Lo scopo del presente lavoro è quello di estendere al caso del campionamento per cattura-ricattura il metodo bootstrap per la stima della varianza di stimatori costruiti su campioni da popolazioni finite. Nel campionamento da popolazioni di animali, non è raro il caso in cui alcuni animali, già catturati una volta, mostrino una accresciuta familiarità nei confronti del contatto umano, mentre altri tendano a nascondersi. In questi casi, le probabilità di inclusione possono risultare modificate. In questo lavoro si presentano due applicazioni dell’algoritmo bootstrap per il campionamento nto πPS proposto da Mecatti (2000) adattate al caso del campionamento per cattura-ricattura. La prima riguarda la stima della varianza dell’usuale stimatore di Petersen della numerosità della popolazione. La seconda utilizza la stessa stima come numerosità delle popolazioni empiriche bootstrap su cui si basa l’algoritmo di Mecatti. Il lavoro si conclude con due simulazioni su dati reali.
Manzi, G., Mecatti, F. (2005). Bootstrap methods for capture-recapture sampling. In Atti del convegno intermedio SIS "Statistica e Ambiente" (pp.39-42).
Bootstrap methods for capture-recapture sampling
MECATTI, FULVIA
2005
Abstract
Lo scopo del presente lavoro è quello di estendere al caso del campionamento per cattura-ricattura il metodo bootstrap per la stima della varianza di stimatori costruiti su campioni da popolazioni finite. Nel campionamento da popolazioni di animali, non è raro il caso in cui alcuni animali, già catturati una volta, mostrino una accresciuta familiarità nei confronti del contatto umano, mentre altri tendano a nascondersi. In questi casi, le probabilità di inclusione possono risultare modificate. In questo lavoro si presentano due applicazioni dell’algoritmo bootstrap per il campionamento nto πPS proposto da Mecatti (2000) adattate al caso del campionamento per cattura-ricattura. La prima riguarda la stima della varianza dell’usuale stimatore di Petersen della numerosità della popolazione. La seconda utilizza la stessa stima come numerosità delle popolazioni empiriche bootstrap su cui si basa l’algoritmo di Mecatti. Il lavoro si conclude con due simulazioni su dati reali.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.