基于首次检测时间数据的 N-混合模型精确似然
统计方法学
2023-09-27 v1
摘要
本文关注利用二元响应、计数与首次检测时间数据估计物种丰度与检测概率的 -混合模型构建。我们引入一个建模框架，在检测/未检测情形下涵盖首次检测时间，在计数数据情形下涵盖每次检测时间与首次检测时间。还考虑了两种观测过程，取决于是否假设发生重复计数。本文主要聚焦于推导各提出模型对应似然的显式形式。与首次检测时间数据相关的似然闭式表达是新的，由次序统计量理论发展而来。研究的一个关键发现是：基于无重复计数假设，检测时间与计数数据相关的似然等于仅计数似然与一项依赖于检测概率参数的项之乘积。该结果表明，此情形下记录检测时间很可能比仅记录计数提高估计精度。相反，对于具有指数到达时间的重复计数方案，除计数数据外记录检测时间未发现有信息增益。我们还引入了 R 包及配套 vignette，以补充代数结果并展示模型的实际使用。
引用
@article{arxiv.2309.14777,
title = {Exact Likelihoods for N-mixture models with Time-to-Detection Data},
author = {Linda M Haines and Res Altwegg and David L. Borchers},
journal= {arXiv preprint arXiv:2309.14777},
year = {2023}
}
备注
21 pages, 1 figure