铥年代汇总的新方法：使用泊松过程严格识别铥年代样本发生率中的变化/断点

估计过去事件或人口规模变化的常见范例是考虑考古/环境样本在时间上的发生率。此类“以日期为数据”方法的可靠性高度依赖于如何从底层样本中估计发生率，特别是当日历年龄信息通过铥年代（14C）获得时。最常用的“14C-日期即数据”方法即创建求和概率分布（SPD），是不可统计的，或不连贯的，并且可能提供高度误导的推断。本文提供了一种备选方法，具有严格的统计依据，还提供了关于潜在断点的有价值的额外信息。此外，与当前 SPD 备选方案不同，本方法的汇总不将用户限制于预指定、僵化的汇总格式（例如指数或 logistic 增长），而是灵活地适应日期本身。我们的 метод确保更可靠的“14C-日期即数据”分析，使我们能够更好地识别潜在信号。我们将事件的发生建模为非均匀泊松过程。随后在完全贝叶斯框架内使用可逆跳跃马尔可夫链蒙特托（RJ-MCMC）对样本随时间的变化率进行估计。给定一组铥年代样本，我们重构其在日历时间上的发生率如何变化，并识别该率是否包含统计上显著的变化，即特定时间点处事件率发生急剧变化。我们以模拟研究和实际案例（关于阿拉斯加和育空的晚更新世大型动物群变）进行说明。