एक ही व्यक्ति से एक साथ लिए गए कई नमूनों के जोखिम के कारण पहचान में गलतियों के साथ जनसंख्या आकार का अनुमान लगाना

सार: हालांकि गैर-आक्रामक नमूनाकरण कैप्चर-रिकैप्चर (CR) प्रयोगों में बढ़ती हुई उपयोग में है, यह पहचान में गलतियों का एक जोखिम वहन करता है जो नजरअंदाज किए जाने पर जनसंख्या आकार का अधिक अनुमान लगाता है। गलत पहचान से निपटने वाले मॉडल प्रस्तावित किए गए हैं। हालाँकि, ये मॉडल मानते हैं कि एक ही अवसर पर केवल एक नमूना प्रति व्यक्ति एकत्र किया जा सकता है। यह कई DNA-आधारित प्रयोगों के लिए सही नहीं है, उदाहरण के लिए, उन पर प्रयोग जो आंत्र नमूनों से DNA को निकालते हैं। ये मॉडल पुनरावृत्त अवलोकनों को ध्यान में नहीं लेते हैं, जिससे पक्षपाती अनुमान निकलते हैं। इस पेपर में, हम Link et al. (2010) के छिपे हुए बहुविकल्पीय मॉडल (LMM) का एक तरीका विकसित करते हैं जो एक ही व्यक्ति के समानांतर कई नमूनों की संख्या को मॉडल करने के लिए पॉइसन वितरण का उपयोग करता है। फिर हम अपने नए मॉडल के प्रदर्शन का परीक्षण करने के लिए सिमुलेशन करते हैं। एक उदाहरण के रूप में, हमने यूरेशियन ऊदबिलाव की मल (Lampa et al., 2015) के संग्रह पर नए पॉइसन मॉडल को लागू किया। हमारे निष्कर्ष दर्शाते हैं कि पुनरावृत्त अवलोकनों को बिना पक्षपात के मॉडल किया जा सकता है। ऊदबिलाव पर लागू करने से यह स्पष्ट होता है कि जब पहचान में गलतियों और पुनरावृत्त अवलोकनों की उपस्थिति होती है, तो जनसंख्या आकार का सटीक अनुमान लगाने के लिए हमारा मॉडल आवश्यक है।