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 …
捕获-再捕获研究的建模与贝叶斯计算
捕获-再捕获方法常用于总体规模估计，而总体规模估计在生态学和流行病学的管理决策中具有基础性作用。本论文发展了新的总体规模估计方法，更全面地纳入数据中常被忽略的多种统计不确定性来源。通过处理这些不确定性，我们的方法为目标参数提供了更准确、更可靠的估计。此外，论文还提出多种提高计算效率的技术，尤其面向贝叶斯推断中使用的马尔可夫链蒙特卡洛（MCMC）算法。 第 …
