将组成不确定性从样本层面快速扩展到总体层面

理解总体组成在生态学、进化、生物保护和资源管理等情境中都非常重要。现代方法如 genetic stock identification (GSI) 可以利用遗传数据估计来自不同亚群个体的比例。理想情况下，这些估计应通过 mixture analysis 获得，从而同时刻画抽样不确定性和遗传不确定性。然而，历史数据集常依赖个体分配方法，这些方法通常只考虑样本层面的不确定性，从而限制了总体层面推断的有效性。为解决这一问题，我们提出一个 reverse Dirichlet-multinomial 模型，并推导多个方差估计量，将不确定性从样本层面传播到总体层面。我们将该框架扩展到遗传标记-再捕获研究，通过模拟评估其表现，并将其应用于估计 Taku River 中 Sockeye Salmon（Oncorhynchus nerka）的洄游数量。