|
母體總數之估計一向是生物學的一個重要課題，近來更應用到工業方面如
電腦軟體中錯誤總數之估計 (Chao et al.(1993))。本文所討論之母體均
為封閉母體，也就是在實驗過程中母體總數固定不變，不會有未知的出生
、死亡及遷移等變動。本文我們所要討論的母體模式是 Pollock
(1974,1976,1981,1991)和 Otis et al. (1978) 所提出的三種基本模式
和其混合模式，這三種基本模式分別假設母體中的個體被捕機率會受時間
變異 (time varia - tion)、行為反應（behavior response）及個體差
異的影響。在本文中，我們所討論的連續型重覆捕取實驗是假設動物被捕
取之過程為一續的卜瓦松過程 (Poisson process)，在整個實驗過程中，
我們記錄動物被捕取的時間，並於每次捕取時做一記號，以建立實驗中被
捕動物的捕取歷史，另外，我們亦假設動物間之行為互相獨立，某隻動物
的被捕與否並不影響其他動物的捕取歷史，同時，假定所有被捕取過而做
記號的動物並不會遺失其記號，且實驗人員對被做過記號的動物都正確的
記錄下其捕取歷史，不會有漏看或記錄錯誤的情況發生。我們所提出的估
計量是由樣本涵蓋率(sample coverage) 和鞅估計式 (martingale
estimation function) 兩概念合併而得，其中關於樣本涵蓋率的應用見
Esty (1985), Chao and Lee (1992)和 Chao et al. (1992)，而鞅估計
式則由 Becker (1984) 和 Yip(1989,1991) 所提出。而文中整個估計式
的導得則是參考 Yip and Chao (1993) 的做法。在第二章中，我們將介
紹本文所使用的符號及其定義。第三章將介紹我們所討論的模式其估計量
的由來，其中第一節為估計式之通式，並對此通式討論其最佳加權
(optimal weight) 及其漸近變異數 (asym - totic variance)，第二、
三、四節分別介紹由第一節通式所簡化而來的幾種模式的估計量，第五節
將討論具個體差異模式的收斂性質，在最後一章我們將針對前一章中所提
之估計量做電腦模擬試驗，以比較估計量的優劣。另外，我們也使用重抽
法（bootstrap resampling method）來估計我們所提估計量的變異數以
修正理論的偏差。
|