, погибший — за интервал; они взаимоисключающие. Используются точные ансамблевые доли, не утверждение о точности конечных выборок.

Обозначим наблюдаемые доли L живых встреч и D сообщений о погибших относительно всей начальной когорты. Тогда L=φp, D=(1−φ)r. Нерегистрируемая доля U=φ(1−p)+(1−φ)(1−r)=1−L−D. Два канала не независимы: одно животное не может одновременно дожить до конца и погибнуть в этом интервале.

При известном r>0 получаем φ=1−D/r, затем p=L/φ при φ>0. Допустимость требует 0≤D≤r и 0≤L≤φ. Если φ=0, L должно быть 0, но p не определяется: условная встреча среди отсутствующих выживших не имеет информации.

Два канала не заменяют отсутствующую калибровку

Если r неизвестно, то для положительных L,D любая φ в интервале[L,1−D] задаёт p=L/φ и r=D/(1−φ) внутри[0,1]. Значит две точные наблюдаемые доли не определяют три неизвестных. Много дополнительных животных уточнит эти доли, но не устранит структурную неоднозначность.

Независимая калибровка r должна соответствовать смертям той же области и периода. Вероятность сообщить уже найденную метку не равна полной вероятности найти и сообщить погибшую особь: неучтённая стадия обнаружения меняет масштаб D и вывод о φ.

Выживание отличается от присутствия на участке

В p может входить недоступность живого животного для конечного обследования. Поскольку погибшие регистрируются с известным r независимо от мест возможного ухода, D определяет истинную смертность когорты, а не только исчезновение с локального участка. Если вне участка погибших не ищут, одно общее калиброванное r уже может быть неверным.

Это минимальная однопериодная обратная задача, не полное правдоподобие многосезонного учёта. Неоднородные индивидуальные вероятности, задержки сообщений и зависимость обнаружения от причины смерти требуют расширения. Числа ниже демонстрируют информационную роль канала, а не гарантируют полевую точность.

Условие. В фиксированном примере L=0.48, D=0.10, независимая r=0.50. Найдите φ,p и состав ненаблюдаемой доли. Затем уберите знание r и предъявите другое допустимое объяснение тех же L,D.

  1. 1. Доля погибших D/r=0.10/0.50=0.20, поэтому истинное выживание φ=0.80.
  2. 2. Условная живая регистрация p=0.48/0.80=0.60. Все вероятности допустимы.
  3. 3. Ненаблюдаемые живые составляют 0.8·0.4=0.32, ненайденные погибшие 0.2·0.5=0.10. Вместе 0.42=1−0.48−0.10.
  4. 4. При неизвестном r можно взять φ=0.60, p=0.80, r=0.25. Тогда L опять 0.48, D опять 0.10. Весь допустимый диапазон φ — от 0.48 до 0.90.

Ответ. При известном r:φ=0.8,p=0.6. Из ненаблюдаемых 0.42 доля 0.32 жива и 0.10 погибла. Без калибровки r истинное выживание не единственно.

Проверка. Независимый полный счёт 100 условных единиц когорты:48 живых зарегистрированы,32 живы без регистрации,10 погибших зарегистрированы,10 погибших пропущены. Сумма 100 и обе наблюдаемые доли восстановлены без повторного обращения формул.

Где легко ошибиться. Не объявляйте каждого ненайденного погибшим и не считайте r известным только по сообщениям о метках, уже попавших в руки наблюдателя.

Проверьте понимание

Если r в фиксированном примере неизвестно, какая тройка даёт те же L=0.48,D=0.10?

Вопросы к этой главе

Можно ли оценить общую численность популяции по этим двум долям?

Нет. Знаменатель — уже известная исходная меченая когорта. Задача относится к её судьбе и обнаружению, а не к числу всех немеченых животных.

Почему больше наблюдений не решает неизвестное r?

Они уточняют L,D, но одна и та же пара допускает разные φ,p,r. Нужен новый информационный канал или ограничение, а не только более точные прежние доли.

Сверить определения и условия

Объяснение и задачи написаны для erudeet. Эти источники используются для проверки понятий и границ модели.

  • Авторская документация различает условную регистрацию погибших, живые встречи и истинное выживание в совместных данных. Одноинтервальная модель с независимо известным r и её семейство решений выведены отдельно.

Источники и работа с материалом

Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.

Продолжить разбираться